• 全面负责内容推荐与搜索系统的后端架构，引入Ray框架构建分布式计算任务，将模型特征计算和用户画像更新的效率提升5倍，实现了准实时的个性化信息流刷新。
• 主导多源内容抓取与结构化项目，通过Scrapy框架和自研的智能解析算法，实现了对数千家信息源的高效采集与内容提取，准确率超95%，奠定了公司业务的数据基石。
• 建立技术团队效能提升体系，包括代码规范、CR流程、自动化测试和工具链，将需求平均交付周期缩短35%，团队版本发布信心显著增强。

• 重构了核心的新闻详情页API服务，通过Django + 多层次缓存（LocalMem + Redis）架构，将接口响应时间从500ms优化至50ms（P99），并成功应对了数次热点事件带来的流量洪峰（日PV从百万级跃升至千万级）。
• 主导设计防爬虫与流量清洗系统，基于用户行为指纹和机器学习模型，有效识别并拦截了95% 的恶意爬虫流量，每日节省带宽成本超万元。
• 实现AB测试平台后端，支撑了产品与运营团队的快速实验迭代，通过数据驱动决策，关键功能的用户转化率提升了15%。

潮玩电商大促高并发交易系统重构项目

• 公司为应对潮玩品类双11大促的百万级并发交易需求，原单体交易架构暴露性能瓶颈——峰值并发仅5万/秒、库存超卖率0.1%、支付成功率不足99.5%，需重构分布式系统支撑业务增长。我主导交易系统的领域建模、核心模块开发及全链路压测，保障大促稳定性。
• 面临三大挑战：1. 单体转分布式的服务拆分边界不清，易引发核心域依赖；2. 高并发下库存扣减冲突率高（传统乐观锁达15%）；3. 订单、库存、支付跨服务强一致性难保障。针对性采用DDD划分核心域（交易/库存）与支持域，用Redis Lua脚本实现库存“预占+异步确认”原子操作，选Seata TCC模式解决跨服务事务。
• 主导3人小组完成交易领域建模，拆分出订单、库存、支付三个微服务并定义标准接口；优化库存逻辑——用户下单先预占Redis库存（Lua脚本保证原子性），支付成功后异步同步数据库，降低数据库压力70%；调整Seata事务协调器线程池与超时策略，将事务响应时间从200ms缩至50ms内。
• 重构后系统支撑30万/秒峰值并发，库存超卖率降至0、支付成功率99.95%，大促处理1200万订单无故障，支撑营收增长25%。项目获公司年度技术突破奖，我主导解决了分布式交易核心痛点，成为潮玩交易基础设施负责人。

潮玩社区实时用户行为分析系统研发

• 公司为提升潮玩个性化推荐效果，需整合APP/小程序/官网多端用户行为数据，但原离线系统延迟高（分钟级）、数据碎片化，无法支撑实时推荐。我负责实时数据处理 pipeline、用户画像构建及与推荐服务对接。
• 难点在于：1. 多端SDK数据字段差异30%，难以统一采集；2. 需支持每秒20万条数据的实时清洗聚合；3. 用户实时画像查询需毫秒级响应。采用Kafka统一采集多源数据，Flink做实时处理，Redis存储画像解决性能问题。
• 设计标准化数据schema，开发各端SDK适配器解决数据碎片化；优化Flink作业——并行度调至16、用5分钟滑动窗口聚合行为数据，将延迟从1分钟缩至200ms内；用Redis Hash分桶存储画像（按行为类型拆分字段），使推荐服务查询时间从500ms降至50ms。
• 系统上线后，实时吞吐量达25万条/秒，延迟稳定在300ms内，推荐点击率提升35%、用户留存率从28%升至46%。项目成为公司推荐业务核心数据平台，我借此晋升技术负责人，积累了实时数据处理与架构设计经验。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。