• 独立负责内容自动审核系统的后端架构，通过对接多家AI服务商并设计降级策略，保障了99.99%的可用性，日均处理内容4万+篇，将人工审核成本降低 60%。
• 实现高性能计数器服务（文章阅读数、点赞数），通过 Redis异步落盘方案，将数据库写压力降低 95%，且数据误差小于0.1%。
• 将项目从LNMP 环境容器化（Docker），使新成员本地开发环境搭建时间从1天缩短至10分钟，团队协作效率大幅提升。

• 负责创作者广告收益系统的开发与维护，通过精确到秒的实时计算与分账逻辑，实现了每月千万级资金的准确、准时发放，零资金差错，建立了平台与创作者之间的信任基石。
• 期间主导开发数据一致性核对工具，定期自动化比对订单与资金数据，提前发现并修复了数个潜在资损漏洞，避免超百万元的潜在损失。
• 通过OPcache、CDN加速、图片WebP化等前端优化手段，在不改动业务逻辑的情况下，将全局页面加载速度提升了30%。

星途直播平台高并发实时互动系统重构与性能优化

• 原直播系统采用单体架构，支撑千万级用户时出现消息延迟高（峰值800ms）、互动失败率高（1.2%）、服务器资源利用率低等问题，严重影响用户体验与业务转化。核心目标是将系统重构为高并发、低延迟的分布式架构，支撑1200万并发用户，将消息延迟降至200ms内、互动失败率降至0.1%以下。我的职责是主导架构设计、核心模块开发及全链路性能优化。
• 面临三大关键挑战：①单体架构无法弹性扩展；②HTTP轮询的消息推送链路导致高延迟；③弹幕、点赞等互动操作的强一致性难以保证。针对这些问题，我选择Apache Pulsar（低延迟、高吞吐的分布式消息队列）重构消息链路，采用Spring Cloud Alibaba微服务框架拆分系统，并设计“Pulsar事务消息+Redis Lua脚本”的强一致性方案，解决互动数据原子性问题。
• 主导完成6个核心微服务（用户中心、消息中心、互动中心等）的拆分，定义Feign+Sentinel的服务间RPC规范；将消息推送从HTTP轮询改为WebSocket+Pulsar Push模式，减少网络开销；搭建Prometheus+Grafana监控体系，结合Sentinel实现流量削峰，将峰值QPS从10万压至8万避免过载；推动互动数据双写校验机制，确保异常场景下的数据一致性。
• 系统重构后，QPS提升至20万，并发用户数支撑到1500万（超目标25%），消息延迟降至120ms（低于目标40%），互动失败率降至0.02%（低于目标80%）。业务层面，用户直播停留时长提升18%，打赏转化率提升10%，年营收增加约3000万元。我主导了架构升级的核心决策，解决了3个关键技术瓶颈，成为团队分布式系统方向的技术骨干。

星途短视频内容分发与个性化推荐后端系统从0到1研发

• 原短视频分发依赖人工规则，内容与用户兴趣匹配度低，用户平均停留时长仅3.2分钟，推荐点击率8%，无法支撑平台增长。核心目标是构建智能化分发系统，基于用户行为实现精准推荐，提升engagement。我的职责是负责实时数据处理、用户画像构建及推荐系统工程化落地。
• 遇到三大难点：①UGC/PGC/PUGC多源内容元数据不统一；②峰值15万条/秒的实时行为数据无法用批处理满足需求；③推荐模型迭代与线上效果脱节。我选择Kafka做实时数据管道，Flink做流处理生成用户画像，用TensorFlow Serving部署模型，平衡实时性与准确率。
• 主导制定内容元数据标准，整合3类内容源的100+维度标签（如视频类型、作者粉丝数），存储于MongoDB支持灵活扩展；开发实时用户画像系统，用Flink消费Kafka事件，每秒处理12万条数据，生成兴趣标签与行为偏好画像；推动Wide & Deep模型落地，结合实时画像调整权重，通过AB测试验证点击率提升效果；用Elasticsearch搭建内容索引，优化分发效率。
• 系统上线后，用户停留时长提升至7.1分钟（增长122%），推荐点击率提升至21%（增长162%），内容分发效率提升45%。业务层面，月活从500万增长至1300万（增长160%），短视频营收占比从15%升至30%。我从0到1搭建了实时画像与推荐系统，推动团队掌握机器学习工程化能力，获公司“年度技术创新奖”。

• 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。