负责公司核心在线职业技能培训平台的JS全栈开发与性能优化，覆盖用户端课程交互、后台管理系统及实时互动课堂功能，协同产品、测试团队推进需求落地，保障系统稳定性与用户体验

• 主导用户端课程详情页重构：用React 18+TypeScript替换旧版jQuery实现，引入SWR做数据请求缓存、Redux Toolkit管理课程章节/讲师/评论的复杂状态；针对原页面首屏加载慢（3.2s）问题，通过React.lazy代码分割、Intersection Observer图片懒加载及阿里云CDN静态资源优化，将首屏时间压缩至1.1s，页面跳出率下降27%
• 核心参与实时互动课堂功能开发：基于Socket.IO搭建WebSocket通信层，封装连麦、白板同步、文字聊天的通用组件，解决多终端（PC/平板/手机）兼容问题；面对峰值1000人课堂的消息延迟（1.5s），优化RabbitMQ消息队列的分发策略（按教室维度拆分队列），将延迟降至300ms以内，支撑单月2000+场高并发互动课
• 优化后台管理系统权限体系：用Node.js+Express搭建权限中间件，结合Casbin实现RBAC模型，对接前端Vue3的动态路由与按钮级权限；解决旧系统“运营人员误操作课程上下架”的问题，权限颗粒度从“课程级”细化至“操作按钮级”，误操作率下降41%
• 推动前端工程化建设：搭建基于Vite的前端构建流程，集成ESLint+Prettier+Husky的代码规范校验链，引入Jest做单元测试（覆盖工具函数、组件逻辑）；将代码提交规范率从75%提升至98%，单元测试覆盖率从12%提高至45%，线上因代码不规范导致的bug率下降33%

负责K12在线辅导平台的前后端功能迭代，涵盖学生端智能做题系统、教师端备课工具及运营数据统计模块，配合团队完成版本上线与线上问题排查

• 主导学生端智能做题系统开发：用Vue.js+Vuex构建前端交互，Node.js+MongoDB搭建后端接口，实现基于协同过滤算法的题目推荐（关联用户历史错题与知识点掌握度）、错题本云同步及答题详情分析；解决初始推荐准确率低（62%）问题，优化特征工程（增加“知识点关联度”权重），将准确率提升至81%，学生日均做题时长增加45分钟
• 重点优化教师端备课工具性能：旧版工具因大量Excel式表格渲染导致卡顿（FPS<20），用React Virtualized实现列表虚拟化，结合Web Worker异步处理公式计算与数据格式化；优化后FPS稳定在55以上，页面加载时间从8s缩短至2.5s，教师满意度调研得分从3.8分提升至4.5分
• 开发运营数据可视化看板：用ECharts实现学生做题正确率分布、教师备课进度跟踪的实时图表，后端用Redis缓存高频查询的“班级周正确率”数据；支撑运营团队快速定位“初二数学函数章节学生正确率低”的痛点，推动产品优化该章节课程设计，用户续费率提高15%
• 完成旧系统技术迁移：将jQuery+PHP的备课工具迁移至Vue+Node.js栈，制定“模块拆分→接口适配→数据迁移”的三步计划，解决跨域、Vue状态与后端数据同步等问题；历时2个月完成迁移，系统维护成本降低50%，需求迭代速度提升30%

协助开发少儿编程启蒙平台的用户端与后台功能，涵盖拖拽式编程互动界面、家长端学习进度查看及教师端课程管理，参与需求分析、代码编写与测试

• 参与编程互动界面开发：用Phaser.js实现拖拽式编程积木的交互逻辑（碰撞检测、逻辑拼接），对接Node.js接口保存用户作品；解决积木拼接时卡顿（帧率<15）问题，优化事件监听机制（改用事件委托替代单个元素监听），将帧率提升至50以上，用户作品创作完成率提高28%
• 开发家长端学习进度看板：用React+Ant Design构建界面，后端用MongoDB存储学生学习时长、课程完成率数据，实现“今日学习报告”“近7天进度趋势”的实时更新；支撑家长了解孩子学习情况，家长转介绍率提高12%
• 协助优化后台课程管理：用Vue.js+Element UI重构课程列表，实现“批量导入课程素材”“按年级/学科筛选”“课程状态一键切换”功能；减少教师操作步骤（从10步降至3步），课程发布时间从10分钟缩短至2分钟，教师工作效率提升40%
• 解决跨浏览器兼容问题：针对IE11及旧版Chrome的兼容性痛点，用Babel转译ES6+语法、添加core-js Polyfill修复Promise/Array.from等问题；将浏览器兼容率从85%提升至98%，用户投诉率下降25%

泛娱乐社交APP「星聊」核心体验优化与高并发架构升级项目

• 「星聊」作为公司泛娱乐社交核心产品，面临用户反馈的“聊天延迟高、群聊消息乱序、个性化推荐无效”三大痛点，导致DAU连续3个月停滞在80万左右。我的核心职责是主导从后端架构重构到前端体验优化的全链路改进，目标是将消息可靠性提升至99.9%以上、推荐点击率翻倍、DAU恢复增长。
• 项目遇到三大技术壁垒：1）原有单节点WebSocket集群无法承载峰值5万+连接，消息延迟超3秒；2）群聊消息因客户端收包顺序差异导致乱序率达15%；3）基于协同过滤的推荐系统标签维度单一，点击率仅2.1%。
• 针对连接问题，我主导拆分WebSocket服务为「连接管理」和「消息路由」两个微服务，用Redis Cluster存储连接状态实现分布式扩展，同时以RocketMQ作为消息中间件保证有序投递；针对消息乱序，设计「客户端序列号+服务端排序」双校验机制，结合本地缓存暂存未确认消息；推荐系统方面，协同数据团队构建包含“行为偏好、兴趣标签、社交关系”的三维标签体系，用LightGBM模型替换协同过滤，实现分钟级实时更新。
• 项目上线后，消息延迟降至500ms内、群聊乱序率降至0.1%以下，推荐点击率提升至8.7%；DAU3个月内增长至120万，用户留存率提升18%。我个人主导了架构设计与跨团队协作，推动产品核心体验质的飞跃，成为后续功能迭代的技术基石。

泛娱乐直播平台「星播」互动功能全栈研发与性能调优项目

• 公司发力直播赛道时，「星播」需快速上线弹幕、打赏、连麦三大核心互动功能，目标是提升直播间用户参与度（目标从15%升至30%）和付费转化率（目标从3%升至6%）。我负责从需求分析到上线运维的全流程开发，兼顾功能实现与高并发性能。
• 功能研发中遇到三大挑战：1）峰值每秒10万条弹幕的渲染卡顿（DOM渲染帧率仅20fps）；2）打赏订单的分布式事务问题，曾出现“用户扣款成功但主播未到账”的故障；3）连麦时不同设备音视频同步误差超500ms，用户体验差。
• 为解决弹幕问题，我放弃DOM方案改用Canvas分层渲染，将弹幕按“滚动速度+字体大小”分层，减少每帧计算量，最终帧率稳定在60fps；打赏功能引入Seata分布式事务框架，结合Redis异步缓存订单状态，确保“扣款-到账-通知”的原子性；连麦功能采用WebRTC技术，自研信令服务器（Node.js实现），加入NTP时间戳校准音视频流同步，误差控制在100ms内。
• 功能上线后，直播间互动率提升至32%，付费转化率达成6.5%；打赏成功率从95%升至99.9%，用户对连麦体验的满意度评分达4.8/5。我独立完成三大功能的全栈开发，攻克了高并发下的性能瓶颈与实时一致性难题，为直播业务的早期增长奠定基础。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。