负责在线教育平台核心学习链路的全栈开发，覆盖C端用户课程学习与B端教师授课场景，衔接React前端交互、Node.js后端业务逻辑及MongoDB数据存储，保障高并发下的系统性能与用户体验

• 主导设计「动态课程编排系统」，针对教师排课需手动同步多终端（Web/小程序/H5）的痛点，采用React+Redux Toolkit构建前端状态管理，结合Node.js+Socket.io实现排课规则实时同步，同时优化Webpack分包策略将首屏加载资源从1.2MB压缩至450KB，最终教师排课效率提升42%，用户章节切换耗时从780ms降至290ms
• 重点解决直播课连麦延迟高的问题：原系统采用RTMP协议导致跨运营商延迟达3-5秒，替换为WebRTC技术栈，配合Janus网关做信令转发与NAT穿透，同时优化 ICE Candidate 选举策略，连麦成功率从76%提升至93%，用户关于“卡顿”的投诉率下降38%
• 核心参与用户学习行为分析系统的前端埋点与后端架构设计：用Google Analytics 4（GA4）定义23个关键事件（如“视频暂停”“习题提交”），后端通过Node.js+Elasticsearch搭建行为数据索引，实现分钟级查询响应，帮助运营定位“章节末尾流失率高”的问题，针对性优化课程小结模块后，完播率提升19%
• 推动前端工程化升级：引入Vite替代Webpack，配置自动化代码分割（基于动态import）与HTTP/2推送策略，构建时间从11分钟缩短至3.5分钟；同时落地ESLint+Prettier统一代码规范，团队协作冲突率下降45%

负责K12在线题库产品的全栈迭代，聚焦用户解题体验优化与教师题目管理效率提升，协同算法团队落地个性化推荐，主导前后端架构从“单体应用”向“微服务”演进

• 主导「智能选题系统」全栈开发：前端用Vue3+Composition API重构旧版UI，实现“知识点-难度-题型”三维筛选的实时联动；后端基于Node.js+Express搭建推荐服务，调用Python Flask封装的XGBoost模型生成个性化题目，推荐准确率从68%提升至93%，用户日均做题量增加17%
• 解决海量题库查询性能瓶颈：针对“按知识点搜题”响应慢的问题，用Redis缓存热点题目（Top1000知识点），同时将MySQL全文索引迁移至Elasticsearch，查询耗时从1.1秒降至180ms以内，支撑日活12万用户的并发搜索
• 重构教师端题目编辑工具：基于Monaco Editor定制代码题编辑器，支持Python/JavaScript语法高亮、实时预览与错题一键导入，后端配合OSS存储题目资源文件，编辑效率提升55%，题目录入错误率从12%降至2.5%
• 建立团队技术质量体系：推行Jest+Testing Library做前端单元测试，要求核心组件覆盖率≥85%；后端用Mocha+Chai搭建接口测试套件，上线前拦截潜在BUG 60+，线上故障次数从每月3次降至0.5次

负责企业培训平台基础功能开发，覆盖课程上传、学员管理与简单互动模块，协助搭建前端组件库与后端API规范，支撑平台从0到1服务100+企业客户

• 独立完成「学员学习档案」模块全栈开发：前端用React+Redux管理学员进度、成绩等状态，后端通过Node.js+Koa2搭建RESTful API，对接MySQL存储学习数据，实现“课程完成率”“错题分布”等统计功能，满足企业客户的基础管理需求
• 优化课程上传功能：原方案采用单文件上传，大文件（>500MB）经常超时，改用Multer实现分片上传（每片10MB），后端用PM2集群部署处理并发，上传成功率从58%提升至96%，支持最大1.5GB文件上传
• 搭建前端组件库：用Storybook管理组件文档，封装“课程卡片”“进度条”“讲师名片”等15个通用组件，团队复用率从30%提升至75%，减少重复开发工作量28%
• 协助后端API性能优化：用Postman做接口压测，发现“学员列表查询”存在慢查询（执行时间>800ms），优化MySQL索引与分页逻辑后，响应时间降至200ms以内，支撑平台承载5000+学员同时在线

鲜邻平台全链路性能优化与多端一体化重构项目

• 鲜邻作为区域头部生鲜社区团购平台，面临日活从50万向100万增长的压力：首页平均加载时长3.2s、订单提交失败率1.8%、APP/小程序/H5三端体验不一致导致用户留存率下滑8%。我的核心职责是主导全链路性能优化，统一多端技术架构，支撑业务规模化增长。
• 项目遇到三大核心挑战：1）首页动态内容（商品推荐+促销活动+团长信息）多源聚合，传统串行请求导致延迟高；2）订单提交涉及库存、订单、支付三系统强依赖，分布式事务不一致问题突出；3）多端UI/交互重复开发，迭代效率低至每周仅能上线1次小功能。
• 针对首页性能，设计「静态化预生成+动态WebSocket推送」方案：用Nginx做边缘缓存，Redis存储热点数据，将商品推荐模块预渲染为静态卡片，动态更新内容通过WebSocket推送到客户端；针对分布式事务，引入Seata TCC模式，结合幂等校验（基于Redis的请求ID去重）和重试机制（设置3次指数退避重试），解决库存超卖问题；针对多端一致，采用UniApp跨端框架，封装通用组件库（含商品卡片、地址选择器等12个高频组件），基于Vue3+Vite重构前端架构，实现一套代码编译三端。
• 项目上线后核心指标显著提升：首页加载时长降至1.1s（降幅65%），订单提交失败率降至0.15%以下，多端迭代效率提升40%（每周可上线2-3次功能）。支撑平台日活突破120万，GMV环比增长35%。我个人主导了技术方案选型与团队落地，推动研发模式从「功能驱动」转向「性能与体验双轮驱动」。

鲜邻供应链协同平台前后端开发与落地项目

• 鲜邻早期供应链管理依赖Excel与孤立系统（ERP/WMS/TMS），团长补货需手动统计库存与销量，错误率达15%，采购周期长达2天。我的职责是搭建统一的供应链协同平台，打通采购-仓储-配送全链路数据，提升团长补货效率与供应链准确性。
• 项目难点集中在三点：1）多系统数据格式不统一，无法实时同步；2）团长补货需求需结合历史销量、库存预警动态生成，缺乏算法支撑；3）促销期间团长集中补货，后端QPS可能达到500，稳定性面临挑战。
• 技术上，我用Apache Kafka搭建消息中间件，定义统一Schema实现ERP/WMS/TMS数据实时同步；针对补货需求，用Python Pandas挖掘历史销量数据，结合线性回归模型预测未来7天销量，自动生成补货建议；后端采用Spring Cloud Alibaba微服务框架，拆分采购、仓储、配送三个核心服务，用Sentinel做流量控制（设置QPS阈值500，超过则降级到队列等待），保证高并发稳定性。
• 平台上线后效果显著：团长补货时间从2小时缩短至15分钟，库存周转率提升28%，供应链错误率下降70%。支撑了618大促期间QPS 800的峰值，无宕机或数据不一致问题。我负责前后端核心模块开发，设计了数据同步方案与补货算法，推动供应链从「人工经验」转向「数据驱动」的数字化改造。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。