负责直播业务全链路性能测试体系搭建与迭代，聚焦高并发场景下的性能瓶颈定位、容量规划及稳定性保障，支撑千万级DAU直播活动的全链路性能健康度

• 主导设计直播推流-转码-分发-播放全链路性能测试模型，基于JMeter分布式压测框架+Grafana监控平台构建业务级压测场景，模拟10万+并发推流请求；通过Linux火焰图分析发现转码服务CPU利用率瓶颈（峰值92%），推动后端优化Java线程池参数（将核心线程数从20调整至32）与启用AVX-512指令集并行计算，单节点转码吞吐量从1200路/分钟提升至2100路/分钟，支撑双11直播推流成功率从98.2%提升至99.6%
• 牵头直播观看端弱网性能专项，使用Charles模拟2G/3G/4G网络环境（丢包率10%-30%、延迟500ms-2s），结合PerfMon监控客户端CPU/内存占用；定位到播放器缓冲区策略僵化问题，优化自适应码率切换算法（将码率调整阈值从±20%缩小至±5%）与动态扩容逻辑（按当前带宽的1.5倍预加载），弱网下卡顿率从15%降至4%，用户30分钟留存率提升8%
• 搭建直播业务容量规划模型，基于历史流量数据与压测结果，用Python线性回归分析预测峰值QPS；推动基础设施团队提前扩容CDN边缘节点30个、转码集群EC2实例50台，保障春节直播峰值并发观看1200万人时，页面加载时间稳定在1.5s内，无超时报错
• 主导性能测试流程标准化，编写《直播业务性能测试规范》《性能瓶颈定位手册》，引入SonarQube对性能测试代码进行静态扫描（修复率100%）；培养2名初级性能测试工程师，输出3篇内部技术分享（覆盖弱网测试工具链、全链路压测场景设计），团队测试效率提升40%

负责短视频内容生产与消费链路性能测试，聚焦视频上传、转码、推荐流加载的性能优化，支撑亿级视频库存的稳定访问与用户体验提升

• 核心参与短视频上传链路性能优化，使用Locust构建分布式上传压测场景（模拟5万+用户同时上传1080P视频）；通过tcpdump抓包分析发现HTTP/1.1连接复用率低（仅30%），推动后端启用HTTP/2协议与连接池（最大连接数从100调整至200），上传成功率从95%提升至99.3%，平均上传时长缩短25%
• 负责推荐流加载性能专项，用Chrome DevTools+Lighthouse监控前端渲染性能（FCP从3.2s降至2.1s），结合Pinpoint追踪后端接口响应（推荐算法服务峰值延迟400ms）；协同算法团队优化模型推理速度（将TensorFlow Lite模型替换为ONNX Runtime）与Redis缓存策略（缓存命中率从65%提升至85%），推荐流首屏加载时间从2.8s降至1.7s，用户滑动流畅度提升12%
• 搭建短视频存储性能监控体系，基于Prometheus+Grafana监控OSS存储读写延迟与QPS；发现热点视频存储节点IO瓶颈（峰值85%），推动存储团队调整热点数据分片策略（将单节点存储容量从1TB拆分为500GB×2）与CDN缓存规则（TTL从1小时延长至4小时），热点视频加载失败率从8%降至1%，存储成本下降15%
• 输出《短视频性能测试指标体系》，定义上传成功率、推荐流加载时间、存储IO利用率等12项核心指标；推动将性能指标纳入产品迭代验收标准，版本发布后性能Regression率从18%降至5%

负责传媒业务基础功能性能测试，聚焦页面加载、接口响应等基础性能指标验证，保障业务系统的基础稳定性

• 主导传媒官网与后台管理系统性能测试，用LoadRunner模拟1万+并发用户访问官网首页；发现静态资源（JS/CSS）加载缓慢（平均耗时1.2s），推动前端团队优化资源压缩（Gzip压缩比从6提升至9）与懒加载策略，首页加载时间缩短至400ms内；同时优化MySQL查询语句（减少3个冗余联表、添加联合索引），后台审核接口响应时间从800ms降至300ms
• 负责内容审核系统压力测试，针对批量审核任务场景（5000+条任务并发提交），用JMeter发现RabbitMQ消息队列堆积问题（积压量峰值10万条）；推动后端调整消费者数量（从5个增加至10个）与处理逻辑（异步转同步批量处理），任务处理延迟从30分钟降至5分钟，保障审核时效达标（≤10分钟/千条）
• 学习并应用性能测试基础理论（Amdahl定律、排队论），优化测试用例设计（覆盖系统瓶颈点从40%提升至70%）；协助搭建公司内部性能测试工具库，封装接口压测脚本模板（支持CSV参数化）、性能指标采集脚本（自动抓取CPU/内存/响应时间），团队测试效率提升30%
• 参与公司首次性能测试培训，编写《性能测试入门手册》（涵盖工具使用、场景设计、结果分析），覆盖研发/产品团队20人，推动性能意识在跨团队落地

星途社交APP全链路质量保障体系搭建及性能瓶颈突破项目

• 项目背景：星途社交APP上线“兴趣社群+万人实时互动”核心功能，涉及iOS/Android/Web三端协同、高并发消息推送与状态同步场景。此前质量保障依赖碎片化的单端测试与人工回归，缺乏全链路覆盖能力，曾因数据不一致、性能瓶颈导致上线延期。我的目标是主导搭建适配多端高并发场景的全链路质量体系，确保新功能上线零重大故障，核心性能指标达标。
• 解决的关键难题：1）多端数据一致性难追踪——用户在Web端发送的社群消息常延迟显示在移动端，缺乏端到端的数据链路监控；2）实时互动场景性能瓶颈——万人直播间消息推送延迟高达800ms，超出用户可接受阈值；3）自动化回归效率低——核心流程需人工逐端验证，单次回归耗时4小时以上。
• 核心行动与创新：1）设计“全链路数据追踪方案”，基于OpenTelemetry实现前端埋点、后端接口、数据库操作的链路打通，通过TraceID关联多端数据，精准定位“消息队列分发延迟”问题根源；2）针对实时互动场景，采用JMeter+Gatling构建“混合压力场景”（同时模拟10万用户在线、1万条/秒消息推送），结合Linux火焰图分析CPU热点，优化Kafka消息消费线程池参数与Redis缓存策略，将单节点消息吞吐量从1.2万条/秒提升至2.5万条/秒；3）主导开发“端到端自动化测试平台”，集成Appium、Selenium与自研的“多端数据比对引擎”，自动验证Web/APP端消息同步结果，覆盖80%核心流程，回归时间缩短至1.5小时内。
• 项目成果与影响：1）新功能上线零重大故障，用户关于“消息延迟”“数据不同步”的投诉率下降75%；2）直播间消息延迟稳定在200ms以内，满足实时互动体验要求；3）自动化平台复用率达90%，节省测试人力30%/迭代周期；4）输出的《全链路质量保障手册》被纳入公司质量标准库，推广至后续游戏社交产品线。

企业级AI客服系统自动化测试框架迭代及风险防控项目

• 项目背景：云迹科技的AI客服系统需支持金融、政务等行业定制化需求，此前自动化框架仅覆盖基础功能测试，缺乏性能压测与安全合规检测能力，导致定制版本上线后频繁出现“响应超时”“数据泄露”等问题。我的目标是迭代自动化框架，整合性能与安全测试能力，降低定制化产品的上线风险。
• 解决的关键难题：1）行业定制化导致脚本复用率低——金融行业需验证“敏感词过滤”，政务行业需支持“多部门工单流转”，通用脚本无法适配；2）性能测试缺乏AI场景针对性——未定义“单轮对话响应时间”“并发用户数”等核心指标，无法评估模型推理性能；3）安全测试覆盖不全——未检测数据传输加密（TLS 1.2+）与权限管理（角色级访问控制）的有效性。
• 核心行动与创新：1）设计“模块化脚本架构”，将通用功能（登录、消息发送）封装为可配置组件，定制业务通过YAML文件组合（如金融行业勾选“敏感词库”参数），脚本复用率从40%提升至70%；2）引入Locust构建AI模型性能测试场景，定义“单轮对话响应≤500ms”“并发用户数≥1万”等指标，通过压测发现模型推理线程阻塞问题，优化TensorRT加速策略，将响应时间缩短30%；3）整合OWASP ZAP与Burp Suite，开发“数据安全校验工具”，自动检测API接口是否强制使用TLS 1.2、用户数据是否加密存储，累计发现并修复5个高危安全漏洞（如“未授权访问工单详情”）。
• 项目成果与影响：1）定制版本上线故障数下降60%，客户满意度从82分提升至91分；2）AI客服响应时间达标率从70%提升至95%，支撑了金融行业头部客户的落地；3）安全漏洞数量减少80%，通过ISO 27001信息安全认证；4）框架被评为公司“年度最佳测试工具”，推广至智能语音交互、RPA等其他AI产品线。

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。