负责AI互动课件平台的前后端全链路研发，覆盖互动功能落地、AI能力融合及性能优化全生命周期，联动产品、算法团队实现技术与业务需求的深度对齐

• 主导设计基于Node.js + React的互动课件编辑器核心模块，选用ProseMirror作为富文本编辑内核，结合WebGL实现3D教具的实时渲染；针对高并发场景下编辑状态同步延迟问题，采用Redis做实时状态缓存，配合WebSocket双向推送机制，将编辑延迟从300ms压缩至80ms，支撑1200+人同时在线协作编辑，成为平台核心差异化功能
• 核心参与AI错题本端到端研发，前端用Vue3 + TypeScript重构可视化归因看板，实现错题知识点关联、难度分布的热力图展示；后端用Koa2搭建微服务，通过gRPC与算法团队的错题推荐模型通信，针对模型响应慢导致的卡顿问题，设计“本地缓存+RabbitMQ异步队列”方案，将错题本加载时间缩短42%，用户月度留存率提升17%
• 牵头平台性能优化专项，针对首屏加载慢痛点，用Webpack5的SplitChunksPlugin做代码分割，结合Tree Shaking移除23%冗余依赖；后端用Nginx配置静态资源CDN缓存与负载均衡，将首屏加载时间从2.8s降至1.1s，服务器CPU占用率下降28%，获公司Q3性能优化一等奖
• 推动全栈技术标准化，引入TypeScript做前后端类型约束，减少接口联调错误率35%；搭建GitHub Actions CI/CD pipeline，集成Jest单元测试与SonarQube代码扫描，将部署周期从4小时缩短至20分钟，线上BUG率下降30%

负责K12网校平台用户端、教师端的JavaScript全栈开发，覆盖功能迭代、数据交互及业务逻辑落地，协同多团队实现产品功能闭环

• 独立开发教师端在线组卷功能，前端用React + Ant Design实现拖拽式选题、知识点标签筛选界面；后端用Express搭建组卷算法接口，对接题库系统的Elasticsearch检索，优化组卷策略（优先匹配高频考点+难度梯度），将平均组卷时间从60秒缩短至12秒，教师对该功能的周使用率从18%提升至43%
• 优化用户端课程播放页体验，用Hls.js实现HLS流自适应码率播放，结合Service Worker做视频片段离线缓存，解决弱网环境（2G/3G）下播放卡顿问题，播放成功率从88%提升至97%，用户关于“播放卡顿”的投诉率下降41%
• 主导移动端适配改造，用Rem布局结合PostCSS的pxtorem插件，实现iOS/Android多设备屏幕兼容，解决早期固定宽度布局的错乱问题；同步优化移动端交互（如手势翻页、底部导航栏固定），移动端用户占比从35%提升至52%
• 搭建前端监控体系，用Sentry捕获JS错误与性能指标（如FCP、LCP），结合Google Analytics分析用户行为路径，定位并修复“组卷页面内存泄漏”“播放页cookie失效”等11个高频问题，页面可用性从92%提升至98%

负责早期在线题库系统的前端开发与维护，协助后端完成API联调，参与功能迭代及BUG修复，积累全栈开发基础能力

• 开发题库系统前端答题界面，用原生JavaScript实现题目乱序、计时器、自动判分及错题收藏功能；替换早期jQuery版本的手动DOM操作，改用事件委托与数据驱动模式，将答题页面加载速度提升32%，页面元素渲染错误率下降25%
• 协助后端完成12个核心API的联调，用Postman编写测试用例覆盖率达95%，同步输出接口文档（含参数说明、返回示例），缩短前后端迭代沟通周期18%
• 优化题库搜索功能，用JavaScript实现客户端模糊搜索（基于正则表达式+缓存机制），减少服务器请求次数60%；针对生僻字检索问题，补充自定义词库，搜索准确率从78%提升至91%
• 参与团队新人培养，每周分享JavaScript闭包、原型链、异步编程等基础知识，制作《前端常见BUG排查手册》，帮助3名新人快速上手业务，团队整体开发效率提升20%

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。