momo

1. 用 Jupyter Notebook 构建人工标注系统, 避免误标样本污染训练集与验证集。基于 captcha_trainer 开源项目二次开放, 全组同事均能轻易实现数据标注, 模型训练与验证, 模型部署的完整流程。
2. 采用 FastAPI 为后端框架, 以 Ant Design 为前端框架, 独立构建了物流商管理后台系统, 集成了物流商信息管理、 调度信息管理、 物流商服务健康监控等功能。
3. 通过引入大模型, 合理设计优化 Prompt, 将大模型的自动分类功能提升到准确度90%以上, 结合模式匹配, 通过数据分析手段, 优化物流节点文本自动分类流程, 将文本分类精度由不足 90% 提升到 95% 以上。
4. 抽象血站相关业务,采用Metaclass 及 Mixin动态构建ORM, 开通新的合作站点仅需添加配置, 有定制化需求只用扩展Mixin类。避免了每次开通新的合作站点都要复制、修改代码的情况, 极大的提高了开发效率, 降低了代码维护难度。
5. 基于Flask及Flask-Restful二次开发定制了框架, 统一了日志、响应格式、路由自动注册、错误处理等, 提高了新项目的开发速率及不同项目间的代码的一致性。基于该框架搭建了包括爱心集点、运营活动系统、纪念品管理、志愿者服务等多个项目。
6. 基于数据库索引及存储过程, 改写千万级数据的动态统计列表接口, 将响应时间从数秒降到二百多毫秒, 顺带大幅降低了数据库负载。
7. 编写数据迁移脚本，基于SQLAlchemy core，实现了数十张表的外键重建及数据映射，将千万余条记录成功从mysql导入postgresql，为收购的30余家校区顺利使用系统做好了准备。
8. 基于flask-restplus，对接第三方支付服务商，设计并开发支付网关后台api。这个子项目从需求到部署仅一个月，随后进行的促销活动中投入使用，实现了一万余笔交易营业额亿余元无bug无错误的优良结果。
9. 制订并完善运营中涉及的设备、用户、订单等相关的指标体系, 将上述指标体系制作成 BI 系统中,以便各部门方便及时地从时间、地点、行业等不同维度,以表格或图形的形式,观察、筛选、比较指标的变动并定位原因