项目一:飞鱼单词 - 智能英语学习平台
项目角色:全栈技术负责人 / 主要开发者
技术架构:Flutter (跨平台主体) + Android/iOS原生模块(关键性能优化) + Spring Boot后端 + MySQL + Redis + MyBatis + Python数据管道 + 科大讯飞语音SDK + 多端支付集成
项目概述:主导设计并开发一款集智能学习、语音交互与个性化复习于一体的移动端英语学习应用,旨在通过技术手段提升语言习得效率,累计服务用户超10万。
核心技术与实现亮点:
高性能混合架构:采用Flutter实现主体跨平台UI与业务逻辑,同时对计算密集的音频实时处理与语音评测模块,使用Android (Java/Kotlin) 与 iOS (Swift) 编写原生插件,确保低延迟与高精度,用户体验与性能媲美纯原生应用。
智能化学习引擎:后端基于Spring Boot构建,核心算法集成艾宾浩斯记忆曲线,为每位用户动态生成个性化复习计划。利用Python爬虫与音频处理管道,自动抓取、清洗并合成(TTS)海量例句音频,构建了可持续更新的学习内容库。
复杂功能集成:无缝接入科大讯飞语音评测,实现句子跟读与发音精准打分;完整对接微信/支付宝支付与Apple内购,处理复杂的跨平台订单与订阅逻辑;实现账号体系与学习数据在多端的实时同步。
工程化与体验:通过Redis缓存热点数据提升响应速度;设计模块化的“专项训练”组件库(如随身听、拼写练习),保障了功能快速迭代与代码复用。
项目价值:成功打造了一个技术闭环(内容生产→个性化推送→交互训练→效果评估)的商业化学习产品,验证了复杂混合开发生态下,实现高性能、高可维护性应用的综合技术能力。
项目二:智能AI甲醛检测音响 - 物联网数据监控方案
项目角色:微信小程序开发与物联网通信方案设计者
技术栈:微信小程序原生框架 + MQTT协议 + 嵌入式设备通信 + 数据可视化
项目概述:为智能硬件产品配套开发一款微信小程序,实现甲醛浓度的实时监测、历史数据分析与超标预警,完成了从设备端到用户端的完整数据链路落地。
核心技术实现:
稳定高效的设备通信:采用MQTT协议作为核心通信层,实现了小程序与嵌入式硬件间的长连接、低功耗数据同步,确保了浓度数据的实时性(秒级更新)与传输可靠性。
完整的数据应用闭环:设计了清晰的数据流:硬件采集 → MQTT上报 → 云服务处理 → 小程序可视化展示与推送预警。小程序内集成了实时曲线、历史数据查询与峰值报表,使无形的空气质量数据变得直观可管理。
轻量级用户体验:基于微信原生开发,确保在各类手机上的流畅运行与快速启动;设计了清晰的预警触发逻辑(如浓度超标Push通知),提升了产品的安全服务属性。
项目价值:该项目成功验证了利用轻量级小程序与标准化物联网协议(MQTT),快速构建低成本、高可用性硬件联网解决方案的技术路径,体现了软硬件结合的系统性思维。