我拥有3年以上的企业级后端开发经验,专注于基于Java技术栈的微服务架构设计与实现。核心技术能力包括:
后端框架:熟练掌握Spring Boot/Spring Cloud Alibaba全家桶(Nacos、Sentinel、Seata),能够独立搭建高可用、高并发的分布式系统,具备丰富的JVM调优和OOM排查经验。
数据存储:精通MySQL数据库的索引优化、SQL调优及分库分表方案(ShardingSphere);熟悉Redis缓存数据库在秒杀、会话保持场景下的使用,并处理过缓存穿透、雪崩等实际问题。
中间件与消息队列:熟练使用RocketMQ和Kafka处理异步消息和解耦系统,了解RabbitMQ。
容器化与运维:熟悉Docker容器化部署及Kubernetes的基础编排,能够编写CI/CD流水线(Jenkins)。
技术文档:擅长编写清晰的接口文档(Swagger)和技术方案设计文档,注重代码规范,习惯编写单元测试以确保交付质量。
项目名称:智慧教育平台(AI个性化学习系统)
项目描述:该平台旨在解决传统在线教育“千人一面”的问题,通过AI评测与知识图谱技术实现因材施教。用户通过对话式AI评测知识水平,系统生成可视化知识图谱并推荐个性化课程。
我的职责:作为全栈开发工程师,独立负责前后端核心功能的设计与实现,并主导AI能力集成。
技术实现:
前端:基于 React 18 + Vite 构建高性能前端应用,采用 Tailwind CSS 实现Claymorphism新拟态UI;集成 React-Force-Graph 库实现动态知识图谱可视化,利用 Recharts 制作后台数据大屏;通过 React Router 和 Context API 管理路由与状态。
后端:使用 FastAPI 框架搭建高并发RESTful API,通过 BigModelAI SDK 集成智谱大模型实现对话式智能评测;基于 SQLAlchemy 操作MySQL数据库,并设计 JWT 鉴权体系保障安全。
交互流程:用户登录后与AI助手进行自然语言问答,系统实时分析并生成知识图谱,前端动态渲染力导向图展示知识点掌握程度,再根据图谱推荐个性化课程。
项目成果:成功构建了一个从评测到学习闭环的个性化平台,知识图谱节点渲染响应时间低于200ms,AI评测准确率达90%以上,后台大屏支持实时数据更新,平台在内部测试中获得试用用户高度认可,有效提升了学习效率。