技术能力

后端开发（Java & Python & Node & Go & C#）：
·熟练使用 Spring、MyBatis 等Java主流框架，能独立开发企业级后端系统。掌握多线程高并发处理及性能调优（JVM/SQL优化）。
·精通 Python 后端开发，熟练使用 Flask / Django 框架，可快速搭建轻量级 Web 服务及 API 接口。

数据采集与人工智能（爬虫 & AI）：
·精通数据抓取，熟练使用 Requests / Scrapy 编写定制化爬虫脚本，解决各种反爬限制；能使用 Pandas / NumPy 进行专业的数据清洗与分析。
·具备机器学习与深度学习项目经验，熟悉 Scikit-learn、PyTorch 等算法框架，可接模型训练、预测、AI应用等人工智能相关需求。

自动化测试与脚本开发（QA & 自动化）：
·提供专业级的软件测试与质量保证服务。精通 Selenium Web自动化测试、Pytest / Postman 接口自动化测试，以及 JMeter 高并发性能压测。

数据库与高可用架构（DB & 中间件）：
·精通 MySQL 数据库设计、复杂SQL优化与事务处理；熟练使用 Redis 缓存与 RabbitMQ 消息队列，能处理高并发与数据一致性问题。

全栈开发与服务器部署（全流程服务）：
·熟悉前端 Vue、HTML、JavaScript，可承接中小型项目的全栈开发。
·精通 Linux 系统运维与 Shell 脚本，熟练配置 Nginx（反向代理/负载均衡），掌握 Docker 容器化部署，提供“开发-测试-上线部署”一条龙服务。熟悉 Visio 等工具，可出具专业的系统架构图与技术文档。

项目经验

项目一：企业级文本多模态智能解析平台（AI与后端融合项目）
核心角色：系统开发与AI模型落地
技术栈：SpringBoot、MyBatis、PyTorch (BERT/GNN)、大语言模型(LLM)、MinIO、Redis、Docker、PyTest
项目描述：
面向B端政企客户的高效信息抽取与智能预处理系统。通过NLP技术与大模型结合，将非结构化文档转化为结构化知识，支持单句分析、文件批量解析与API外部调用，为下游业务（如知识图谱）提供核心数据支撑。
核心交付成果：
·后端与存储架构：基于 SpringBoot 搭建高可用 RESTful API，引入 MinIO 构建分布式文件系统，满足用户海量文档上传、下载·及抽取需求；使用 Redis 实现接口限流与数据缓存。
·AI引擎与大模型接入：深度参与 NLP 模型（NER/RE）的训练与调优，解决复杂文本的嵌套抽取难题（F1>82%）。同时无缝对·接大语言模型（LLM）API，支持开放式生成抽取任务，满足客户多样化场景需求。
·安全与全自动化测试：采用 Sa-Token + JWT 实现严格的 RBAC 角色权限管控；主导端到端自动化测试环境搭建（PyTest + Postman），完成 2000+ 复杂文档的压测与功能验证，确保系统在生产环境的极高稳定性。
·工程化部署：编写 Docker Compose 脚本实现系统的一键容器化部署，配合 Nginx 反向代理与 TLS 1.3 加密，交付了高安全的独立运行环境。

项目二：B2B2C 微服务在线教育平台（高并发与微服务项目）
核心角色：核心后端开发
技术栈：Spring Cloud (Nacos/Gateway)、MyBatis-Plus、MinIO、ElasticSearch、JWT、XXL-Job
项目描述：
一款基于微服务架构的分布式在线教育平台。涵盖内容管理、流媒体资源管理、订单支付、课程搜索等核心业务模块，系统具备高可用、易扩展的特性，可支撑高并发访问与复杂业务流转。
核心交付成果：
·微服务治理与安全管控：利用 Nacos 完成服务注册与动态配置，通过 Gateway 构建统一网关路由；采用 Spring Security + JWT 实现无状态的单点登录与细粒度接口权限拦截。
·复杂流媒体存储方案（亮点）：针对视频/图片等大文件，基于 MinIO 独立开发了可靠的媒体资源管理模块。实现了大文件分片上传、断点续传等核心商业级功能，并结合 XXL-Job 实现后台定时任务调度。
·高性能搜索模块：引入 ElasticSearch 构建课程检索引擎，实现百万级数据的毫秒级全文检索与关键词高亮展示，大幅优化用户体验。
·异步解耦与静态化：引入消息队列优化课程发布流程，结合 Freemarker 模板引擎实现页面静态化处理，极大降低了数据库读写压力。

项目三： DCS Retribution 动态战役引擎（游戏插件）
担任角色： 核心贡献者 / 研发工程师
技术栈： Python, Lua, PySide/PyQt, GitHub Actions
项目链接： github.com/dcs-retribution/dcs-retribution
项目描述：
一款专为硬核飞行模拟游戏《DCS World》设计的大型外部动态战役生成器。该项目通过 Python 构建独立引擎，能够自动计算战线推移、资源经济与单位损耗，并自动生成/解析复杂的 DCS 任务文件（.miz）。为玩家提供了一个高度动态、跨任务持久化的回合制战争沙盘。
个人贡献：
·核心引擎功能开发： 参与战役核心逻辑的迭代，使用 Python 处理回合制战局的状态机，优化了战场态势（防空网络、地面装甲推进、资源点控制）的数据演化与结算算法。
·任务文件(.miz)生成与解析： 参与对接底层 Python 框架（pydcs），将复杂的战局数据结构化并封装，动态写入并生成符合 DCS 规范的游戏任务文件，保障生成任务的高效性与准确性。
·Lua 游戏脚本联动： 参与编写和集成 DCS 游戏内部执行的 Lua 脚本（Splash Damage、JTAC Autolase 或 Moose 框架等），实现外部程序参数与游戏内 AI 行为、武器毁伤效果的深度联动。
·国际化开发：UI界面的国际化工程，英简繁体切换功能。
·MOD 支持与生态扩展： 参与重构和配置 yaml/json 数据，使引擎无缝兼容数十种第三方高精度飞机 Mod 及全新地形战役，极大地丰富了平台生态。

团队情况