技术能力

编程语言：C++、Python、Java、JavaScript、Kotlin、C#、R
前端技术：React、Vue.js、Nuxt.js、HTML/CSS、微信小程序、Android开发
后端技术：Node.js、Spring Boot、Django、Express、MySQL、MongoDB、Redis
AI技术及应用：TensorFlow、PyTorch、Matlab（GUI开发、仿真建模）
开发运维：Docker、Hadoop、Jenkins、SAP系统
工具与平台：Visual Studio、PyCharm、Android Studio、AutoCAD、Unity3D、OpenCV

项目经验

项目一：独立产品 | “信号与系统”可视化移动学习工具（Android）
2024.03 – 至今 （个人独立项目）
产品定位与价值主张：针对全国每年约200万工科学生学习《信号与系统》的核心痛点（概念抽象、挂科率高、传统工具使用门槛高），打造一款“随身可操作的可视化实验台”，将抽象的公式理论转化为可实时调参、即时出图的交互式学习体验。
核心职责与产品实践：
1. 用户研究与市场洞察：基于自身及大量目标用户的学习困境，清晰定义了以“考前冲刺”、“课后复习”、“课堂演示”为核心的高频场景，并分析了MATLAB、网页工具等替代方案的不足。
2. 产品规划与关键决策：
策略调整：在产品早期，将“会员解锁核心功能”的模型果断调整为全免费开放，优先降低用户获取门槛，聚焦用户留存与口碑扩散，体现了对产品发展阶段与增长优先级的判断。
功能聚焦：主动下线了“图片导出”、“习题解答”等高开发维护成本的功能模块，将全部资源收敛至“高频学习场景+即时可视化验证”的核心价值链，确保产品定位清晰、体验流畅。
3. 产品设计与执行：独立完成了从需求文档（PRD）、信息架构、高保真交互原型到视觉规范的全部产品设计工作。采用“学术感+极简”的设计理念，构建了清晰的信息层级与操作流程。
4. 商业与增长思考：规划了“前期免费获取用户，后期通过高级分析模板、云端同步等增值服务变现”的商业路径，并对市场规模（年潜在用户200万）与初期用户获取策略（校园渠道、老师推荐）进行了系统分析。
技术实现与成果： 独立使用Kotlin与Jetpack Compose完成开发，产品达到启动<2秒、界面60fps的高性能标准，代码高度组件化（复用率70%+），为后续迭代奠定了坚实基础。

项目名称：Android“垃圾清理大师”APP （2024.03 - 2024.06）
项目简介：设计并开发Android存储清理工具，包括智能扫描、可视化分析与一键清理功能，为用户提供安全、高效的存储优化解决方案，并入会员增值服务体系。
技术栈：Kotlin, Jetpack Compose, Material Design 3, Android Jetpack (Lifecycle, Activity-Compose), Coroutines, Gradle Kotlin DSL
工作亮点：
基于Jetpack Compose构建全应用UI，通过mutable StateOf状态管理驱动UI刷新，结合Lazy Column实现列表懒加载，相较传统XML减少50%+ UI代码量，提升开发效率与渲染性能。
运用animate Float As State等Compose动画API，设计并实现流畅的动画与交互，提升用户操作的感知与体验流畅度。
采用分级清理策略（普通清理与VIP深度清理），通过标准API安全清理缓存及临时文件；构建会员增值服务体系，包括状态管理、UI展示与升级流程。
利用remember Launcher For Activity Result与Activity Result Contracts处理运行时权限申请，实现权限状态与UI的自动联动，确保核心功能在授权后无缝衔接。
项目成果：实现冷启动<2秒、运行时内存<50MB、界面保持60fps的高性能标准；高度组件化的代码结构（70%+复用率）为后续功能扩展奠定坚实基础。

项目简介：一款集成了多AI服务的智能分析平台，旨在为软件开发项目提供初始的复杂度评估、技术栈推荐与开发计划生成。
产品与系统设计：
架构设计：为了解决依赖单一AI服务的稳定性和成本问题，设计了统一的服务接入层，可灵活兼容OpenAI、Claude、DeepSeek等6类AI服务商API，并实现了智能降级与高可用保障机制。
核心能力建设：为避免输出完全成为“黑盒”，开发了自研的量化评估与规则引擎。该引擎能够独立于外部AI，对项目需求进行多维度结构化分析并生成基础技术方案，增强了系统的稳定性、可解释性与离线可用性。
用户体验：前端采用React 19 + TypeScript构建，通过状态管理与交互动画优化，确保了复杂交互下的界面流畅度与操作直观性。
项目价值：实现了从自然语言需求输入到结构化技术方案输出的自动化流程，预估能将项目前期规划效率提升40%。

团队情况