劉
后端开发工程师
- 公司信息：
- 百度
- 工作经验：
- 10年
- 兼职日薪：
- 2000元/8小时
- 兼职时间：
- 下班后
- 所在区域：
- 北京
- 海淀
技术能力
“大家好，我是拥有10年经验的Python开发工程师，亲历了从Python 2到3的生态变迁，深耕后端架构设计与高并发系统优化，精通Django、FastAPI及异步编程，擅长用Celery和Kafka构建百万级流量的分布式系统；在技术与业务的平衡中，我主导过电商秒杀系统与金融风控平台的从0到1落地，近五年专注于AI工程化，成功将深度学习模型通过TensorRT加速并封装为高可用API服务，使推理性能提升300%；从写代码到带团队，我坚信‘代码是写给人看的’，热衷于通过Code Review与自动化测试（Pytest）提升团队研发效能，期待用我的全栈视角与架构经验，为复杂业务痛点提供简洁而优雅的技术解药。”
项目经验
1. 电商百亿补贴“秒杀系统”架构升级 (高并发 / 分布式)
背景： 原系统在大促期间面临超卖、数据库击穿及服务器雪崩风险，需支撑瞬时10万+ QPS。
技术栈： PythonFastAPIRedis ClusterRabbitMQKubernetes
核心动作：
设计多层流量削峰方案，利用RabbitMQ将同步请求异步化，隔离核心链路。
引入Redis Lua脚本实现原子性库存扣减，彻底解决分布式环境下的超卖难题。
重构缓存策略，采用布隆过滤器（Bloom Filter）拦截无效请求，缓存命中率提升至99.5%。
战绩： 系统平稳支撑双十一流量，全程零宕机、零超卖，服务器资源成本降低40%。
2. 金融级实时风控引擎 (AI工程化 / 低延迟)
背景： 传统规则引擎漏报率高，需将离线训练的XGBoost/深度学习模型转化为实时API服务。
技术栈： PythonTensorFlowTorchServeFlinkKafkaPrometheus
核心动作：
搭建流式计算架构，消费Kafka实时交易流水，端到端延迟控制在50ms以内。
主导模型服务化（Triton Inference Server），针对GPU进行CUDA内核优化与Batch Inference调优。
设计A/B测试灰度发布机制，支持模型热更新，无需重启服务。
战绩： 欺诈识别准确率提升至98.7%，误报率降低30%，每年为公司挽回潜在损失超5000万元。
3. 千万级用户自动化运维中台 (DevOps / PaaS)
背景： 公司业务扩张导致服务器规模激增，人工运维效率低下且易出错。
技术栈： PythonDjango REST FrameworkCeleryDockerJenkins
核心动作：
自研混合云管理平台，统一纳管AWS、阿里云及私有云资源，实现基础设施即代码（IaC）。
开发CI/CD流水线引擎，支持可视化拖拽配置，将应用发布周期从“周”缩短至“分钟级”。
编写智能化巡检脚本，自动诊断JVM内存泄漏与慢SQL，故障自愈率达85%。
战绩： 运维效率提升400%，减少运维人力60%，获得公司年度“技术创新大奖”。
案例展示
-
电商百亿补贴
电商百亿补贴“秒杀系统”架构升级：从流量洪峰到零宕机的实战演进 在电商大促的战场上，“百亿补贴”秒杀活动是流量最集中的战场。作为该项目的技术负责人，我面临的挑战是如何构建一个能够承载每秒10万+请求（QPS）的分布式系统，同时解决传统架构下的超卖、数据库击穿及服务器雪崩三大致命
-
RAG智能客服
企业级智能知识库：基于RAG的垂直领域问答系统 (LLM Engineering) 项目背景 针对企业内部海量、碎片化且更新频繁的非结构化数据（如PDF技术手册、法务合同、历史工单），传统关键词搜索召回率低且无法推理。我主导构建了一套检索增强生成（RAG）系统，旨在解决通
