傻吊
测试工程师
扣子 · 1年经验
日薪：
￥500/8h
地点：
上海 浦东
时间：
下班后周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1. 编程语言与核心库
Python 3.11：项目主体开发语言
文件与系统操作：os、shutil、pathlib、fnmatch（扫描、删除、过滤文件）
系统监控：psutil（获取磁盘、内存、CPU状态）
图形界面：PyQt5 / Tkinter（实现多窗口、选项卡、表格、进度条等）
2. 数据存储与用户管理
SQLite / sqlite3：本地用户数据、清理日志、白名单存储
JSON / ConfigParser：配置文件管理（设置、排除模式）
JWT + bcrypt：用户认证、记住我（30天自动登录）
3. AI 与数据分析
pandas / numpy：用户行为日志处理、特征统计
scikit-learn：基于清理历史训练简单分类/推荐模型（如决策树或KNN）
joblib / pickle：AI模型的保存与加载
自定义规则引擎：结合置信度与风险等级生成建议
4. 多线程与异步处理
QThread / threading：防止扫描大文件时界面卡顿
concurrent.futures：并行扫描多磁盘分区
5. 云同步与网络编程
requests / urllib：与云服务API交互（如阿里云OSS、WebDAV）
boto3（可选）：对接AWS S3
hashlib：文件校验与增量同步
6. 备份与打包
zipfile / shutil.make_archive：创建恢复点
datetime：备份版本管理
7. 系统集成
Windows注册表 / startup：实现开机自启动（需管理员权限）
ctypes / pywin32：获取系统通知权限、临时目录路径
Python 3.11：项目主体开发语言
文件与系统操作：os、shutil、pathlib、fnmatch（扫描、删除、过滤文件）
系统监控：psutil（获取磁盘、内存、CPU状态）
图形界面：PyQt5 / Tkinter（实现多窗口、选项卡、表格、进度条等）
2. 数据存储与用户管理
SQLite / sqlite3：本地用户数据、清理日志、白名单存储
JSON / ConfigParser：配置文件管理（设置、排除模式）
JWT + bcrypt：用户认证、记住我（30天自动登录）
3. AI 与数据分析
pandas / numpy：用户行为日志处理、特征统计
scikit-learn：基于清理历史训练简单分类/推荐模型（如决策树或KNN）
joblib / pickle：AI模型的保存与加载
自定义规则引擎：结合置信度与风险等级生成建议
4. 多线程与异步处理
QThread / threading：防止扫描大文件时界面卡顿
concurrent.futures：并行扫描多磁盘分区
5. 云同步与网络编程
requests / urllib：与云服务API交互（如阿里云OSS、WebDAV）
boto3（可选）：对接AWS S3
hashlib：文件校验与增量同步
6. 备份与打包
zipfile / shutil.make_archive：创建恢复点
datetime：备份版本管理
7. 系统集成
Windows注册表 / startup：实现开机自启动（需管理员权限）
ctypes / pywin32：获取系统通知权限、临时目录路径
项目经验
1. 完整产品生命周期设计
从游客模式到登录用户的功能分级，设计权限模型
需求分析 → 界面原型（根据截图）→ 模块划分 → 编码 → 测试 → 文档撰写
2. 安全与数据保护实践
白名单 + 排除模式（支持通配符）：防止误删重要文件
清理前扫描预览：用户确认后再执行删除
清理日志：记录所有操作，支持回溯
本地/云端双备份：AI模型、白名单可恢复
3. 性能优化经验
使用增量扫描（仅扫描变化目录）减少重复计算
大文件列表采用分页加载 + 虚拟滚动（GUI层面）
多线程扫描将速度提升3倍以上（实测可优化）
4. AI模型落地与迭代
收集用户每次清理行为（哪些文件被删、哪些被跳过）
训练模型预测“用户可能想清理的文件类别”
提供“重新训练AI”按钮，支持离线增量学习
5. 跨设备协同设计
设计可同步的数据结构（清理日志、白名单、模型文件）
对接不同云服务（抽象同步接口，支持多提供商）
实现设备ID管理、冲突处理（以最新或用户指定为准）
6. 用户体验优化
实时健康监控面板（磁盘、内存、CPU动态刷新）
清理建议按优先级排序（如红色预警D盘空间不足）
提供“一键应用建议”快速执行AI推荐的清理项
7. 测试与调试
使用虚拟环境 + 模拟文件系统测试删除逻辑
边界测试：空磁盘、只读文件、符号链接、权限不足等场景
日志记录 + 异常捕获（避免扫描崩溃）
三、可量化成果（示例）
实现5种以上清理类型（临时文件、浏览器缓存、系统日志、大文件、过期文件）
AI分析准确率约 85%（基于用户反馈迭代后）
扫描 100GB 混合文件 耗时 < 12秒（多线程优化）
支持 3种云同步提供商（可扩展）
单次智能清理平均释放 8~15GB 用户磁盘空间
从游客模式到登录用户的功能分级，设计权限模型
需求分析 → 界面原型（根据截图）→ 模块划分 → 编码 → 测试 → 文档撰写
2. 安全与数据保护实践
白名单 + 排除模式（支持通配符）：防止误删重要文件
清理前扫描预览：用户确认后再执行删除
清理日志：记录所有操作，支持回溯
本地/云端双备份：AI模型、白名单可恢复
3. 性能优化经验
使用增量扫描（仅扫描变化目录）减少重复计算
大文件列表采用分页加载 + 虚拟滚动（GUI层面）
多线程扫描将速度提升3倍以上（实测可优化）
4. AI模型落地与迭代
收集用户每次清理行为（哪些文件被删、哪些被跳过）
训练模型预测“用户可能想清理的文件类别”
提供“重新训练AI”按钮，支持离线增量学习
5. 跨设备协同设计
设计可同步的数据结构（清理日志、白名单、模型文件）
对接不同云服务（抽象同步接口，支持多提供商）
实现设备ID管理、冲突处理（以最新或用户指定为准）
6. 用户体验优化
实时健康监控面板（磁盘、内存、CPU动态刷新）
清理建议按优先级排序（如红色预警D盘空间不足）
提供“一键应用建议”快速执行AI推荐的清理项
7. 测试与调试
使用虚拟环境 + 模拟文件系统测试删除逻辑
边界测试：空磁盘、只读文件、符号链接、权限不足等场景
日志记录 + 异常捕获（避免扫描崩溃）
三、可量化成果（示例）
实现5种以上清理类型（临时文件、浏览器缓存、系统日志、大文件、过期文件）
AI分析准确率约 85%（基于用户反馈迭代后）
扫描 100GB 混合文件 耗时 < 12秒（多线程优化）
支持 3种云同步提供商（可扩展）
单次智能清理平均释放 8~15GB 用户磁盘空间
ID:421625
复制
傻吊
测试工程师 · 1年经验 · 扣子
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1. 编程语言与核心库
Python 3.11：项目主体开发语言
文件与系统操作：os、shutil、pathlib、fnmatch（扫描、删除、过滤文件）
系统监控：psutil（获取磁盘、内存、CPU状态）
图形界面：PyQt5 / Tkinter（实现多窗口、选项卡、表格、进度条等）
2. 数据存储与用户管理
SQLite / sqlite3：本地用户数据、清理日志、白名单存储
JSON / ConfigParser：配置文件管理（设置、排除模式）
JWT + bcrypt：用户认证、记住我（30天自动登录）
3. AI 与数据分析
pandas / numpy：用户行为日志处理、特征统计
scikit-learn：基于清理历史训练简单分类/推荐模型（如决策树或KNN）
joblib / pickle：AI模型的保存与加载
自定义规则引擎：结合置信度与风险等级生成建议
4. 多线程与异步处理
QThread / threading：防止扫描大文件时界面卡顿
concurrent.futures：并行扫描多磁盘分区
5. 云同步与网络编程
requests / urllib：与云服务API交互（如阿里云OSS、WebDAV）
boto3（可选）：对接AWS S3
hashlib：文件校验与增量同步
6. 备份与打包
zipfile / shutil.make_archive：创建恢复点
datetime：备份版本管理
7. 系统集成
Windows注册表 / startup：实现开机自启动（需管理员权限）
ctypes / pywin32：获取系统通知权限、临时目录路径
Python 3.11：项目主体开发语言
文件与系统操作：os、shutil、pathlib、fnmatch（扫描、删除、过滤文件）
系统监控：psutil（获取磁盘、内存、CPU状态）
图形界面：PyQt5 / Tkinter（实现多窗口、选项卡、表格、进度条等）
2. 数据存储与用户管理
SQLite / sqlite3：本地用户数据、清理日志、白名单存储
JSON / ConfigParser：配置文件管理（设置、排除模式）
JWT + bcrypt：用户认证、记住我（30天自动登录）
3. AI 与数据分析
pandas / numpy：用户行为日志处理、特征统计
scikit-learn：基于清理历史训练简单分类/推荐模型（如决策树或KNN）
joblib / pickle：AI模型的保存与加载
自定义规则引擎：结合置信度与风险等级生成建议
4. 多线程与异步处理
QThread / threading：防止扫描大文件时界面卡顿
concurrent.futures：并行扫描多磁盘分区
5. 云同步与网络编程
requests / urllib：与云服务API交互（如阿里云OSS、WebDAV）
boto3（可选）：对接AWS S3
hashlib：文件校验与增量同步
6. 备份与打包
zipfile / shutil.make_archive：创建恢复点
datetime：备份版本管理
7. 系统集成
Windows注册表 / startup：实现开机自启动（需管理员权限）
ctypes / pywin32：获取系统通知权限、临时目录路径
项目经验
1. 完整产品生命周期设计
从游客模式到登录用户的功能分级，设计权限模型
需求分析 → 界面原型（根据截图）→ 模块划分 → 编码 → 测试 → 文档撰写
2. 安全与数据保护实践
白名单 + 排除模式（支持通配符）：防止误删重要文件
清理前扫描预览：用户确认后再执行删除
清理日志：记录所有操作，支持回溯
本地/云端双备份：AI模型、白名单可恢复
3. 性能优化经验
使用增量扫描（仅扫描变化目录）减少重复计算
大文件列表采用分页加载 + 虚拟滚动（GUI层面）
多线程扫描将速度提升3倍以上（实测可优化）
4. AI模型落地与迭代
收集用户每次清理行为（哪些文件被删、哪些被跳过）
训练模型预测“用户可能想清理的文件类别”
提供“重新训练AI”按钮，支持离线增量学习
5. 跨设备协同设计
设计可同步的数据结构（清理日志、白名单、模型文件）
对接不同云服务（抽象同步接口，支持多提供商）
实现设备ID管理、冲突处理（以最新或用户指定为准）
6. 用户体验优化
实时健康监控面板（磁盘、内存、CPU动态刷新）
清理建议按优先级排序（如红色预警D盘空间不足）
提供“一键应用建议”快速执行AI推荐的清理项
7. 测试与调试
使用虚拟环境 + 模拟文件系统测试删除逻辑
边界测试：空磁盘、只读文件、符号链接、权限不足等场景
日志记录 + 异常捕获（避免扫描崩溃）
三、可量化成果（示例）
实现5种以上清理类型（临时文件、浏览器缓存、系统日志、大文件、过期文件）
AI分析准确率约 85%（基于用户反馈迭代后）
扫描 100GB 混合文件 耗时 < 12秒（多线程优化）
支持 3种云同步提供商（可扩展）
单次智能清理平均释放 8~15GB 用户磁盘空间
从游客模式到登录用户的功能分级，设计权限模型
需求分析 → 界面原型（根据截图）→ 模块划分 → 编码 → 测试 → 文档撰写
2. 安全与数据保护实践
白名单 + 排除模式（支持通配符）：防止误删重要文件
清理前扫描预览：用户确认后再执行删除
清理日志：记录所有操作，支持回溯
本地/云端双备份：AI模型、白名单可恢复
3. 性能优化经验
使用增量扫描（仅扫描变化目录）减少重复计算
大文件列表采用分页加载 + 虚拟滚动（GUI层面）
多线程扫描将速度提升3倍以上（实测可优化）
4. AI模型落地与迭代
收集用户每次清理行为（哪些文件被删、哪些被跳过）
训练模型预测“用户可能想清理的文件类别”
提供“重新训练AI”按钮，支持离线增量学习
5. 跨设备协同设计
设计可同步的数据结构（清理日志、白名单、模型文件）
对接不同云服务（抽象同步接口，支持多提供商）
实现设备ID管理、冲突处理（以最新或用户指定为准）
6. 用户体验优化
实时健康监控面板（磁盘、内存、CPU动态刷新）
清理建议按优先级排序（如红色预警D盘空间不足）
提供“一键应用建议”快速执行AI推荐的清理项
7. 测试与调试
使用虚拟环境 + 模拟文件系统测试删除逻辑
边界测试：空磁盘、只读文件、符号链接、权限不足等场景
日志记录 + 异常捕获（避免扫描崩溃）
三、可量化成果（示例）
实现5种以上清理类型（临时文件、浏览器缓存、系统日志、大文件、过期文件）
AI分析准确率约 85%（基于用户反馈迭代后）
扫描 100GB 混合文件 耗时 < 12秒（多线程优化）
支持 3种云同步提供商（可扩展）
单次智能清理平均释放 8~15GB 用户磁盘空间
立即沟通
