项目一:边缘 AI 视频分析网关(核心架构师 & 全栈负责人)
技术栈:C++17、FFmpeg、WebAssembly、React、Node.js、Kafka、Docker
该项目是一个部署在工厂车间的软硬一体设备,要求实时分析 16 路摄像头画面并上报缺陷数据。我主导设计了三层解耦架构:底层使用纯 C 改写 FFmpeg 滤镜,针对 ARM 架构进行 NEON 指令集优化,将 1080P 视频解码耗时降低 40%;中间层利用 C++ 构建异步任务调度引擎,结合对象池技术管理海量视频帧,杜绝内存碎片,确保设备 7x24 小时运行无宕机。前端层面,我将核心的瑕疵检测算法通过 Emscripten 编译为 WebAssembly,在 Web 端实现了零延迟的预览 ROI(感兴趣区域)绘制,替代了传统的后端截图轮询方案,节省了 60% 的网络带宽。同时,我开发了基于 Electron 的桌面管理端,通过 C++ Addon 调用底层 USB 外设(如报警灯、继电器),实现了完整的人机闭环。该项目上线后,客户缺陷检出率提升至 99.2%,我已编写详细的技术白皮书用于团队内部培训。
项目二:证券极速交易风控中台(技术顾问 & 核心开发者)
技术栈:C++20、低延迟网卡、Redis Streams、Vue3、gRPC、CMake
针对券商 Level-2 行情处理对微秒级延迟的苛刻要求,我重构了原有的 Java 风控网关。我利用 C++20 的协程(Coroutines)重写了网络收发层,结合 CPU 亲和性绑定和巨页内存技术,将交易指令从解码到风控计算的平均耗时从 180μs 压缩至 42μs。在数据同步层面,我设计了一套基于共享内存(Boost.Interprocess)的无锁队列方案,用于进程间传输行情快照,彻底解决了多线程互斥锁导致的上下文切换开销。全栈层面,我搭建了 gRPC 网关,对外提供 HTTP/2 接口,前端使用 Vue3 + ECharts 开发了实时风控仪表盘,能够通过 Server-Sent Events(SSE)推送流水线处理进度。此外,我编写了完整的 Python 压力测试脚本(基于 asyncio)模拟极端行情,并利用 perf + FlameGraph 进行性能热力图分析,确保了系统在每秒 10 万笔订单冲击下的稳定性。该项目已通过证券信息技术测试中心认证。
项目三:跨平台 OTA 升级管家(SDK 研发 & 全栈工具链建设)
技术栈:C、MQTT、Flutter、Swift、React Native、JNI
为解决物联网设备固件版本碎片化问题,我开发了一套覆盖 “设备端-云-手机端” 的 OTA SDK。设备端,我使用纯 C 编写轻量级差分升级算法(基于 BSDIFF 改进),适配 FreeRTOS 和 Zephyr 两种 RTOS,并封装了统一的 HAL 层抽象,使厂商能在 3 天内完成移植对接。后端及工具链,我开发了基于 MQTT 的长连接推送服务,利用 C++ 实现遗嘱消息机制确保掉线设备续传不断连。移动全栈端,我并未局限于单一平台,而是同时提供了 Flutter Plugin(通过 Dart FFI 调用 C 库)和 React Native 的 Native Module(Android 用 JNI,iOS 用 Swift 桥接 C 头文件),确保两套前端框架能共享同一份 C 核心逻辑。同时,我研发了 CLI 命令行工具(Node.js + C++ Addon)供测试人员本地模拟弱网环境(丢包、延迟注入),将测试效率提升了 3 倍。该 SDK 目前已累计服务超过 50 万台设备,升级成功率达到 99.97%。