小王子
学生
上海交通大学ACM班 · 1年经验
日薪：
￥800/8h
地点：
上海
时间：
下班后周六周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
上海交通大学致远学院 ACM 荣誉班计算机专业本科生，具备扎实的计算机科学基础、算法设计能力和软件工程开发能力。熟悉 C++、Python、Go 等编程语言，具有数据库管理系统、编译器、分布式系统、人工智能算法及计算机体系结构相关项目经验。熟悉 Linux、Git、CMake 等开发工具，具备独立分析需求、设计软件架构、实现核心功能、调试复杂程序及维护现有项目的能力。
一、专业技能
* 编程语言：熟悉 C++、Python、Go，了解 Java、Rust、Chisel 等语言，具备面向对象编程、泛型编程及模块化软件开发经验。
* 数据库与存储系统：熟悉 B+ 树索引、二进制文件持久化、定长记录存储、LRU 缓存、空闲空间管理、数据查询与更新等技术，具备独立设计数据管理系统的项目经验。
* 算法与人工智能：熟悉 DFS、BFS、Dijkstra、A*、Minimax、Alpha-Beta 剪枝、Expectimax 等算法，了解贝叶斯推断、Q-learning、深度强化学习和 PyTorch。
* 系统开发：熟悉 Linux 环境下的软件开发，具备并发编程、RPC 通信、分布式一致性、编译器前端及中间表示设计等实践经验。
* 软件工程：熟悉 Git、CMake、单元测试、自动化测试、代码调试、模块化设计和技术文档编写。
二、主要项目经验
1. Ticket System — 火车票管理系统（C++17 / B+ Tree / LRU Cache）
GitHub：
基于 C++17 开发的火车票管理系统，实现用户管理、车次管理、直达与换乘查询、余票管理、购票、订单查询、退票及候补订单处理等功能。
* 底层存储设计：采用磁盘 B+ 树构建持久化索引，使用定长记录文件存储业务数据，并通过空闲链表复用删除记录的存储空间。
* 缓存优化：在 B+ 树内部设计 LRU 写回缓存，减少磁盘节点的重复读写，提高数据访问效率。
* 业务逻辑实现：采用 UserService、TrainService、OrderService 分层管理业务，处理用户权限、车次发布、区间余票计算、订单状态转换等逻辑。
* 查询与算法设计：实现直达及一次换乘查询，支持按时间、票价筛选最优方案，并利用索引和缓存优化查询过程。
* 订单与候补机制：实现余票不足时的候补入队、退票后的余票恢复及候补订单自动推进。
通过该项目积累了数据库底层存储、索引结构设计、缓存管理、复杂业务系统开发及数据持久化方面的实践经验。
2. Bookstore — 书店管理系统（C++）
GitHub：
基于 C++ 的书店管理系统项目，围绕图书信息管理、检索、购买及业务数据存储展开，涉及面向对象程序设计、文件读写、数据持久化、数据组织结构和模块化软件设计。
项目注重需求分析、数据模型设计、业务流程组织、软件测试及 Git 版本管理，积累了信息管理系统开发和工程化项目实践经验。
3. PacMan AI — 人工智能算法综合项目（Python / PyTorch）
GitHub：
基于 UC Berkeley CS188 Pacman AI 教学框架，整合经典搜索算法、多智能体博弈、概率推断、机器学习与强化学习模块，并扩展智能体策略和可视化工具。
* 搜索与路径规划：涉及 DFS、BFS、UCS、A* 搜索及启发式路径规划。
* 多智能体决策：涉及 Minimax、Alpha-Beta 剪枝、Expectimax 等博弈搜索算法。
* 混合智能体：实现融合迷宫距离、期望搜索与风险搜索的 HybridPacmanAgent，用于复杂环境下的行动决策。
* 概率推断与强化学习：涉及贝叶斯网络、隐马尔可夫模型、Value Iteration、Q-learning、Approximate Q-learning 和 DQN。
* 机器学习：使用 PyTorch 实践回归、分类、卷积神经网络及深度强化学习模型。
* 图形化工具：开发中文桌面启动器，支持算法选择、参数配置、难度调整、运行日志及智能体性能对比。
具备 Python 算法开发、AI 模型应用、算法测试、图形化工具开发及性能分析经验。
4. RxCompiler — 类 Rust 语言编译器（C++ / ANTLR / LLVM IR）
GitHub：
开发类 Rust 语言编译器，涉及 ANTLR 语法解析、抽象语法树构建、符号表与作用域管理、类型检查、语义分析及中间表示设计。
项目涉及复杂语法树处理、类型系统、控制流分析、错误诊断与模块化编译器架构，具备较强的复杂代码组织、程序分析及底层系统开发能力。
5. Raft — 分布式一致性算法（Go）
基于 MIT 6.5840 分布式系统实验实现 Raft 共识算法相关功能，涉及领导者选举、日志复制、持久化、快照机制、RPC 通信及并发控制。
熟悉 Go 并发编程、分布式节点状态管理、日志一致性与故障恢复机制，具备复杂并发问题定位及系统正确性测试经验。
6. RISC-V CPU — 处理器设计（Chisel）
参与基于 RISC-V 指令集的处理器开发，涉及指令译码、流水线、执行单元、缓存、乱序执行等计算机体系结构相关模块，了解处理器微架构设计、硬件模块通信、性能分析及硬件描述语言开发。
三、可承接的开发项目
* C++ / Python / Go 软件开发、功能扩展与 Bug 修复。
* 数据管理系统、文件存储系统、信息管理工具开发。
* Python 自动化脚本、数据处理及批量任务处理。
* 算法实现、路径规划、搜索算法与性能优化。
* AI 算法应用、PyTorch 模型实验及现有 AI 项目集成。
* Linux 环境配置、程序编译、运行错误排查。
* 现有代码重构、项目维护、模块开发与测试。
四、个人优势
具备扎实的计算机专业基础和较强的自主学习能力，能够快速理解陌生项目、阅读已有代码并分析复杂技术问题。具有从需求分析、架构设计、功能实现到测试验证的完整项目实践经验。
重视代码规范、运行效率、可维护性及交付质量，能够根据实际需求制定合理的开发计划，保持及时沟通，按约定完成项目交付。希望通过长期参与实际软件开发项目，为客户提供可靠、高效的软件解决方案。
一、专业技能
* 编程语言：熟悉 C++、Python、Go，了解 Java、Rust、Chisel 等语言，具备面向对象编程、泛型编程及模块化软件开发经验。
* 数据库与存储系统：熟悉 B+ 树索引、二进制文件持久化、定长记录存储、LRU 缓存、空闲空间管理、数据查询与更新等技术，具备独立设计数据管理系统的项目经验。
* 算法与人工智能：熟悉 DFS、BFS、Dijkstra、A*、Minimax、Alpha-Beta 剪枝、Expectimax 等算法，了解贝叶斯推断、Q-learning、深度强化学习和 PyTorch。
* 系统开发：熟悉 Linux 环境下的软件开发，具备并发编程、RPC 通信、分布式一致性、编译器前端及中间表示设计等实践经验。
* 软件工程：熟悉 Git、CMake、单元测试、自动化测试、代码调试、模块化设计和技术文档编写。
二、主要项目经验
1. Ticket System — 火车票管理系统（C++17 / B+ Tree / LRU Cache）
GitHub：
基于 C++17 开发的火车票管理系统，实现用户管理、车次管理、直达与换乘查询、余票管理、购票、订单查询、退票及候补订单处理等功能。
* 底层存储设计：采用磁盘 B+ 树构建持久化索引，使用定长记录文件存储业务数据，并通过空闲链表复用删除记录的存储空间。
* 缓存优化：在 B+ 树内部设计 LRU 写回缓存，减少磁盘节点的重复读写，提高数据访问效率。
* 业务逻辑实现：采用 UserService、TrainService、OrderService 分层管理业务，处理用户权限、车次发布、区间余票计算、订单状态转换等逻辑。
* 查询与算法设计：实现直达及一次换乘查询，支持按时间、票价筛选最优方案，并利用索引和缓存优化查询过程。
* 订单与候补机制：实现余票不足时的候补入队、退票后的余票恢复及候补订单自动推进。
通过该项目积累了数据库底层存储、索引结构设计、缓存管理、复杂业务系统开发及数据持久化方面的实践经验。
2. Bookstore — 书店管理系统（C++）
GitHub：
基于 C++ 的书店管理系统项目，围绕图书信息管理、检索、购买及业务数据存储展开，涉及面向对象程序设计、文件读写、数据持久化、数据组织结构和模块化软件设计。
项目注重需求分析、数据模型设计、业务流程组织、软件测试及 Git 版本管理，积累了信息管理系统开发和工程化项目实践经验。
3. PacMan AI — 人工智能算法综合项目（Python / PyTorch）
GitHub：
基于 UC Berkeley CS188 Pacman AI 教学框架，整合经典搜索算法、多智能体博弈、概率推断、机器学习与强化学习模块，并扩展智能体策略和可视化工具。
* 搜索与路径规划：涉及 DFS、BFS、UCS、A* 搜索及启发式路径规划。
* 多智能体决策：涉及 Minimax、Alpha-Beta 剪枝、Expectimax 等博弈搜索算法。
* 混合智能体：实现融合迷宫距离、期望搜索与风险搜索的 HybridPacmanAgent，用于复杂环境下的行动决策。
* 概率推断与强化学习：涉及贝叶斯网络、隐马尔可夫模型、Value Iteration、Q-learning、Approximate Q-learning 和 DQN。
* 机器学习：使用 PyTorch 实践回归、分类、卷积神经网络及深度强化学习模型。
* 图形化工具：开发中文桌面启动器，支持算法选择、参数配置、难度调整、运行日志及智能体性能对比。
具备 Python 算法开发、AI 模型应用、算法测试、图形化工具开发及性能分析经验。
4. RxCompiler — 类 Rust 语言编译器（C++ / ANTLR / LLVM IR）
GitHub：
开发类 Rust 语言编译器，涉及 ANTLR 语法解析、抽象语法树构建、符号表与作用域管理、类型检查、语义分析及中间表示设计。
项目涉及复杂语法树处理、类型系统、控制流分析、错误诊断与模块化编译器架构，具备较强的复杂代码组织、程序分析及底层系统开发能力。
5. Raft — 分布式一致性算法（Go）
基于 MIT 6.5840 分布式系统实验实现 Raft 共识算法相关功能，涉及领导者选举、日志复制、持久化、快照机制、RPC 通信及并发控制。
熟悉 Go 并发编程、分布式节点状态管理、日志一致性与故障恢复机制，具备复杂并发问题定位及系统正确性测试经验。
6. RISC-V CPU — 处理器设计（Chisel）
参与基于 RISC-V 指令集的处理器开发，涉及指令译码、流水线、执行单元、缓存、乱序执行等计算机体系结构相关模块，了解处理器微架构设计、硬件模块通信、性能分析及硬件描述语言开发。
三、可承接的开发项目
* C++ / Python / Go 软件开发、功能扩展与 Bug 修复。
* 数据管理系统、文件存储系统、信息管理工具开发。
* Python 自动化脚本、数据处理及批量任务处理。
* 算法实现、路径规划、搜索算法与性能优化。
* AI 算法应用、PyTorch 模型实验及现有 AI 项目集成。
* Linux 环境配置、程序编译、运行错误排查。
* 现有代码重构、项目维护、模块开发与测试。
四、个人优势
具备扎实的计算机专业基础和较强的自主学习能力，能够快速理解陌生项目、阅读已有代码并分析复杂技术问题。具有从需求分析、架构设计、功能实现到测试验证的完整项目实践经验。
重视代码规范、运行效率、可维护性及交付质量，能够根据实际需求制定合理的开发计划，保持及时沟通，按约定完成项目交付。希望通过长期参与实际软件开发项目，为客户提供可靠、高效的软件解决方案。
项目经验
1. Ticket System — 火车票管理系统
技术栈：C++17、B+ Tree、LRU Cache、CMake
GitHub：
基于 C++17 开发的火车票管理系统，支持用户权限管理、车次查询、购票退票、余票管理及候补订单处理。
* 自主实现磁盘 B+ 树索引、定长记录文件存储和 LRU 写回缓存，实现数据持久化及高效检索。
* 采用模块化架构，拆分用户、车次、订单服务，实现复杂业务逻辑管理。
* 实现直达与换乘路线查询、跨日期计算、区间余票管理和候补订单自动推进。
项目亮点： 具备数据库底层存储、索引优化、复杂业务系统设计及 C++ 工程开发经验。
2. RaftConfig — 分布式配置管理系统
技术栈：Go、Raft、HTTP API、React、TypeScript
GitHub：
基于 MIT 6.5840 Raft 实现扩展的分布式键值配置管理系统，包含 Go 后端、HTTP API 和 React 可视化管理界面。
* 实现基于 Raft 日志的配置读写与一致性状态管理，支持持久化、快照恢复和故障模拟。
* 开发 HTTP/JSON API，支持配置增删改查、命名空间管理和版本信息维护。
* 使用 React、TypeScript 和 SSE 构建实时集群监控界面，展示节点状态和领导者选举过程。
项目亮点： 具备 Go 后端、API 设计、前后端集成及分布式系统开发能力。当前为单进程多逻辑节点演示架构。
3. PacMan AI — 人工智能算法综合项目
技术栈：Python、PyTorch、NumPy、Tkinter
GitHub：
基于 UC Berkeley CS188 教学框架，整合搜索算法、多智能体博弈、概率推断、机器学习和强化学习模块，并开发扩展功能。
* 涉及 DFS、BFS、UCS、A*、Minimax、Alpha-Beta、Expectimax 等经典算法。
* 扩展 HybridPacmanAgent，融合路径规划、期望搜索和风险评估进行智能决策。
* 使用 PyTorch 实践神经网络、卷积模型及深度强化学习。
* 开发中文图形化启动器，支持算法切换、参数配置、运行日志及性能对比。
项目亮点： 具备 Python 算法开发、AI 应用、GUI 开发和自动化测试能力。
4. Desktop Pet — 桌面宠物应用
技术栈：Electron、JavaScript、Canvas
GitHub：
基于 Electron 开发的交互式桌面宠物软件，支持动画展示、角色切换、自定义图片形象和本地数据持久化。
* 基于 Canvas 实现宠物动画与交互效果。
* 开发自定义角色创建器，支持图片导入、尺寸调整、表情叠加和角色切换。
* 实现本地文件存储、配置恢复及模块化角色管理。
项目亮点： 具备桌面 GUI、JavaScript 应用、交互设计和文件管理开发经验。
5. CUDA Playground — GPU 并行计算与性能优化
技术栈：CUDA C++、cuBLAS、GEMM、Softmax、Attention
GitHub：https
围绕 GPU 并行计算和 AI 算子优化，开发 CUDA Kernel、性能测试及数据分析工具。
* 实现向量运算、矩阵转置、GEMM、Softmax 和教学版 Attention Forward。
* 使用 Shared Memory Tiling、Register Tiling、向量化访存等技术优化矩阵运算。
* 构建自动化 Benchmark，进行正确性验证、吞吐量测量及 cuBLAS 性能对比。
项目亮点： 具备 CUDA 开发、GPU 性能分析、并行算法及数值计算能力。
综合能力
熟悉 C++、Python、Go、JavaScript，具备数据库管理系统、后端 API、桌面应用、人工智能算法和底层系统开发经验。能够承接程序开发、数据处理、自动化工具、功能扩展、Bug 修复、算法实现及性能优化等项目，注重代码质量、沟通效率和按时交付。
技术栈：C++17、B+ Tree、LRU Cache、CMake
GitHub：
基于 C++17 开发的火车票管理系统，支持用户权限管理、车次查询、购票退票、余票管理及候补订单处理。
* 自主实现磁盘 B+ 树索引、定长记录文件存储和 LRU 写回缓存，实现数据持久化及高效检索。
* 采用模块化架构，拆分用户、车次、订单服务，实现复杂业务逻辑管理。
* 实现直达与换乘路线查询、跨日期计算、区间余票管理和候补订单自动推进。
项目亮点： 具备数据库底层存储、索引优化、复杂业务系统设计及 C++ 工程开发经验。
2. RaftConfig — 分布式配置管理系统
技术栈：Go、Raft、HTTP API、React、TypeScript
GitHub：
基于 MIT 6.5840 Raft 实现扩展的分布式键值配置管理系统，包含 Go 后端、HTTP API 和 React 可视化管理界面。
* 实现基于 Raft 日志的配置读写与一致性状态管理，支持持久化、快照恢复和故障模拟。
* 开发 HTTP/JSON API，支持配置增删改查、命名空间管理和版本信息维护。
* 使用 React、TypeScript 和 SSE 构建实时集群监控界面，展示节点状态和领导者选举过程。
项目亮点： 具备 Go 后端、API 设计、前后端集成及分布式系统开发能力。当前为单进程多逻辑节点演示架构。
3. PacMan AI — 人工智能算法综合项目
技术栈：Python、PyTorch、NumPy、Tkinter
GitHub：
基于 UC Berkeley CS188 教学框架，整合搜索算法、多智能体博弈、概率推断、机器学习和强化学习模块，并开发扩展功能。
* 涉及 DFS、BFS、UCS、A*、Minimax、Alpha-Beta、Expectimax 等经典算法。
* 扩展 HybridPacmanAgent，融合路径规划、期望搜索和风险评估进行智能决策。
* 使用 PyTorch 实践神经网络、卷积模型及深度强化学习。
* 开发中文图形化启动器，支持算法切换、参数配置、运行日志及性能对比。
项目亮点： 具备 Python 算法开发、AI 应用、GUI 开发和自动化测试能力。
4. Desktop Pet — 桌面宠物应用
技术栈：Electron、JavaScript、Canvas
GitHub：
基于 Electron 开发的交互式桌面宠物软件，支持动画展示、角色切换、自定义图片形象和本地数据持久化。
* 基于 Canvas 实现宠物动画与交互效果。
* 开发自定义角色创建器，支持图片导入、尺寸调整、表情叠加和角色切换。
* 实现本地文件存储、配置恢复及模块化角色管理。
项目亮点： 具备桌面 GUI、JavaScript 应用、交互设计和文件管理开发经验。
5. CUDA Playground — GPU 并行计算与性能优化
技术栈：CUDA C++、cuBLAS、GEMM、Softmax、Attention
GitHub：https
围绕 GPU 并行计算和 AI 算子优化，开发 CUDA Kernel、性能测试及数据分析工具。
* 实现向量运算、矩阵转置、GEMM、Softmax 和教学版 Attention Forward。
* 使用 Shared Memory Tiling、Register Tiling、向量化访存等技术优化矩阵运算。
* 构建自动化 Benchmark，进行正确性验证、吞吐量测量及 cuBLAS 性能对比。
项目亮点： 具备 CUDA 开发、GPU 性能分析、并行算法及数值计算能力。
综合能力
熟悉 C++、Python、Go、JavaScript，具备数据库管理系统、后端 API、桌面应用、人工智能算法和底层系统开发经验。能够承接程序开发、数据处理、自动化工具、功能扩展、Bug 修复、算法实现及性能优化等项目，注重代码质量、沟通效率和按时交付。
ID:439308
复制
小王子
学生 · 1年经验 · 上海交通大学ACM班
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
上海交通大学致远学院 ACM 荣誉班计算机专业本科生，具备扎实的计算机科学基础、算法设计能力和软件工程开发能力。熟悉 C++、Python、Go 等编程语言，具有数据库管理系统、编译器、分布式系统、人工智能算法及计算机体系结构相关项目经验。熟悉 Linux、Git、CMake 等开发工具，具备独立分析需求、设计软件架构、实现核心功能、调试复杂程序及维护现有项目的能力。
一、专业技能
* 编程语言：熟悉 C++、Python、Go，了解 Java、Rust、Chisel 等语言，具备面向对象编程、泛型编程及模块化软件开发经验。
* 数据库与存储系统：熟悉 B+ 树索引、二进制文件持久化、定长记录存储、LRU 缓存、空闲空间管理、数据查询与更新等技术，具备独立设计数据管理系统的项目经验。
* 算法与人工智能：熟悉 DFS、BFS、Dijkstra、A*、Minimax、Alpha-Beta 剪枝、Expectimax 等算法，了解贝叶斯推断、Q-learning、深度强化学习和 PyTorch。
* 系统开发：熟悉 Linux 环境下的软件开发，具备并发编程、RPC 通信、分布式一致性、编译器前端及中间表示设计等实践经验。
* 软件工程：熟悉 Git、CMake、单元测试、自动化测试、代码调试、模块化设计和技术文档编写。
二、主要项目经验
1. Ticket System — 火车票管理系统（C++17 / B+ Tree / LRU Cache）
GitHub：
基于 C++17 开发的火车票管理系统，实现用户管理、车次管理、直达与换乘查询、余票管理、购票、订单查询、退票及候补订单处理等功能。
* 底层存储设计：采用磁盘 B+ 树构建持久化索引，使用定长记录文件存储业务数据，并通过空闲链表复用删除记录的存储空间。
* 缓存优化：在 B+ 树内部设计 LRU 写回缓存，减少磁盘节点的重复读写，提高数据访问效率。
* 业务逻辑实现：采用 UserService、TrainService、OrderService 分层管理业务，处理用户权限、车次发布、区间余票计算、订单状态转换等逻辑。
* 查询与算法设计：实现直达及一次换乘查询，支持按时间、票价筛选最优方案，并利用索引和缓存优化查询过程。
* 订单与候补机制：实现余票不足时的候补入队、退票后的余票恢复及候补订单自动推进。
通过该项目积累了数据库底层存储、索引结构设计、缓存管理、复杂业务系统开发及数据持久化方面的实践经验。
2. Bookstore — 书店管理系统（C++）
GitHub：
基于 C++ 的书店管理系统项目，围绕图书信息管理、检索、购买及业务数据存储展开，涉及面向对象程序设计、文件读写、数据持久化、数据组织结构和模块化软件设计。
项目注重需求分析、数据模型设计、业务流程组织、软件测试及 Git 版本管理，积累了信息管理系统开发和工程化项目实践经验。
3. PacMan AI — 人工智能算法综合项目（Python / PyTorch）
GitHub：
基于 UC Berkeley CS188 Pacman AI 教学框架，整合经典搜索算法、多智能体博弈、概率推断、机器学习与强化学习模块，并扩展智能体策略和可视化工具。
* 搜索与路径规划：涉及 DFS、BFS、UCS、A* 搜索及启发式路径规划。
* 多智能体决策：涉及 Minimax、Alpha-Beta 剪枝、Expectimax 等博弈搜索算法。
* 混合智能体：实现融合迷宫距离、期望搜索与风险搜索的 HybridPacmanAgent，用于复杂环境下的行动决策。
* 概率推断与强化学习：涉及贝叶斯网络、隐马尔可夫模型、Value Iteration、Q-learning、Approximate Q-learning 和 DQN。
* 机器学习：使用 PyTorch 实践回归、分类、卷积神经网络及深度强化学习模型。
* 图形化工具：开发中文桌面启动器，支持算法选择、参数配置、难度调整、运行日志及智能体性能对比。
具备 Python 算法开发、AI 模型应用、算法测试、图形化工具开发及性能分析经验。
4. RxCompiler — 类 Rust 语言编译器（C++ / ANTLR / LLVM IR）
GitHub：
开发类 Rust 语言编译器，涉及 ANTLR 语法解析、抽象语法树构建、符号表与作用域管理、类型检查、语义分析及中间表示设计。
项目涉及复杂语法树处理、类型系统、控制流分析、错误诊断与模块化编译器架构，具备较强的复杂代码组织、程序分析及底层系统开发能力。
5. Raft — 分布式一致性算法（Go）
基于 MIT 6.5840 分布式系统实验实现 Raft 共识算法相关功能，涉及领导者选举、日志复制、持久化、快照机制、RPC 通信及并发控制。
熟悉 Go 并发编程、分布式节点状态管理、日志一致性与故障恢复机制，具备复杂并发问题定位及系统正确性测试经验。
6. RISC-V CPU — 处理器设计（Chisel）
参与基于 RISC-V 指令集的处理器开发，涉及指令译码、流水线、执行单元、缓存、乱序执行等计算机体系结构相关模块，了解处理器微架构设计、硬件模块通信、性能分析及硬件描述语言开发。
三、可承接的开发项目
* C++ / Python / Go 软件开发、功能扩展与 Bug 修复。
* 数据管理系统、文件存储系统、信息管理工具开发。
* Python 自动化脚本、数据处理及批量任务处理。
* 算法实现、路径规划、搜索算法与性能优化。
* AI 算法应用、PyTorch 模型实验及现有 AI 项目集成。
* Linux 环境配置、程序编译、运行错误排查。
* 现有代码重构、项目维护、模块开发与测试。
四、个人优势
具备扎实的计算机专业基础和较强的自主学习能力，能够快速理解陌生项目、阅读已有代码并分析复杂技术问题。具有从需求分析、架构设计、功能实现到测试验证的完整项目实践经验。
重视代码规范、运行效率、可维护性及交付质量，能够根据实际需求制定合理的开发计划，保持及时沟通，按约定完成项目交付。希望通过长期参与实际软件开发项目，为客户提供可靠、高效的软件解决方案。
一、专业技能
* 编程语言：熟悉 C++、Python、Go，了解 Java、Rust、Chisel 等语言，具备面向对象编程、泛型编程及模块化软件开发经验。
* 数据库与存储系统：熟悉 B+ 树索引、二进制文件持久化、定长记录存储、LRU 缓存、空闲空间管理、数据查询与更新等技术，具备独立设计数据管理系统的项目经验。
* 算法与人工智能：熟悉 DFS、BFS、Dijkstra、A*、Minimax、Alpha-Beta 剪枝、Expectimax 等算法，了解贝叶斯推断、Q-learning、深度强化学习和 PyTorch。
* 系统开发：熟悉 Linux 环境下的软件开发，具备并发编程、RPC 通信、分布式一致性、编译器前端及中间表示设计等实践经验。
* 软件工程：熟悉 Git、CMake、单元测试、自动化测试、代码调试、模块化设计和技术文档编写。
二、主要项目经验
1. Ticket System — 火车票管理系统（C++17 / B+ Tree / LRU Cache）
GitHub：
基于 C++17 开发的火车票管理系统，实现用户管理、车次管理、直达与换乘查询、余票管理、购票、订单查询、退票及候补订单处理等功能。
* 底层存储设计：采用磁盘 B+ 树构建持久化索引，使用定长记录文件存储业务数据，并通过空闲链表复用删除记录的存储空间。
* 缓存优化：在 B+ 树内部设计 LRU 写回缓存，减少磁盘节点的重复读写，提高数据访问效率。
* 业务逻辑实现：采用 UserService、TrainService、OrderService 分层管理业务，处理用户权限、车次发布、区间余票计算、订单状态转换等逻辑。
* 查询与算法设计：实现直达及一次换乘查询，支持按时间、票价筛选最优方案，并利用索引和缓存优化查询过程。
* 订单与候补机制：实现余票不足时的候补入队、退票后的余票恢复及候补订单自动推进。
通过该项目积累了数据库底层存储、索引结构设计、缓存管理、复杂业务系统开发及数据持久化方面的实践经验。
2. Bookstore — 书店管理系统（C++）
GitHub：
基于 C++ 的书店管理系统项目，围绕图书信息管理、检索、购买及业务数据存储展开，涉及面向对象程序设计、文件读写、数据持久化、数据组织结构和模块化软件设计。
项目注重需求分析、数据模型设计、业务流程组织、软件测试及 Git 版本管理，积累了信息管理系统开发和工程化项目实践经验。
3. PacMan AI — 人工智能算法综合项目（Python / PyTorch）
GitHub：
基于 UC Berkeley CS188 Pacman AI 教学框架，整合经典搜索算法、多智能体博弈、概率推断、机器学习与强化学习模块，并扩展智能体策略和可视化工具。
* 搜索与路径规划：涉及 DFS、BFS、UCS、A* 搜索及启发式路径规划。
* 多智能体决策：涉及 Minimax、Alpha-Beta 剪枝、Expectimax 等博弈搜索算法。
* 混合智能体：实现融合迷宫距离、期望搜索与风险搜索的 HybridPacmanAgent，用于复杂环境下的行动决策。
* 概率推断与强化学习：涉及贝叶斯网络、隐马尔可夫模型、Value Iteration、Q-learning、Approximate Q-learning 和 DQN。
* 机器学习：使用 PyTorch 实践回归、分类、卷积神经网络及深度强化学习模型。
* 图形化工具：开发中文桌面启动器，支持算法选择、参数配置、难度调整、运行日志及智能体性能对比。
具备 Python 算法开发、AI 模型应用、算法测试、图形化工具开发及性能分析经验。
4. RxCompiler — 类 Rust 语言编译器（C++ / ANTLR / LLVM IR）
GitHub：
开发类 Rust 语言编译器，涉及 ANTLR 语法解析、抽象语法树构建、符号表与作用域管理、类型检查、语义分析及中间表示设计。
项目涉及复杂语法树处理、类型系统、控制流分析、错误诊断与模块化编译器架构，具备较强的复杂代码组织、程序分析及底层系统开发能力。
5. Raft — 分布式一致性算法（Go）
基于 MIT 6.5840 分布式系统实验实现 Raft 共识算法相关功能，涉及领导者选举、日志复制、持久化、快照机制、RPC 通信及并发控制。
熟悉 Go 并发编程、分布式节点状态管理、日志一致性与故障恢复机制，具备复杂并发问题定位及系统正确性测试经验。
6. RISC-V CPU — 处理器设计（Chisel）
参与基于 RISC-V 指令集的处理器开发，涉及指令译码、流水线、执行单元、缓存、乱序执行等计算机体系结构相关模块，了解处理器微架构设计、硬件模块通信、性能分析及硬件描述语言开发。
三、可承接的开发项目
* C++ / Python / Go 软件开发、功能扩展与 Bug 修复。
* 数据管理系统、文件存储系统、信息管理工具开发。
* Python 自动化脚本、数据处理及批量任务处理。
* 算法实现、路径规划、搜索算法与性能优化。
* AI 算法应用、PyTorch 模型实验及现有 AI 项目集成。
* Linux 环境配置、程序编译、运行错误排查。
* 现有代码重构、项目维护、模块开发与测试。
四、个人优势
具备扎实的计算机专业基础和较强的自主学习能力，能够快速理解陌生项目、阅读已有代码并分析复杂技术问题。具有从需求分析、架构设计、功能实现到测试验证的完整项目实践经验。
重视代码规范、运行效率、可维护性及交付质量，能够根据实际需求制定合理的开发计划，保持及时沟通，按约定完成项目交付。希望通过长期参与实际软件开发项目，为客户提供可靠、高效的软件解决方案。
项目经验
1. Ticket System — 火车票管理系统
技术栈：C++17、B+ Tree、LRU Cache、CMake
GitHub：
基于 C++17 开发的火车票管理系统，支持用户权限管理、车次查询、购票退票、余票管理及候补订单处理。
* 自主实现磁盘 B+ 树索引、定长记录文件存储和 LRU 写回缓存，实现数据持久化及高效检索。
* 采用模块化架构，拆分用户、车次、订单服务，实现复杂业务逻辑管理。
* 实现直达与换乘路线查询、跨日期计算、区间余票管理和候补订单自动推进。
项目亮点： 具备数据库底层存储、索引优化、复杂业务系统设计及 C++ 工程开发经验。
2. RaftConfig — 分布式配置管理系统
技术栈：Go、Raft、HTTP API、React、TypeScript
GitHub：
基于 MIT 6.5840 Raft 实现扩展的分布式键值配置管理系统，包含 Go 后端、HTTP API 和 React 可视化管理界面。
* 实现基于 Raft 日志的配置读写与一致性状态管理，支持持久化、快照恢复和故障模拟。
* 开发 HTTP/JSON API，支持配置增删改查、命名空间管理和版本信息维护。
* 使用 React、TypeScript 和 SSE 构建实时集群监控界面，展示节点状态和领导者选举过程。
项目亮点： 具备 Go 后端、API 设计、前后端集成及分布式系统开发能力。当前为单进程多逻辑节点演示架构。
3. PacMan AI — 人工智能算法综合项目
技术栈：Python、PyTorch、NumPy、Tkinter
GitHub：
基于 UC Berkeley CS188 教学框架，整合搜索算法、多智能体博弈、概率推断、机器学习和强化学习模块，并开发扩展功能。
* 涉及 DFS、BFS、UCS、A*、Minimax、Alpha-Beta、Expectimax 等经典算法。
* 扩展 HybridPacmanAgent，融合路径规划、期望搜索和风险评估进行智能决策。
* 使用 PyTorch 实践神经网络、卷积模型及深度强化学习。
* 开发中文图形化启动器，支持算法切换、参数配置、运行日志及性能对比。
项目亮点： 具备 Python 算法开发、AI 应用、GUI 开发和自动化测试能力。
4. Desktop Pet — 桌面宠物应用
技术栈：Electron、JavaScript、Canvas
GitHub：
基于 Electron 开发的交互式桌面宠物软件，支持动画展示、角色切换、自定义图片形象和本地数据持久化。
* 基于 Canvas 实现宠物动画与交互效果。
* 开发自定义角色创建器，支持图片导入、尺寸调整、表情叠加和角色切换。
* 实现本地文件存储、配置恢复及模块化角色管理。
项目亮点： 具备桌面 GUI、JavaScript 应用、交互设计和文件管理开发经验。
5. CUDA Playground — GPU 并行计算与性能优化
技术栈：CUDA C++、cuBLAS、GEMM、Softmax、Attention
GitHub：https
围绕 GPU 并行计算和 AI 算子优化，开发 CUDA Kernel、性能测试及数据分析工具。
* 实现向量运算、矩阵转置、GEMM、Softmax 和教学版 Attention Forward。
* 使用 Shared Memory Tiling、Register Tiling、向量化访存等技术优化矩阵运算。
* 构建自动化 Benchmark，进行正确性验证、吞吐量测量及 cuBLAS 性能对比。
项目亮点： 具备 CUDA 开发、GPU 性能分析、并行算法及数值计算能力。
综合能力
熟悉 C++、Python、Go、JavaScript，具备数据库管理系统、后端 API、桌面应用、人工智能算法和底层系统开发经验。能够承接程序开发、数据处理、自动化工具、功能扩展、Bug 修复、算法实现及性能优化等项目，注重代码质量、沟通效率和按时交付。
技术栈：C++17、B+ Tree、LRU Cache、CMake
GitHub：
基于 C++17 开发的火车票管理系统，支持用户权限管理、车次查询、购票退票、余票管理及候补订单处理。
* 自主实现磁盘 B+ 树索引、定长记录文件存储和 LRU 写回缓存，实现数据持久化及高效检索。
* 采用模块化架构，拆分用户、车次、订单服务，实现复杂业务逻辑管理。
* 实现直达与换乘路线查询、跨日期计算、区间余票管理和候补订单自动推进。
项目亮点： 具备数据库底层存储、索引优化、复杂业务系统设计及 C++ 工程开发经验。
2. RaftConfig — 分布式配置管理系统
技术栈：Go、Raft、HTTP API、React、TypeScript
GitHub：
基于 MIT 6.5840 Raft 实现扩展的分布式键值配置管理系统，包含 Go 后端、HTTP API 和 React 可视化管理界面。
* 实现基于 Raft 日志的配置读写与一致性状态管理，支持持久化、快照恢复和故障模拟。
* 开发 HTTP/JSON API，支持配置增删改查、命名空间管理和版本信息维护。
* 使用 React、TypeScript 和 SSE 构建实时集群监控界面，展示节点状态和领导者选举过程。
项目亮点： 具备 Go 后端、API 设计、前后端集成及分布式系统开发能力。当前为单进程多逻辑节点演示架构。
3. PacMan AI — 人工智能算法综合项目
技术栈：Python、PyTorch、NumPy、Tkinter
GitHub：
基于 UC Berkeley CS188 教学框架，整合搜索算法、多智能体博弈、概率推断、机器学习和强化学习模块，并开发扩展功能。
* 涉及 DFS、BFS、UCS、A*、Minimax、Alpha-Beta、Expectimax 等经典算法。
* 扩展 HybridPacmanAgent，融合路径规划、期望搜索和风险评估进行智能决策。
* 使用 PyTorch 实践神经网络、卷积模型及深度强化学习。
* 开发中文图形化启动器，支持算法切换、参数配置、运行日志及性能对比。
项目亮点： 具备 Python 算法开发、AI 应用、GUI 开发和自动化测试能力。
4. Desktop Pet — 桌面宠物应用
技术栈：Electron、JavaScript、Canvas
GitHub：
基于 Electron 开发的交互式桌面宠物软件，支持动画展示、角色切换、自定义图片形象和本地数据持久化。
* 基于 Canvas 实现宠物动画与交互效果。
* 开发自定义角色创建器，支持图片导入、尺寸调整、表情叠加和角色切换。
* 实现本地文件存储、配置恢复及模块化角色管理。
项目亮点： 具备桌面 GUI、JavaScript 应用、交互设计和文件管理开发经验。
5. CUDA Playground — GPU 并行计算与性能优化
技术栈：CUDA C++、cuBLAS、GEMM、Softmax、Attention
GitHub：https
围绕 GPU 并行计算和 AI 算子优化，开发 CUDA Kernel、性能测试及数据分析工具。
* 实现向量运算、矩阵转置、GEMM、Softmax 和教学版 Attention Forward。
* 使用 Shared Memory Tiling、Register Tiling、向量化访存等技术优化矩阵运算。
* 构建自动化 Benchmark，进行正确性验证、吞吐量测量及 cuBLAS 性能对比。
项目亮点： 具备 CUDA 开发、GPU 性能分析、并行算法及数值计算能力。
综合能力
熟悉 C++、Python、Go、JavaScript，具备数据库管理系统、后端 API、桌面应用、人工智能算法和底层系统开发经验。能够承接程序开发、数据处理、自动化工具、功能扩展、Bug 修复、算法实现及性能优化等项目，注重代码质量、沟通效率和按时交付。
立即沟通
