13 年全栈开发经验,后端 Go / PHP / Python,前端 Vue 3 / TypeScript / Next.js,具备从需求、架构、开发、数据库设计到部署上线的端到端交付能力。长期负责强监管、多角色、多租户复杂业务平台的架构设计与核心研发,曾从 0 到 1 主导百万级用户平台建设,支撑单日 8000+ 人次集中交卷与实时判卷,核心业务稳定运行近 10 年。熟悉 MySQL / Redis / RabbitMQ / Docker / Nginx / CI/CD 等后端与工程化技术,具备高并发性能优化、复杂权限与数据隔离、第三方及政务系统集成经验。持续实践 AI Agent / RAG / LLM 应用(Go / Python 手写 RAG 链路、Claude Code / Codex 等 AI 编码智能体),能独立完成 Web、App、小程序、桌面端及 AI 应用的 0→1 开发与交付;个人全栈博客:https://www.wxbuluo.com
- 后端 Go / PHP / Python · 前端 Vue 3 / TypeScript / Next.js
- RESTful API / BFF / SSR、接口契约与统一响应
- Web / H5 / 小程序 / App / 桌面端多端交付
- MySQL 数据建模、Redis 缓存、RabbitMQ 异步解耦
- 强监管、多角色、多租户、数据隔离与防越权
- 高并发 / 缓存 / 异步削峰、SQL / EXPLAIN / 慢查询
- RBAC 权限体系、第三方及政务系统集成
- 平台复用、多客户定制化交付
- Docker / Nginx / Linux · GitHub Actions / CI/CD 自动化部署
- 自动化测试、代码评审与技术规范建设
- RAG / LLM / Agent · Claude Code / Codex(Vibe Coding / SDD)
- 曾协同 7–8 人跨职能团队推进需求至上线(技术协同,非纯管理岗)
- 从 0 到 1 主导全栈技术选型与核心开发,覆盖 PC Web / 公众号 H5 / 微信小程序 / 机构后台 / G 端监管端 / 代理商系统
- 设计「监管 → 代理商 → 企业 → 学员」四级数据隔离与多角色 RBAC 权限;平台累计服务 100 万+ 培训人次、40 万+ 考核用户,接入 8 省监管端与 20+ 代理机构,支撑单期最高 4.3 万考生、核心业务稳定运行近 10 年
- 主导核心考试链路:登录验证、试卷分发、防作弊抓拍、百度 AI 人脸识别、实时答题暂存、交卷判卷、证书生成与防伪全流程
- 针对集中交卷峰值,通过 RabbitMQ 异步削峰、Redis 缓存预热与 MySQL 批量落库,平滑支撑单日 8000+ 人次交卷与实时判卷
- 通过 EXPLAIN 分析、慢查询治理、联合索引优化及 SQL 重构,大幅提升考试成绩统计与监管大盘的查询性能
- 以代理分销系统为试点,完成 ThinkPHP (PHP-FPM) → Webman 常驻内存架构演进,单机并发性能提升 10 倍以上,显著降低服务器资源开销
- 基于 GitHub Actions 搭建 CI/CD 自动化流水线:代码推送即触发自动化测试,通过后以异步方案同步部署至生产环境(非镜像构建),替代手工发布、缩短交付周期
- 基于团队规模与业务场景,以 docker-compose 编排 Nginx 容器与 PHP 运行环境:PHP 项目源码以目录挂载(bind mount)注入 Nginx 容器 www 根目录,统一开发 / 测试 / 生产环境、规避环境漂移;配合阿里云 RDS/Redis/OSS 与 RabbitMQ 实现轻量云原生部署
- 基于核心平台复用模式,承建中国烹饪协会「中安餐饮网」(Vue 3 + TypeScript),形成「核心平台 + 客户业务配置」复用模式
- 主导第三方与政务系统集成:美团 / 店小算 H5 嵌入、JWT 授权、渠道归因、第三方支付、政务数据对接;设计标准化开放 API,为美团、店小算及重庆培训中心等第三方提供课程与认证能力接入
- 作为技术核心协同 7–8 人跨职能团队(前后端 / 测试 / 运维 / SEO),主导方案评审与研发规范建设,推动需求至上线交付周期缩短约 40%
- 引入 LLM / Vibe Coding 辅助编码、单测生成与文档撰写,探索基于 Python + Ollama 私有化大模型在智能题库与 AI 智能客服等方向的可行性,持续提升团队与个人研发效率
- 负责电商平台后端及多端业务研发,参与微信商城 / PC 商城前后端开发,实现微信授权登录与支付等核心功能。
- 主导微信公众号及 H5 产品架构,PHP 构建后端 API,HTML5 / CSS3 / JavaScript 开发高交互产品;实现微信支付、网页授权及社交分享;从 0 组建前端团队并建立组件化、代码评审规范;负责多机型性能及兼容性优化。
- 负责企业网站、微信程序及相关网络业务的开发、维护与技术支持。
以 Next.js + Gin(Go) 的 BFF 架构重构个人博客:Next.js 的 Route Handlers 充当 BFF 层,统一代理 / 聚合 Go 后端 API;服务端渲染(SSR)承载页面与 SEO,站点集博客、作品集与在线简历于一体:
- Next.js 服务端渲染直出完整 HTML,配置 canonical / Open Graph 元信息,页面秒开且利于搜索引擎收录
- Gin(Go) 提供后端数据服务,前端通过接口消费,前后端解耦、独立部署
- 集成作品集(/works)、技术博客(/blog)、关于(/about)与在线简历(/resume)模块,作为个人技术品牌门户
- BFF 层内置接口限流(固定窗口)与后端字段归一化(契约对齐),并通过 BFF_UPSTREAM 环境变量解耦上游,可无改动切换后端
- 自研基于博客内容的 RAG AI 问答助手:Go 实现 RAG 全链路——文章切块、向量化(阿里 text-embedding-v4)、余弦 Top5 检索、SSE 流式应答(智谱 GLM-4-Flash);三层风控(IP 限流 / 问答缓存 / 日配额熔断)封顶成本,资料外拒答并标注参考来源防幻觉
- 基于 React Flow(@xyflow/react)将 Agent 工具调用链(语义检索 → 文章阅读 → 回答生成)可视化为节点流程图,自定义节点配色与流式边动画(animated edges),直观呈现 AI 思考过程
- 基于 Rust 编译的 WebAssembly 模块实现浏览器本地图片压缩——自定义 wasm-bindgen 编解码模块,支持 PNG / WebP / JPEG 多格式、零上传保护隐私;Web Worker 矩阵并发提升批量压缩性能
- Go(gin) + GORM 复用原 ThinkPHP 响应契约平滑迁移;MySQL ngram 全文索引支持中文检索
- GitHub Actions 自动构建并基于 docker-compose 一键部署:编排 Next(standalone)+ Go BFF + RAG 服务等多容器,Nginx 反代,脚本含备份 / 校验 / 健康检查 / 失败回滚
自研 AI 文生图 Web 工具,前后端分离架构,对接本地 ComfyUI 生图服务:
- 集成 ComfyUI 工作流(量化模型 + 低分辨率隐空间采样 + Bicubic 放大),针对低显存显卡极限优化,规避显存溢出
- 对接 ComfyUI WebSocket 协议,解析 step 级进度事件与二进制预览帧,实现真实采样进度条与生成过程实时预览(边画边看)
- 设计挂起任务注册表(prompt_id 与会话双映射),断线重连后自动接管恢复任务,长耗时生成不丢单
- 支持 WebP 压缩存储、HTTP Range 断点续传、路径穿越防护、PWA + Web Push 生成完成通知;集成本地模型 AI 润色提示词,数据不出本机
基于真实业务场景,利用业余时间以 SDD 规格驱动流程、Claude Code / Codex 等 AI 编码智能体从 0→1 构建,并已在真实业务中持续使用;面向药企 / CRO 解决多中心、多角色、多人协作及合规数据归档问题。
- 动态表单引擎:字段 / 校验 / 分组 / 锁定规则后台配置,新试验免改代码
- 「项目→中心→人员」三级数据模型 + 后端权限中间件强制校验,防止跨中心越权及抓包访问
- 提交锁定、驳回修改、字段级操作留痕、分模块多人协作;Excel / Word CRF 批量 ZIP / 水印 PDF / CSV 合规导出(长数字文本化防失真)
- PWA + IndexedDB 离线能力;集成百度 OCR / PaddleOCR 进行化验单等资料识别
从 0 到 1 构建网页版中国象棋实时对战平台:服务端实现完整走法规则、以服务端为唯一状态源 + Redis 持久化全局对局,支持观战同步与断线重连;自研 Alpha-Beta 剪枝 + 极小化极大搜索(固定深度 3)、十余项启发式评估的 AI 引擎;Phaser 3 渲染棋盘动画,Vue 3 实现聊天 / 弹幕 / 排队交互。
2026.06 上线的数字华容道(推盘)益智类微信小游戏:前端实现棋盘渲染、滑动 / 归位动画、关卡与计时等核心玩法;配套 Webman 后端排行榜服务,支撑成绩上报与排名查询。
个人实践项目(探索级 LLM 落地),手写完整 RAG 流程(文档加载→切块→向量化→检索→生成),基于本地私有化推理(llama.cpp + sentence-transformers),Chroma 向量检索,回答严格依据资料并附来源防幻觉:
- 手写 RAG 全链路(不依赖 LangChain):loader 支持 txt/md/pdf,splitter 按段落切块并带重叠(overlap)保留跨段语义,避免切碎关键上下文
- 用 sentence-transformers 加载 bge-m3 生成文本向量,Chroma PersistentClient 持久化入库;检索用 query_embeddings 与入库同一语义空间,规避默认嵌入模型不一致陷阱
- retriever 拼接「资料 + 问题」prompt,约束模型只依据给定资料作答、答案末尾标注来源编号,降低医疗场景幻觉风险
- Flask 提供 /api/query 问答与 /api/ingest 上传建库接口,支持增量入库与 md5 去重;私有化部署数据不出本机,契合医疗数据合规叙事