陈启明 · 全栈工程师

主导公司LLM业务中台从0到1架构设计，基于FastAPI与Node.js构建可扩展微服务体系，统一LLM接入与流式响应规范，支撑新品上线周期从月缩短至周。

设计并落地高并发推理服务网关，利用Redis多级缓存与异步任务队列解耦推理链路，在日均百万级调用场景下将推理延迟降低约50%。

推动DevOps与容器化演进，基于Docker与Kubernetes搭建CI/CD流水线并实现服务自动扩缩容，生产环境可用性达99.95%以上。

带领3人全栈小组交付多款AI应用，建立前后端协作规范与代码评审机制，人均产出提升30%，累计交付6款产品且均获内部标杆项目认定。

主导商品管理系统的前后端架构升级，利用React与TypeScript重构运营后台，结合Spring Boot微服务与Elasticsearch实现多维商品检索与批量上下架，运营配置与查找效率提升约50%。

针对大促峰值流量，基于RabbitMQ设计订单创建与库存扣减的异步解耦方案，引入本地消息表与死信队列保障最终一致性，核心链路吞吐量提升3倍，零错单漏单。

搭建订单实时热力图与监控看板，通过分析MySQL慢查询并优化联合索引、读写分离，将大促期间高频订单查询的P95响应时间从800ms压缩至180ms以内。

建设商品数据实时同步管道，利用Canal订阅Binlog联动Elasticsearch与Redis缓存，实现售价、库存变更秒级生效，数据一致性延迟<1s，大幅缓解数据库压力。

设计灰度发布与降级策略，配合限流熔断组件，在零服务器扩容的情况下平稳支撑两次S级大促，订单履约系统零故障运行。

负责内部数据查询平台核心接口开发，针对多源报表数据聚合场景设计二级缓存策略与SQL执行计划优化，将千万级数据量下的报表导出耗时从分钟级压降至秒级，日均支撑200+分析师并发查询。

主导运维工具链后端服务化改造，基于Spring MVC与MyBatis重构遗留单体脚本，引入连接池监控与慢查询自动告警，使数据库平均响应时间下降42%，异常恢复时间缩短70%。

为自动化测试团队开发Python编排脚本与数据工厂服务，实现测试数据自动脱敏生成与接口回归，将回归测试周期从2天压缩至4小时，覆盖接口数增至500+。

结合Redis原子计数器与Lua脚本设计限流与数据预热机制，应用于内部运营活动统计看板，平稳支撑业务高峰时段QPS从3k突发至1.5w，避免数据库击穿。

针对客服团队日均处理超3,000条工单且流转混乱的痛点，独立以技术负责人身份从零设计全栈方案，基于FastAPI与WebSocket构建多轮对话引擎，集成LLM实现意图识别与上下文追问，使自动化解决率提升至65%。

主导后端微服务架构拆分，利用Python异步框架将会话管理、工单服务与自动分派解耦，通过PostgreSQL存储工单状态、MongoDB持久化对话日志，保障高峰期2,000+并发会话的稳定交互。

设计并实现基于规则与LLM二次判断的混合自动分派引擎，自动解析对话摘要并将工单精准路由至对应技能组，减少人工预审与转派环节，工单平均处理时长缩短40%。

搭建可视化全栈管理后台，支持对话监控、工单实时追踪与知识库热更新，交付后首月即支撑客服团队承接能力从日均1,200单提升至2,000单，无额外人力增加。

面对订单履约链路逻辑耦合、大促期间性能瓶颈凸显的遗留系统，主导基于DDD的订单状态机与履约流程重构，抽象出支付回调、拆单、配货、发货等独立域服务，彻底消除臃肿单体中的状态扩散风险。

设计ShardingSphere配合MySQL的分库分表策略与读写分离方案，对订单主表按买家ID分片，结合Redis热点订单缓存与布隆过滤器拦截无效查询，将“查单-详情-状态流转”核心链路P99耗时降低35%。

引入Kafka事件总线替代同步RPC调用实现履约动作的异步解耦与削峰，设计普通消息、延迟消息与死信队列组成的分级重试机制，保障日均百万级订单流转下履约触达成功率>99.96%。

搭建基于JMeter的全链路压测模型与Redis+Sentinel的限流降级方案，持续对状态机节点进行调优，经历两次S级大促，系统零宕机，峰值订单处理能力稳定在300万单/日。

将重构后的履约能力封装为标准化扩展点与运营配置后台，让业务方可可视化编排履约分支，使新增一种履约策略的上线周期从两周缩短至2天。

主导基于Java与Netty的即时消息服务架构，结合Protobuf协议层与Zookeeper集群实现服务发现与故障转移，支撑万人组织日均千万级消息吞吐，核心链路全年可用性达99.99%。

设计消息必达机制，利用Redis缓存路由表与消费进度，配合MySQL做最终一致性落盘，通过智能确认与多级重试策略，将消息到达率从97.5%提升至99.96%。

自研端到端加密方案，在Netty管道中零侵入集成AES-256-GCM算法，在保证消息防篡改与防泄漏的同时，将加解密额外延迟控制在3ms以内。

通过零拷贝与内存池调优，单节点承载12,000个并发长连接，相比优化前节省40%的堆内存占用，从容应对早晚高峰期全员涌入。

搭建全链路监控体系，自定义Netty指标埋点与慢消息追踪，上线后及时发现并修复3个潜在连接泄漏隐患，终端心跳超时告警量下降80%。

为支撑模型快速迭代，从零搭建基于React与TypeScript的可视化标注工作台，支持图像、文本多模态数据灵活标注与团队实时协作，推动整体标注效率提升60%。

设计基于Python Celery的自动化质检流水线，结合规则引擎与LLM辅助预标注自动识别低置信度样本并触发人工复核，使质检人力投入降低45%。

引入LLM少样本提示生成预标注结果，大幅压缩简单任务的人工耗时，实测标注速度提升70%，显著加快训练数据供给节奏。

基于PostgreSQL与Docker构建任务调度与数据持久化集群，保障日均10万+标注任务稳定流转，并实现标准化数据导出管道一键生成模型训练集。

打通标注、质检与交付全链路，将数据交付周期从3天缩短至小时级，稳定支撑下游3个算法团队的并行迭代需求。