AI 全栈工程师 · 杭州 · 5 年经验
sunianan@example.com · 136 0000 0000 · github.com/sunianan · sunianan.dev
个人优势
- 5 年全栈经验，近两年在创业团队独立负责一款 AI 写作产品的前后端，从 0 做到付费用户 1.2 万
- 前端能做好流式交互：打字机效果、中断续写、多版本对比，长文档编辑时不卡顿
- 后端能搭完整的模型服务层：多厂商模型统一接入、超时降级、按用户计量计费、用量告警
- 会做提示词工程但不迷信提示词，结构化输出用 JSON Schema 约束，失败自动修复或重试
- 做过文件解析和长文本处理：PDF、Word、网页导入，超长内容分段摘要再合并，保留原文出处
- 有产品意识，自己看漏斗和留存数据，改过三版新手引导，次日留存从 21% 提到 34%
- 能独立负责部署和运维：Docker、CI/CD、日志和告警都是自己搭的，线上问题能一个人从前端查到数据库
- 技术栈：TypeScript、Next.js、React、Node.js、Python、FastAPI、PostgreSQL、Redis、Docker、Vercel AI SDK
工作经历
某 AI 写作创业公司 · 全栈工程师
团队 7 人，我是两名工程师之一，负责编辑器、模型服务和支付计费，另一位同事负责移动端。
- 长文生成：一次生成五千字以上时经常超时或前后矛盾。改成先出大纲、用户确认后分节生成，每节带上大纲和前文摘要；生成失败只重试单节。长文完成率从 58% 提到 93%
- 多模型接入：封装统一的模型调用层，三家厂商同一套接口，按任务类型和成本选模型，主模型超时 15 秒自动切备用。厂商故障期间用户侧报错率控制在 1% 以内
- 计量计费：按实际消耗的 token 计费，预扣、结算、退还三步写在一个事务里，并发请求不会扣成负数；接入支付后上线首月对账零差错
- 编辑器体验：AI 改写以修订模式呈现，可以逐段接受或拒绝；流式输出时编辑器只更新最后一个段落，万字文档里输入延迟保持在 50ms 以内
- 增长实验：自己埋点、看漏斗，发现多数新用户卡在“不知道写什么”，加了按场景的模板入口，新用户首次生成率提升约 17 个百分点
某电商服务公司 · 全栈开发工程师
负责商家后台和数据报表，前后端都写，团队 10 人。
- 用 Next.js 重写商家报表页，大表格虚拟滚动，报表导出改为后台任务，十万行导出不再拖垮接口
- 设计报表的预聚合表和定时任务，核心报表查询从 6 秒降到 400ms
- 2023 年用 GPT 接口做了商品描述生成的内部工具，试用商家 300 多家，是后来转做 AI 产品的起点
项目经历
AI 写作编辑器
Next.js / Tiptap / Vercel AI SDK / FastAPI / PostgreSQL
- 编辑器基于 Tiptap 扩展了 AI 改写、续写、扩写三种节点操作，结果以修订标记插入，撤销栈与普通编辑共用
- 流式结果按段落缓冲后再写入文档，避免逐字写入导致的光标跳动和协同冲突
- 文档历史版本按段落存差异，用户可以对比任意两次 AI 改写的结果
文档导入与知识引用
Python / Unstructured / pgvector / Celery
- 支持 PDF、Word、网页链接导入，解析在 Celery 队列里异步执行，前端按阶段显示进度
- 用户写作时可以引用导入的资料，生成内容里的引用带原文段落，点击可以跳回原文
- 扫描件、加密文件给出明确提示，解析失败率从 9% 降到 2%