个人优势

• 三年跨端前端经验，负责本地生活平台的微信、支付宝、抖音三端小程序，合计日活约 50 万
• 推动三端代码用 Taro 统一，从新页面开始渐进迁移，现在大部分需求只开发一次
• 小程序性能有实战：重新划分分包、预下载、setData 只传变化字段，主包从接近 2MB 降到 1.1MB，冷启动减少约四成
• 熟悉三端在登录、支付、分享、定位上的差异，封装了统一适配层，业务代码不再写平台判断
• 参与 React Native 下单链路开发，处理过长列表、图片解码和低端安卓机卡顿
• 弱网和异常流程考虑得比较细：支付回跳状态不一致、重复点击、超时，分别有幂等和提示策略
• 沉淀 40 多个跨端组件，每个组件附三端截图对比，组件改动自动做视觉回归
• 熟悉 H5 与原生之间的 JSBridge 通信，处理过 WebView 生命周期、权限状态刷新等兼容问题
• 有真机回归习惯，和测试一起整理了 12 台常见机型的回归清单，不只在开发机上验证
• 在 CI 里加了小程序包体积检查，超预算阻止合并，PR 里能直接看到体积变化
• 技术栈：微信 / 支付宝 / 抖音小程序、Taro、uni-app、React Native、React、TypeScript、JSBridge

工作经历

负责商家券和外卖下单相关的小程序，三端小程序合计日活约 50 万，组内 7 人。

• 三端统一：原来微信、支付宝、抖音三端各维护一套代码，一个需求要做三遍。推动用 Taro 统一，先从新页面开始，再按访问量逐步迁移老页面，大部分需求现在只开发一次
• 包体积和启动：微信小程序主包接近 2MB 上限，新功能加不进去。按页面访问量重新划分分包，把低频页面和大体积依赖（图表、富文本）移出主包，首页依赖的分包做预下载；主包降到 1.1MB，冷启动耗时减少约 四成
• 渲染性能：商品详情页切换规格时明显卡顿，排查发现是一次 setData 传了整个商品对象。改为只传变化的字段并合并高频更新，切换规格基本无卡顿
• 设备兼容：真机测试中发现部分安卓 WebView 回到前台后定位权限状态没有刷新，用户看到旧位置。监听生命周期并重新检查权限，失败时展示手动选择地址入口；和测试一起整理 12 台常见机型的回归清单

• 参与商城 H5 的多语言改造，抽出文案字典并按语言包按需加载，支持 6 种语言
• 处理不同语言下文案长度差异导致的布局错乱问题，整理了多语言布局规范
• 商品详情页的价格在不同币种下格式不统一，改用 Intl.NumberFormat 统一处理货币和千分位

项目经历

Taro / React / TypeScript

• 平台差异适配层：登录、支付、分享、定位四类能力在三个平台的接口和流程都不同，封装统一的适配层，业务代码不再写平台判断
• 体积监控：在 CI 中加入小程序包体积检查，主包或分包超出预算时阻止合并，并在 PR 里展示体积变化明细
• 灰度和回滚：小程序发版审核慢，关键功能加了远程开关，出问题时不用等审核就能关闭
• 弱网下单：用户从商家页跳支付时可能切到后台，回来后本地状态与服务端订单不一致。提交时带幂等订单号，支付回跳后重新查询服务端结果；对超时、重复点击、取消支付分别给出提示。试点地区相关客服咨询从每周 20 多件降到个位数

React Native / TypeScript / FlashList / Reanimated

App 内的门店列表、商品选购和购物车三个页面用 React Native 重写，覆盖下单流程的主要环节。

• 门店列表从 ScrollView 换成 FlashList，配合固定高度的骨架行，低端安卓机上滚动掉帧明显减少
• 商品图按可视区加载并限制解码尺寸，长时间浏览后的内存占用比原来低了约三分之一，闪退率随之下降
• 加购动画用 Reanimated 跑在 UI 线程，JS 线程忙于计算价格时动画也不掉帧

React Native / Taro / Storybook

• 沉淀 40 多个跨端组件（选择器、弹层、表单项、商品卡片等），三端视觉和交互保持一致
• 每个组件附 Storybook 示例和三端截图对比，组件改动自动生成截图对比，减少视觉回归问题
• 对日期选择、图片上传等系统能力差异大的组件只共用协议和数据校验，各端保留原生交互；减少了大量平台分支，适配新系统版本时也能按端定位问题

教育经历

个人优势

• 五年全栈开发经验，在 6 人技术团队里负责前端和一半后端服务，能独立把一个功能从页面、接口、数据库做到部署上线
• 熟悉 Next.js App Router，理解 SSR、SSG、ISR 和 RSC 的区别，用它重写官网和文档后自然搜索流量涨到原来的 2 倍多
• 后端以 NestJS + PostgreSQL + Redis 为主，排查过慢查询、索引失效和缓存一致性问题，核心接口 P95 从 800ms 左右降到 120ms
• 做过多租户 SaaS 的数据隔离和权限模型（角色 + 数据范围），前后端共用一份权限定义
• 熟悉异步任务和队列，用 BullMQ 改造过万行级 Excel 导入导出，失败行可下载错误报告
• 有数据库变更的安全习惯：加字段 → 双读 → 回填 → 删旧字段，发布前在预发用脱敏数据验证迁移耗时
• 负责过部署体系：GitHub Actions 构建镜像 + 蓝绿发布 + 健康检查，发布用户无感，异常可秒级切回
• 做过日志检索服务，把按天扫文件改为写入 ClickHouse，常用查询从分钟级降到秒级
• 落地过 RAG 客服助手（文档切片、pgvector 检索、SSE 流式输出），上线三个月人工工单减少约三分之一
• 关注成本，梳理云资源后把低频计算改为定时任务、数据库读写分离，服务器成本下降约 30%
• 技术栈：Next.js、React、TypeScript、Tailwind CSS、NestJS、Prisma、PostgreSQL、Redis、ClickHouse、Docker、GitHub Actions、pgvector / RAG

工作经历

公司做中小企业客户管理系统，技术团队 6 人，我负责前端和一半的后端服务，产品服务 300 多家企业客户。

• 官网和文档重构：官网和帮助文档原来是客户端渲染，搜索引擎收录很差，用 Next.js 重写（详见项目经历），半年内官网自然搜索流量增长到原来的 2 倍多
• 多租户数据隔离：所有业务表带租户字段，在 ORM 层统一注入租户条件，查询时如果漏了租户条件直接报错，从机制上避免数据串号
• 部署和运维：从手动登录服务器部署改为 GitHub Actions 构建镜像 + 蓝绿发布，健康检查通过后再切流量，发布过程用户无感；接入日志和告警，常见故障有对应的排查手册
• 成本控制：梳理云资源用量，把低频的报表计算改为定时任务，数据库按读写分离调整规格，服务器成本下降约 30%

游戏运营平台组，前后端共 5 人，支撑公司 3 款游戏的日常运营。

• 开发游戏运营后台（活动配置、礼包发放、玩家查询、数据报表），用 React + Ant Design Pro 搭建
• 礼包发放原来由运营填表、后端手动执行脚本，改为后台可视化配置 + 审批，发放出错的情况基本消失
• 运营查询玩家行为日志要等几分钟，用 Node.js 写了日志检索服务（详见项目经历），常用查询从 分钟级降到秒级

项目经历

Next.js / NestJS / PostgreSQL / Redis / BullMQ / Docker

• 接口性能：客户列表在大客户（几十万条数据）那里经常超时。通过慢查询日志定位问题，补了联合索引，计数改为异步更新的统计表，热点数据加 Redis 缓存并在写入时主动失效；核心接口 P95 从 800ms 左右降到 120ms
• 异步任务：Excel 导入导出原来是同步接口，万行级数据经常超时。改为 BullMQ 任务队列，前端轮询进度，失败的行生成错误报告供用户下载修改
• 权限模型：设计基于角色和数据范围的权限模型（本人、本部门、全公司），前后端共用一份权限定义，前端按钮和后端接口校验保持一致
• 发布回滚：数据库变更采用先加字段、代码双读、数据回填、最后删除旧字段的顺序；一次租户配置异常在健康检查阶段被发现，直接切回上一版镜像，没有让客户看到错误页面

Node.js / SSE / pgvector / 大模型 API

• 帮助文档按标题层级切片，向量化后写入 pgvector；用户提问时先检索相关片段，再交给大模型生成回答，答案附文档出处链接
• 回答用 SSE 流式输出，首字时间 1 秒左右；对检索不到的问题记录下来，作为补充文档的依据
• 检索结果按相似度设门槛，低于门槛直接转人工，不让模型凭空回答；上线三个月后，人工客服工单减少约 三分之一

Next.js App Router / MDX / Vercel OG

• 文档用 MDX 写，构建时静态生成，内容更新后按需再验证（ISR），不用整站重新构建
• 补齐页面标题、描述、结构化数据和站点地图，每篇文档自动生成分享卡片图
• 文档搜索用构建期生成的倒排索引，在浏览器端检索，不依赖第三方服务；首屏 LCP 稳定在 1.2s 左右

Node.js / ClickHouse / Kafka

• 游戏服务器的玩家行为日志原来按天落文件，运营查一个玩家一周的记录要扫 7 个大文件，耗时几分钟
• 改为日志经 Kafka 写入 ClickHouse，按玩家 ID 和时间建排序键，支持按玩家、事件类型、时间范围组合查询
• 常用查询从分钟级降到 1 秒以内，运营排查玩家投诉的效率明显提升；存储按月分区，过期数据自动清理

教育经历

个人优势

• 两段前端实习（电商商家中台、在线教育），能独立完成列表、表单和移动端 H5，改动会配单测和性能数据验证
• JavaScript 基础扎实，能讲清事件循环、原型链、闭包和 this 绑定，手写过 Promise、防抖节流、深拷贝等常见实现
• 读过 React 调度器（Scheduler）和 Vue 3 响应式部分的源码，写过一篇 Fiber 可中断渲染的分析文章，掘金阅读 1.4 万
• 维护开源虚拟滚动表格 react-virtual-table，GitHub 1.2k Star，处理过 40 多个 issue，熟悉 npm 包的构建、发布和语义化版本
• 做过性能优化的完整闭环：先用 Performance 面板和 Lighthouse 定位，再改，再用数据对比，实习中把订单列表首屏图片请求从 80 多个降到 30 个左右
• 熟悉移动端兼容问题，整理过 14 条 iOS / 安卓 WebView 的常见坑和解决方案，被实习团队收进新人文档
• 会写简单的 Node.js 服务，用 Koa + MySQL 给课程项目写过接口，能和后端顺畅对接口
• 习惯写测试和文档：实习期间给 20 多个工具函数补了 Vitest 单测，顺带发现了一个日期时区的线上问题
• 英语 CET-6，能直接阅读 React、Vite 的英文文档和 GitHub issue
• 技术栈：JavaScript、TypeScript、React 18、Vue 3、Zustand、Vite、Webpack、Vitest、Node.js（Koa）、MySQL

实习经历

所在团队负责商家后台（订单、商品、售后），日活商家约 8 万，技术栈 React 18 + TypeScript + Ant Design。

• 参与订单中心重构。原来订单列表、退款列表、发货列表 3 个页面各写了一套筛选表单，逻辑有出入，经常改一处漏两处；我把筛选项抽成配置（字段、组件类型、默认值、联动规则），封装 SearchForm 组件统一渲染，后续新增筛选项只改配置
• 订单列表一页 200 行，每行最多 6 张商品图，首屏图片请求 80 多个，弱网下列表要转好几秒。改为 IntersectionObserver 懒加载，并给图片 URL 拼上 OSS 缩放参数按显示尺寸取图，首屏图片请求降到 30 个左右，图片总流量减少约 70%
• 给金额计算、日期格式化等 20 多个工具函数补了 Vitest 单测，过程中发现一个按 UTC 解析日期导致「下单时间少一天」的线上问题，修复后补了时区相关的用例
• 参与每周的 Code Review，整理了一份团队 React Hooks 常见问题清单（闭包拿到旧值、effect 依赖遗漏、列表 key 用 index 等），被组里拿来做新人文档

• 用 Vue 3 + Vite 开发课程报名 H5，负责报名表单、微信支付回跳和分享海报。海报用 html2canvas 生成，处理了跨域图片导致画布被污染、iOS 上生成的图片模糊（按 devicePixelRatio 放大绘制）两个问题
• 处理 iOS 软键盘弹起遮挡输入框、安卓 WebView 下 100vh 包含地址栏导致底部按钮被挡等兼容问题，整理成团队的移动端兼容问题文档，共 14 条，每条附复现机型和解决方案
• 报名页转化埋点原来只有 PV，补上表单每一步的停留和放弃事件后发现「选择上课时间」一步流失最多，配合产品把时间选择改成默认推荐最近一期，报名转化提升约 8%

项目经历

React / TypeScript / Rollup / Vitest

面向后台场景的高性能表格组件，支持 10 万行数据流畅滚动，npm 周下载量 3000 左右，GitHub 1.2k Star，被两家公司的内部项目使用。

• 动态行高：行高不固定时无法直接算出可视区起点。先用预估高度渲染，再用 ResizeObserver 回填真实高度，维护行高前缀和数组，滚动时二分查找起始行，查找复杂度 O(log n)
• 滚动不白屏：在可视区上下各多渲染一屏作为缓冲，快速拖动滚动条时用 requestAnimationFrame 合并滚动事件，避免一帧内多次重排
• 固定列：左右固定列用 position: sticky 实现，不再拆成三张表同步滚动，代码量和滚动抖动都少了很多
• 工程化：Rollup 同时输出 ESM 和 CJS，配置 exports 字段和类型声明，支持 Tree Shaking；GitHub Actions 跑单测和体积检查，PR 体积增长超过 5% 会提示

React / Canvas / WebSocket / Yjs

三人小组的课程设计，支持多人同时画图、移动和删除图形，我负责画布渲染和协同同步部分，课程评分 优秀。

• 用 Yjs 管理白板数据，多人同时修改同一个图形时由 CRDT 自动合并，不需要自己写冲突处理
• Canvas 分三层绘制（背景网格、图形、选中框），拖动图形时只重绘选中层和图形层，200 个图形下拖动保持 60fps
• 断线重连后用 Yjs 的状态向量只同步缺失的更新，不重新拉全量数据；在弱网模拟下断开 30 秒再恢复，画布内容能正确合并

微信小程序 / 云开发 / TypeScript

和两位同学一起做的校内二手交易小程序，上线一学期注册用户 2600 多人，成交 900 多单。我负责前端和商品搜索。

• 商品列表图片多，低端机上滑动掉帧。用分页加载 + 图片按可视区懒加载，长列表超过 200 条时回收顶部节点，滑动基本不卡
• 发布商品时图片先在本地压缩到 1080 宽再上传，单张从 3~5MB 降到 300KB 左右，上传失败率明显下降
• 搜索在云函数里做分词和同义词扩展（如「自行车」「单车」），无结果率从约三成降到一成左右

教育经历

• GPA 3.7 / 4.0，专业排名前 15%，两次获校级二等奖学金
• 主修课程：数据结构、操作系统、计算机网络、数据库原理、编译原理
• 浙江省大学生服务外包创新应用大赛二等奖（团队前端负责人）