微信小程序-艾特校园圈

本项目是一款面向年轻用户的社交 + AI 智能推荐平台，核心功能模块包括：
用户身份与关系管理：支持手机号 / 第三方账号快速注册、个人资料编辑、好友添加 / 分组、黑名单管理等，满足用户建立和管理社交关系的需求。
动态内容发布与互动：用户可发布图文、短视频动态，系统支持点赞、评论、转发、收藏等互动操作，并通过 AI 算法实现内容智能排序，提升用户浏览体验。
AI 智能推荐与匹配：基于用户行为数据和兴趣标签，通过协同过滤与深度学习模型，精准推荐好友、话题和内容，同时提供 AI 聊天助手，辅助用户破冰和话题引导。
实时通讯与社群运营：内置单聊 / 群聊功能，支持消息已读回执、文件传输、语音通话；同时提供话题社群、兴趣小组运营能力，方便用户沉淀同好圈层。
数据看板与运营后台：为运营人员提供用户增长、内容热度、互动率等核心数据看板，支持内容审核、用户行为分析和活动配置，提升运营效率。

本项目由12 人团队历时 6 个月完成，其中产品 2 人、UI/UE 2 人、后端开发 4 人、前端开发 2 人、AI 算法 2 人、测试 1 人。我作为后端技术负责人，主要负责：
主导系统架构设计，基于 Spring Cloud Alibaba 构建微服务体系，实现用户、内容、推荐、通讯四大核心服务的解耦与独立迭代；
负责用户认证、权限控制、消息队列（Kafka）和分布式缓存（Redis）的核心代码开发；
协同 AI 团队完成推荐模型的服务化封装，通过 gRPC 实现模型推理接口的高效调用。
技术栈方面，后端采用 Java + Spring Boot + Spring Cloud，数据库使用 MySQL（主业务）+ MongoDB（非结构化内容），缓存依赖 Redis；前端使用 React + TypeScript + Next.js 构建 SSR 应用，提升首屏加载速度和 SEO 表现；AI 模块基于 TensorFlow 2.x 训练协同过滤和深度兴趣网络（DIN）模型，并通过 Docker 容器化部署到 K8s 集群。
项目亮点在于：
实现了多级缓存策略，将热点数据命中率提升至 95% 以上，支撑了峰值 10 万 QPS 的并发访问；
通过灰度发布 + 全链路压测，保障了大版本迭代的稳定性，线上故障时长控制在分钟级；
AI 推荐模型的 A/B 测试显示，用户停留时长提升 28%，内容点击率提升 19%，有效提升了产品核心指标。