Projects

实践案例

动手构建的编程项目,记录思路、技术选型与踩坑经验

🐳

Docker + GitHub Actions 自动化部署流水线

从 Dockerfile 编写到 GitHub Actions 工作流配置,实现代码推送后自动构建镜像、运行测试并部署到云服务器。支持多环境(dev/staging/prod)的差异化部署策略。

DockerGitHub ActionsCI/CDNginx
关键收获:多阶段构建(multi-stage build)能将镜像体积减少 60% 以上,生产环境只保留运行时依赖。

Spring Boot 微服务脚手架

基于 Spring Boot 3 + Spring Cloud 搭建的微服务基础框架,集成服务注册(Nacos)、配置中心、API 网关、链路追踪(SkyWalking)与统一日志收集,可作为新项目的起点。

JavaSpring BootSpring CloudNacos
关键收获:Spring Boot 3 的虚拟线程(Virtual Threads)在 IO 密集型场景下吞吐量提升明显,值得在新项目中优先考虑。
🟩

Node.js 实时协作 API 服务

基于 Fastify + WebSocket 构建的实时协作后端服务,支持多用户同时编辑、操作冲突解决(OT 算法)与消息持久化,配合 Redis 实现水平扩展。

Node.jsFastifyWebSocketRedis
关键收获:Fastify 的序列化性能比 Express 快约 2 倍,在高并发场景下优势明显,schema 验证也更严格。
🤖

AI 数据分析自动化流水线

用 Python + LangChain Agent 实现自然语言查询数据库,自动生成分析报告与可视化图表。用户输入问题,Agent 自动生成 SQL、执行查询、分析结果并输出 Markdown 报告。

PythonLangChainSQLiteMatplotlib
关键收获:给 Agent 提供清晰的数据库 Schema 描述比复杂的 Prompt 更有效,减少了 80% 的 SQL 错误。
📊

Python 爬虫 + 数据可视化看板

使用 Scrapy 抓取目标网站数据,经 Pandas 清洗后存入 PostgreSQL,再通过 Streamlit 构建交互式数据看板,支持自定义时间范围与多维度筛选。

PythonScrapyPandasStreamlit
关键收获:Streamlit 的 cache_data 装饰器对数据加载性能影响巨大,合理设置 TTL 能避免重复查询数据库。