# 你好 👋 *这是一份简易的在线简历，你可以按下右键开始* ## 前注：说明 *（向下查看详情）* --- > Tips: > > - 向右进入下一个大标题 > > - 向下进入此大标题下的小标题 > > - 按 `Esc` 全局预览 ## 目录 [一、基本信息](#3) [二、教育经历](#4) [三、荣誉奖项](#5) [四、实习经历](#6) [五、项目经历](#7) ## 一、基本信息 - 🤪 姓名：何朝晖 - 📞 电话：15671623703 - 📧 邮箱：hezhaohui0807@163.com - 🧐 意向：后端开发（Java/Go）- 日常实习 - 🔗 仓库：http://47.121.181.112:3000/wonder ## 二、教育经历 🏫 学校：[武汉科技大学](#4/1) 📚 专业：计算机科学与技术*（国家级一流专业）* 🦴 层次：本科 > 2023-09 ~ 2027-06 --- ![](https://jsjkx.wust.edu.cn/images/22222.jpg) ## 三、荣誉奖项 **[“金山杯”华中地区高校第十八届程序设计邀请赛](#5/1)** **[国际大学生程序设计竞赛（ICPC）湖北省赛](#5/2)** --- ![](http://47.121.181.112:3000/wonder/online-slide/raw/commit/a455b80112c37d3e4b6e240b725a4a670423ec48/docs/1.jpg) --- ![](http://47.121.181.112:3000/wonder/online-slide/raw/commit/a455b80112c37d3e4b6e240b725a4a670423ec48/docs/2.png) ## 四、实习经历 **[武汉市知无涯教育科技有限公司](#6/1)** > 2025-06 ~ 2025-08 --- 1. 构建团队化开发⼯具，基于 Lark SDK 与 Gitea Webhooks 构建⻜书推送服务，仓库代码变更时⾃动推送 AI 摘要。 > [📦 lark-webhook-sender](http://47.121.181.112:3000/wonder/lark-webhook-sender) ![](http://47.121.181.112:3000/wonder/draw-io-files/raw/commit/9ef1a4fb29e4e74a476224037a090bad507db61b/lark-webhook-sender.png) --- 2. 使用 Jsoup HTML 解析库高效处理复杂网页结构，实现页面数据的精准抽取与对象封装，提供标准化数据支持。 > [📦 fund-crawler](http://47.121.181.112:3000/wonder/fund-crawler) ![](http://47.121.181.112:3000/wonder/draw-io-files/raw/commit/0bb93f5d525c0de76efaac5992859370f32a5555/fund-crawler.png) --- 3. 升级统一认证登录模块，修复 Cookie 误判失效问题，以及第三方强制验证码导致无法登录等线上问题。 --- ![](http://47.121.181.112:3000/wonder/online-slide/raw/commit/dde9e4949716de78735be1e2f09216b362a331d4/docs/3.jpg) ## 五、项目经历 **[OpenBI 智能数据分析](#7/1)** **[ThumbUP 高并发点赞系统](#7/6)** --- OpenBI 智能数据分析 > 2025-08 ~ 2025-09 *基于 Spring AI + MySQL + Redis(Redission) + RabbitMQ + PostgreSQL(PgVector) 的智能数据分析平台。⽤⼾只需要导⼊原始数据集和分析规则集，并输⼊分析诉求，就能⾃动⽣成可视化图表以及分析⻅解报告，提供⾼效数据分析能⼒。* --- 1. 为提升输出可靠性，设计 Multi-Agent 解耦业务，ChartAgent 负责图表JSON⽣成，InsightAgent 负责⻅解报告。 ![](http://47.121.181.112:3000/wonder/draw-io-files/raw/commit/f9d083f1484066221f16d275b185990b0e7baf72/multi-agent.png) --- 2. 为实现扩展性，⽀持⽤⼾⾃定义 rule-set 分析规则，⽀持 RAG 召回参考上下⽂，⽀持⼯具调⽤获取接⼝实时数据。 ![](http://47.121.181.112:3000/wonder/draw-io-files/raw/commit/f9d083f1484066221f16d275b185990b0e7baf72/rule-set.png) --- 3. 在限流⽅案的选择上，对⽐计数器、漏桶、窗⼝等多种限流机制，选⽤ Redission 实现分布式的令牌桶算法限流。 --- 4. 针对 LLM 请求耗时⻓特性，设计⾃定义 IO密集型线程池 和 RabbitMQ 消息队列，实现模型调⽤并发化和异步化。 --- ThumbUP ⾼并发点赞系统 > 2025-10 ~ 2025-11 *基于 Spring Boot + Redis + Caffeine + HeavyKeeper + Grafana 的⾼并发点赞系统。* --- 1. 基于 Caffeine + Redis 实现⼆级缓存结构，有效缓解数据库压⼒，提供⾼效率的数据访问响应。 --- 2. 针对 Redis 数据池，借助 Lua 脚本保证操作原⼦性，通过定时任务实现数据同步，使⽤补偿任务机制保证⼀致性。 --- 3. 对于超级热点数据，基于 HeavyKeeper 算法实现数据的探测，封装基于 Caffeine 的⼯具类读取到本地缓存。 --- 4. 根据字符串常量池的特性，在部分需要锁的场景下，使⽤业务前缀词和⽤⼾ID的组合字符串对象作为锁。