fix: 优化简历技术描述准确性

- 修正 ThumbUP 项目规模描述（千亿级→亿级，数十万QPS→万级QPS）
- HeavyKeeper 描述由「复现」改为「采用」
- 去除协程池「IO 密集型」不准确修饰
- 补充单机常量池锁与分布式 Redis 锁两种场景说明
- 修正 HTML 中 </br> 为 <br>

css/resume.css

@@ -317,7 +317,7 @@ body {
     color: #252525;
     line-height: 1.45;
     margin-bottom: 3px;
-    border: 1px solid #4478DF;
+    border: 1px dashed #b0b0b0;
     border-radius: 4px;
     padding: 4px 8px;
     text-align: center;

resume/index.html

@@ -139,7 +139,7 @@
             <div class="proj-header">
                 <div class="proj-title-line">
                     <span class="proj-name">Gen2D 游戏素材生成工具</span>
-                    <span class="proj-role">全栈开发 【XEngineer 开源项目 - 三等奖】</span>
+                    <span class="proj-role">全栈开发 【七牛云 XEngineer 开源项目 - 🥉三等奖】</span>
                 </div>
                 <div class="proj-date">2026-05 ~ 2026-06</div>
             </div>
@@ -155,20 +155,23 @@
                 <a href="https://gitee.com/hezhaohui123/gen2d" class="proj-link" target="_blank">https://gitee.com/hezhaohui123/gen2d</a>
             </div>
             <div class="proj-intro">
-                <span class="proj-desc">AI 2D 游戏素材生成平台，用户输入文本提示词，自动生成风格一致的 Sprite、背景、UI 元素与动画帧流.</span>
+                <span class="proj-desc">AI 2D 游戏素材生成平台，用户输入文本提示词，自动生成风格一致的 Sprite、背景、UI 元素与动画帧流。
+                    <br>支持用户提供世界观文本、参考图片、标签映射以及反馈信息，输出具备一致性的可用素材。
+                </span>
             </div>
             <div class="proj-work-title">主要工作：</div>
             <ol class="proj-work-items">
-                <li>基于字节 Eino 框架构建 DAG 工作流，引入 Reflect 自省机制以及 multi-agent 多智能体协作设计确保一致性。</li>
+                <li>构建基于有向无环图的工作流，引入 critic 自省机制实现反馈增强，基于 ReAct 架构实现轮级思考，并支持 Agent 间通信。</li>
                 <li>在分布式限流方案的选择上，对比计数器、漏桶、窗口等多种限流机制，选用 go-redis 实现分布式的令牌桶算法限流。</li>
-                <li>为增强系统可观测性，统一采集接口 QPS、AI 上游调用、任务池等核心指标，并接入 Prometheus 与 Grafana。</li>
-                <li>针对 LLM 请求耗时长特性，设计自定义 IO 密集型协程池和 RabbitMQ 消息队列，实现模型调用并发化和异步化。</li>
+                <li>为增强系统可观测性，基于 Gin 中间件以及自定义的任务协程池暴露指标，接入时序数据库与 Grafana 面板。</li>
+                <li>在不同部署方案（单机与多机）部署上，支持基于 RabbitMQ 的共享任务队列，支持基于内存的自定义单机任务队列。</li>
+                <li>对于用户偏好的多样性，支持基于渐进式披露的 skill 配置，用户反馈的动态注入，世界观文本 RAG 召回，实现上下文增强。</li>
             </ol>
 
             <div class="proj-header" style="margin-top: 12px;">
                 <div class="proj-title-line">
                     <span class="proj-name">ThumbUP 高并发点赞系统</span>
-                    <span class="proj-role">后端开发 【哔哩哔哩技术团队文章复现】</span>
+                    <span class="proj-role">后端开发 【哔哩哔哩技术团队《B站千亿级点赞系统服务架构设计》文章复现】</span>
                 </div>
                 <div class="proj-date">2025-10 ~ 2025-11</div>
             </div>
@@ -183,14 +186,16 @@
                 <a href="http://47.121.181.112:3000/wonder/thumb-up" class="proj-link" target="_blank">http://47.121.181.112:3000/wonder/thumb-up</a>
             </div>
             <div class="proj-intro">
-                <span class="proj-desc">高可用的高并发点赞系统</span>
+                <span class="proj-desc">中台化的高并发点赞系统，支撑多业务场景的点赞交互与数据查询。
+                <br>应对亿级数据规模与万级QPS高并发流量，提供高可用、可扩展的基础服务。</span>
             </div>
             <div class="proj-work-title">主要工作：</div>
             <ol class="proj-work-items">
+                <li>为避免缓存穿透，构建布隆过滤器与空值短缓存双重机制；为避免缓存击穿，将热点数据加互斥锁，确保单线程回源重建。</li>
                 <li>基于 Caffeine + Redis 构建二级缓存，热点 Key 提升至本地缓存，避免冷数据污染，降低 Redis 访问压力。</li>
                 <li>Lua 脚本保证点赞原子性，10 秒时间片分桶暂存增量，定时任务批量落库，补偿任务每日兜底，保障最终一致性。</li>
-                <li>复现HeavyKeeper算法实现 Top-K 热点探测，最小堆维护热点集，概率衰减淘汰冷 Key，周期 fading 适配流量变化。</li>
-                <li>利用字符串常量池特性，以业务前缀+用户ID为锁对象，实现同用户串行，不同用户并行，减少锁竞争，提升吞吐量。</li>
+                <li>对比CMS算法，采用HeavyKeeper实现Top-K探测，利用指数衰减淘汰冷Key，解决高频更新准确率问题，适配流量变化。</li>
+                <li>单机场景利用字符串常量池特性，以业务前缀+用户ID为锁对象；多机场景基于 Redis 实现分布式锁，保障多实例数据一致。</li>
             </ol>
         </div>
 
@@ -204,7 +209,7 @@
                 <li>熟悉缓存技术，理解多级缓存的设计，以及高并发场景下的缓存策略，如旁路缓存、读/写穿透、异步写回。</li>
                 <li>熟悉消息队列，理解主流中间件选型、路由、持久化原理、事务、死信队列机制、推拉结合模式、集群化部署。</li>
                 <li>熟悉多集群环境下的持续集成部署，理解 K8s 下的应用发布、弹性扩缩容、灰度发布、健康检查及可观测体系建设。</li>
-                <li>探索 AI 前沿工程实践，理解上下文工程与驾驭工程，理解蜂群协作体、沙箱与权限治理、多级记忆管理、循环状态机。</li>
+                <li>探索 AI 前沿工程实践，理解 Context Engineer 与 Harness Engineer，理解智能体架构、权限治理、可插拔配置等。</li>
             </ul>
         </div>
     </div>