2025年程序员个人年度工作总结.docxVIP

2025年程序员个人年度工作总结

今年主要投入在公司核心交易系统的微服务化重构、智能客服系统的AI功能迭代，以及开发效率工具的持续优化三个方向。年初接手交易系统重构时，原系统是单体架构，耦合度高，单次全量部署耗时45分钟，大促期间数据库QPS峰值常触达瓶颈。我们团队用6个月完成拆分，将主流程拆分为订单、支付、库存、物流4个独立服务，引入K8s做容器编排，同时用Canal监听数据库binlog实现服务间数据同步。重构后，单次服务部署时间缩短至8分钟，大促期间通过弹性扩缩容将数据库QPS峰值从1.2万降到8000，系统可用性从99.6%提升至99.92%。过程中解决了分布式事务一致性难题，尝试过TCC模式但发现补偿逻辑复杂，最终结合本地消息表与RocketMQ事务消息，将事务失败率控制在0.01%以下。

智能客服系统方面，负责LLM模型的业务场景适配。年初用户反馈机器人回答准确率仅68%，尤其在处理售后纠纷类问题时易遗漏关键信息。我们用业务语料对Llama3进行微调，引入提示工程设计，针对不同意图（咨询、投诉、退换货）设置不同的输出模板。同时开发了意图分类模型，将多轮对话的上下文压缩至2048token内，避免长对话导致的性能下降。上线后，客服机器人的问题解决率提升至82%，日均处理量从3000单增至8000单，人工介入率从35%降至18%。年中还主导优化了模型推理服务，用vLLM替换原有的HuggingFace推理框架，结合量化技术，单实例QPS从15提升至40，推理成本降低45%。

开发效率工具上，去年搭建的自动化测试平台在今年完成2.0版本迭代。新增了接口测试的动态参数生成功能，通过分析历史请求日志自动生成测试用例，覆盖率从原来的手动编写60%提升至85%。还集成了混沌测试模块，模拟数据库宕机、网络延迟等场景，帮助团队提前发现20余处高风险代码。平台现在日均执行测试用例1.2万次，测试反馈周期从2天缩短至4小时。另外，针对团队内Go语言项目依赖管理混乱的问题，开发了依赖扫描工具，每周生成风险报告，半年内将高危漏洞数量从15个降至0，中危漏洞数量下降70%。

技术学习上，今年重点补全了云原生与AI工程化知识。考取了CKA认证，主导搭建了公司内部的K8s培训体系，组织6次线下分享，覆盖40余名开发与运维同事。AI方面，系统学习了LangChain框架，实践了RAG（检索增强生成）在客服系统的应用，解决了模型知识过期的问题。阅读了《DesigningDataIntensiveApplications》和《TransformersforNaturalLanguageProcessing》，做了3万余字的笔记，并在团队内部分享了分布式系统设计原则与大模型微调技巧。

团队协作中，作为前端与后端的接口人，主动梳理了12个跨服务调用的API文档，推动建立了每周接口联调会议机制，将接口对接耗时从平均3天缩短至8小时。带教了2名应届生，制定了“3天熟悉业务1周参与小功能1个月独立负责模块”的培养计划，目前两人已能独立完成简单需求开发。在复盘会中提出“问题根因追溯五步法”，被团队采纳为标准流程，使故障复盘效率提升50%。

不足方面，年初对智能客服系统的模型性能预估不足，导致上线初期出现过两次推理服务超时，后续通过增加缓存层和调整模型并行度解决，但暴露了容量规划能力的短板。另外，在推动开发工具平台使用时，初期过于强调功能完善，忽视了操作便捷性，部分同事反馈学习成本高，后来增加了可视化配置界面和操作视频，使用率才从40%提升至85%。

这一年从具体的代码编写到系统架构设计，从技术实现到团队能力提升，每一次问题解决都让自己对“技术服务业务”有了更深理解。无论是微服务拆分时对业务边界的重新梳理，还是AI功能迭代中对用户需求的精准捕捉，都提醒自己技术方案的价值最终要落地到实际业务效果。接下来会继续在云原生、AI工程化方向深入，同时提升技术预判能力，争取在业务需求提出前就能提供技术储备。