UI/UX设计师 & 前端开发者 | 专注渐变美学与交互式设计 核心技术能力 - 视觉设计工具： - 熟练使用 Figma、Adobe Illustrator 创作渐变配色方案，擅长从自然景观（如“Skyline”“Cool Sky”）和光影变化中汲取灵感，构建层次丰富的色彩过渡（如从浅蓝到深蓝的流体渐变）。 - 掌握 CSS3 渐变属性（ linear-gradient / radial-gradient ），可将设计稿中的渐变效果精准还原为代码，支持自定义色标位置、角度及混合模式。 - 前端开发技术栈： - HTML/CSS：精通响应式布局，使用 Flexbox、Grid 实现多设备适配，曾开发渐变背景组件库（含 200+ 预设渐变方案，如“Purplin”“Burning Orange”）。 - JavaScript：通过 GSAP、ScrollTrigger 实现渐变动画交互（如滚动触发颜色过渡、鼠标悬停渐变切换），优化页面性能至 FPS 60+。 - 框架与工具：基于 Vue3 开发渐变生成器组件，集成 Color.js 实现色值转换（HEX/RGB/HSL），支持用户自定义色标并实时预览。 专业领域经验 1. UI渐变设计体系构建 - 主导 uigradients.com 渐变库维护，设计分类标签（如“Nature”“Neon”“Minimal”），优化用户检索路径，使日均访问量提升 40%。 - 创作“Skyline”渐变方案（#1e3c72 至 #2a5298），模拟城市天际线的光影层次，被 500+ 网站采用为背景主视觉。 2. 交互式渐变组件开发 - 开发 渐变实时编辑器： - 功能：支持拖拽色标、调整角度、复制 CSS 代码，集成 Clipboard.js 实现一键复制。 - 技术实现：通过  input  事件监听色标位置变化，使用  canvas  实时渲染渐变预览，代码示例： javascript const gradientElement = document.getElementById('gradient'); gradientElement.style.background = `linear-gradient(${angle}deg, ${colorSt

全栈开发工程师 | 擅长项目全流程落地与宝塔面板部署 核心技术栈 - 前端开发： - 熟练使用 Vue3 + Vite4 开发项目，搭配 TypeScript、Pinia 实现高效状态管理，曾主导博客前台（blog-v3）和后台（blog-v3-admin）交互开发，擅长通过 pnpm 管理依赖并完成项目打包。 - 掌握静态资源部署，如将 Vue 项目打包后的  dist  文件通过 Nginx 代理访问，配置路由适配前端单页应用（SPA）。 - 后端开发： - Node.js：基于 Express 搭建博客后端服务（blog-server），使用 Nodemon 实现热更新，集成 JWT 实现用户鉴权，开发过评论系统、敏感词过滤等接口。 - 数据库：精通 MySQL，熟练使用  sequelize  操作数据库，完成博客用户、文章、评论等模块的数据建模，支持日均万次查询请求。 - 工具链：熟悉 .env 环境变量配置，支持七牛云、MinIO 等文件存储方案，通过 Docker 部署 MinIO 实现高性能对象存储。 - 部署与运维： - 宝塔面板专家：深度掌握宝塔面板操作，包括 Nginx 配置（如反向代理、WebSocket 支持）、PM2 进程管理、端口放行（如 8888、9000 端口）及数据库备份。 - 全流程部署经验：从服务器选购（如阿里云 ECS）、环境搭建（Node.js 18+、Docker）到项目上线（前端静态资源托管、后端服务代理）全链路主导，曾优化 Nginx 配置使博客页面加载速度提升 30%。 实战项目经验 1. 全栈博客系统（主导项目） - 技术架构： - 前端：Vue3 + Vite4 + Element Plus，使用  pnpm run build  打包后通过 Nginx 代理，实现前台（/）与后台（/admin）分离部署。 - 后端：Node.js + Express + MySQL，集成 WebSocket 实现评论实时推送，通过 MinIO 存储图片（配置  blog-images  桶并设置公共权限）。 - 核心能力： - 开发敏感词过滤功能，通过  request  模块调用外部接口实现内容审核，解决宝塔环境依赖缺失问题（如手动安装  reques

全栈开发工程师 | 医疗AI领域技术落地经验 核心技术能力 - 前端开发：熟练运用 Vue3 构建医疗可视化界面，结合 TypeScript、Pinia 实现状态管理，曾开发医学影像分析系统的交互组件（如病灶标注工具、数据仪表盘）。 - 后端开发： - Java 技术栈：基于 Spring Boot、Spring Cloud 搭建医疗数据接口，集成 MyBatis-Plus 操作 MySQL/PostgreSQL 数据库，使用 Redis 优化病历查询缓存。 - Python 技术栈：通过 Django/Flask 开发医疗 AI 模型服务接口，整合 Pandas 处理医疗大数据预处理任务，支持 NLP 病历质量评估系统的数据管道。 - AI 工程化：熟悉 PyTorch/TensorFlow 模型部署，曾将医学图像深度学习模型（如卷积神经网络）通过 Docker 容器化，配合 Jenkins 实现自动化 CI/CD 上线。 医疗AI项目实战 1. 智能辅助诊断系统（核心项目） - 技术架构：前端采用 Vue3 + Element Plus，后端使用 Spring Boot + Python（Flask 模型服务），数据库为 MySQL + Redis，模型基于 ResNet 医学影像分类算法。 - 职责： - 开发医生端诊断交互界面，实现医学影像（X光/CT）的上传、标注及结果可视化。 - 设计病历数据接口，对接 NLP 病历质量评估模块（基于 BERT 预训练模型），提升诊断报告规范性。 - 优化模型服务性能，通过 Docker 容器化部署使接口响应时间降低 40%，支持日均 10万+ 次诊断请求。 2. 医疗大数据分析平台 - 技术选型：前端 Vue3 + ECharts，后端 Python（Django）+ Spark，数据存储使用 Hive + ClickHouse。 - 成果： - 构建自动化数据清洗管道，处理超 10GB/日的临床数据，支持医生通过可视化图表发现治疗方案与疗效的关联规律。 - 开发科研助手模块，集成 Scikit-learn 机器学习库，协助科研团队快速构建预测模型（如疾病预后分析），缩短研究周期 30%。 3. 智能临床记录系统 - 技术亮点：基于 Vue