proginn1740460987
全职 · 300/日  ·  6525/月
工作时间: 工作日08:00-24:00、周末09:00-24:00工作地点: 远程
服务企业: 0家累计提交: 0工时
联系方式:
********
********
********
聊一聊

使用APP扫码聊一聊

个人介绍

给钱就是干

工作经历

  • 2024-07-01 -2025-07-12传智教育实习

    参与该公司的事项项目,包括黑马智慧园区,黑马鸿蒙云音乐。在黑马智慧园区项目中参与部分模块的开发,在黑马鸿蒙云音乐项目中,参与项目的完整设计,包括前端、后端。

教育经历

  • 2021-09-01 - 2025-06-01广西科技大学软件本科

    找不到工作,接单养活自己

语言

普通话
0
1
2
3
4
5
0
1
2
3
4
5

技能

Vue
ElementUI
鸿蒙
0
1
2
3
4
5
0
1
2
3
4
5
作品
easechore家务无忧

1. 本方案面向谁,解决了什么问题 本方案设计的 “家务无忧” 系统主要面向三类用户,分别解决了传统家政服务行业的核心痛点: 面向用户:普通家庭用户(如双职工家庭、独居老人家庭等)、家政服务人员、平台管理员。 解决的问题: 传统家政服务派单模式僵化,订单响应时效长(平均超过 24 小时),用户需求与服务项目匹配准确率低(不足 35%),导致服务延迟或供需错配; 服务人员积极性低,时间与服务分配不合理,尤其在高峰期(如春节)服务缺口达 60%,无法满足用户即时性需求; 用户需求表达不精准,缺乏个性化服务推荐,服务过程不透明; 平台管理效率低,订单、服务、评价等数据缺乏系统化管理,难以监管服务质量。 2. 相比于市场常规方案,本方案的特点 相较于传统家政服务平台(如传统派单模式平台、单一功能小程序等),本方案的核心特点体现在以下方面: 创新的 “用户下单 - 服务者抢单” 模式: 突破传统单向派单的局限性,通过实时订单推送(基于 WebSocket)和地理位置筛选(Redis GEO 功能),让服务人员根据自身技能、位置和时间自主抢单,提升订单响应速度(从传统 24 小时缩短至分钟级)和服务者积极性,同时解决高峰期服务缺口问题。 AI 大模型驱动的个性化服务: 集成 AI 大模型作为 “智能助手”,通过分析用户历史订单、浏览记录等数据,精准推荐符合需求的服务(如根据用户家庭人数推荐保洁时长),支持自然语言交互实现 “一键预约”,解决用户需求表达不精准、服务匹配低效的问题。 技术架构支撑高并发与实时性: 后端基于 Spring Boot 构建高并发抢单系统,结合 Redis 缓存高频数据(如服务项目、抢单信息)和 RabbitMQ 消息队列处理异步任务(如订单超时自动取消),确保高峰期系统稳定性;通过 WebSocket 实现订单实时推送,服务人员可实时接收附近订单,提升匹配效率。 跨端轻量化与规范化服务流程: 采用 Uniapp 开发*小程序(用户端 + 服务人员端),无需下载即可使用,降低用户使用门槛;同时通过 “服务前验证 - 服务中记录 - 服务后评价” 全流程规范化设计(如服务人员需提交服务前后照片),提升服务透明度和质量。 全面的平台管理能力: 管理员后台基于 Vue 开发,集成订单管理、服务类型配置、评价审核、服务人员认证等模块,支持数据可视化分析(如订单量、营收统计),解决传统平台管理分散、效率低的问题。 3. 方案的产品组成或技术选型 (1)产品组成 系统分为三个核心端,覆盖完整服务流程: 用户端(*小程序):提供注册登录、服务浏览与搜索、订单创建与管理、AI 智能咨询、地址管理、评价反馈等功能,支持*支付与消息通知。 服务人员端(*小程序):实现抢单管理(实时查看附近订单、自主抢单)、服务流程管理(服务开始 / 结束确认、现场记录上传)、个人中心(技能标签、接单范围设置)等功能。 管理员后台(Web 端):集成用户管理、服务人员审核、订单监控、服务类型配置(如添加 “深度保洁”“老人看护” 等服务)、评价屏蔽、数据中心(营收、订单量统计)等模块。 (2)技术选型 后端技术: 框架:Spring Boot(构建高并发服务,支持自动配置与模块化开发); 数据访问:MyBatis-Plus(简化数据库 CRUD 操作,提升开发效率); 实时通信:WebSocket(实现订单实时推送); 缓存与消息:Redis(缓存高频数据、地理位置计算)、RabbitMQ(处理订单超时、异步通知等任务)。 前端技术: 管理员后台:Vue 3 + TypeScript + Element Plus(构建响应式管理界面,支持组件化开发); *小程序:Uniapp(跨端开发框架,一套代码适配*小程序,支持地理位置获取、地图集成等原生功能)。 数据库: MySQL(存储结构化数据,如用户信息、订单详情、评价数据); MongoDB(存储非结构化数据,如用户与 AI 的对话记录、图片 URL 列表)。 开发工具与环境: 后端:IntelliJ IDEA 2024.1(Java 开发)、Navicat(数据库管理); 前端:HBuilderX(Uniapp 开发)、*开发者工具(小程序调试); 测试工具:Apifox(接口压测)、JMeter(性能测试)。

0
2025-07-25 12:05
更新于: 07-23 浏览: 17