负责内部会议室系统、IM即时通讯、OA产品的用户调研、需求梳理、方案制定、产出原型图和PRD等产品准备工作，三个项目涉及移动端app、PC web端。

负责美颜sdk、AR虚拟换发的用户调研、需求梳理、方案制定、产出原型图和PRD等产品准备工作，两个项目分别为移动端app和小程序。

以以太坊全节点的数据作为基础数据库进行大数据分析，类似NftFo的dapp数据展示分析平台。使用大数据体系和Java ee结合的架构，打通应用和数据的整个链路。

一款精品棋牌游戏，地道家乡规则，亲友娱乐必备！该产品里面含有跑胡子，红中麻将，桂柳麻将，跑得快，中国象棋等地方棋牌玩法。主要负责该产品的游戏框架设计和搭建，麻将玩法的设计。

《雷霆争霸2》是一款蒸汽美漫风格的2D空战射击类手游。游戏保留了经典单机雷电系列的核心玩法。本人主要负责游戏框架搭建，游戏核心业务逻辑开发，提升游戏性能。

该系统是一个物业管理系统，主要用于物业处对业主等信息的管理。采用前后端分离，前端使用vue，后端使用Springboot。在该项目中，主要负责前端页面开发，以及一些API的开发，还有进行前后端对接。项目整体已交付。

该系统主要使用shiro，redis，mybatis等技术，实现动态菜单权限，生产管理和仓库管理。我所负责的是仓库管理部分，主要是基本出库，入库，库存信息查看。

一款老虎机大转盘游戏，该项目使用的unity和xlua技术开发，画风精美，玩法独特。我在其中担任前端框架设计和前端开发，与平台对接等任务

一款策略推塔游戏，该游戏战斗玩法比较新颖，一推出就大火。我在其中担任前端unity开发，使用的是unity技术和xlua技术，lua-framework框架

负责从0到1搭建，前端使用Vue+vant ，后端采用springBoot，从微信授权等候等到业务需求的实现。包括对接积分商城等

项目基于uniapp开发，主要功能是一个在线商城，用户注册后，可以领取优惠券，缴纳物业费，在线购物等，功能和常用的商场比较类似。

项目基于flutter2和get开发，技术难点是动画，动画用的比较到，比如：按钮长按后出现圆环进度条并关闭，气泡动画等等，动画方面没有第三方扩展库，全部纯手工完成。

项目基于flutter2开发，后台使用lavavel，前后端分离，主要功能是抖音互粉、直播间引流以及抖音数据监控，app功能类似轻抖，胖球数据等 技术难点：数据实时监控

主要采用技术栈 react + webpack+ umi+ dva 技术栈，主要是数字化采购平台的功能，供应商模块 以及商城模块 ，工作流，订单管理等，

项目描述 Pulsar 是一个分布式 pub-sub 消息队列，具有非常灵活的消息传递模型和直观的客户端API, 支持多租户/弹性存储/动态负载均衡/Geo-Replication 跨机房数据复制等特性; BookKeeper 是一种可扩展，容错和低延迟的分布式存储服务; 项目地址 https://github.com/apache/pulsar, https://github.com/apache/bookkeeper Issures #4482 [pulsar-client]; 修复 pulsar-client 中生产者和消费者聚合指标统计过程中由于口径不一致产生的问题; #4054 [pulsar-client] [pulsar-broker]; 修复当发送超过5M数据时由于没有Chunking特性 或者相关 Configuration 的支持,导致客户端和服务端的异常; #2086 [bookkeeper-site]; 修复修改服务端最大消息大小后发送超过默认字节大小的数据发生异常的问题;

项目地址 https://github.com/hellozepp/myqueue 项目描述 设计支持 Exclusive/Share Mode 的消息队列, 支持客户端和服务端流量控制, 保证数据流速控制在用户配置的 Kb/s 值范围内; 支持漏桶算法和滑动窗口算法, 通过使用 Guava TpsLimeter, 解决流量分发不均匀产生的"突刺现象";

主要负责页面制作 js功能实现以及后台信息交互 主要负责页面制作 js功能实现以及后台信息交互 主要负责页面制作 js功能实现以及后台信息交互

主要负责 uniapp 微信小程序html css 页面构造 以及后台交互 页面功能逻辑实现 切图及动画实现 主要负责 uniapp 微信小程序html css 页面构造 以及后台交互 页面功能逻辑实现 切图及动画实现

项目主要采用react hook 技术栈来开发的后台管理项目，后端采用的技术栈spring boot 技术栈，为客户提供自主化的采购平台，主要功能有订单管理 地址管理 我的商城 购物车 售后 我的收藏 个人中心等等；

通过文本数据获取、中文分词、向量化后，结合14种文本分类算法进行建模预测，在没有任何调优情况下对各个算法预测准确性和耗时性能进行对比，以验证在该文本种最优的文本分类算法，项目教程发布后，fork数229，点赞数45，受到大众喜爱~