2025年程序员个人年度工作总结

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