/tag/golang

需要 golang 技术，有胆子但没工作的，加我私聊 dGc6IEBNYWxheU91dHNvdXJjZQ==

核心要求（精通） Golang Gin 或 Go-Zero 框架 PostgreSQL Redis （缓存、限流、状态管理） WebSocket （实时通信、低延迟，实时最高 500 同时在线） REST API 设计 JWT/Token 认证机制 安全设计（权限控制、防越权、防刷接口、接口安全、数据保护等） 具备独立系统设计能力（模块拆分、服务解耦、状态流设计） 网页防爬虫 熟练使用 AI ，减少开发周期 前端要求（熟悉） Vue3 TypeScript Vite WebSocket 前端通信 Pinia/状态管理 Element Plus 或类似后台框架 部署要求（熟悉） Docker Linux 服务器部署 Nginx CI/CD 基础流程 最好有过的其中的经验 SaaS 系统开发经验 私有化部署系统经验 IM/在线客服/实时监控系统经验 SDK 或平台型产品开发经验 低代码平台开发经验 可扩展系统架构设计经验 可视化编辑器开发经验 拖拽搭建系统开发经验 Tauri 桌面应用开发经验 对<实践论><矛盾论>有较深理解 希望你： 人品好，有原则，有责任心，合作精神 可远程合作,但要求全职 能力过硬，能独立负责开发，维护，效率高 沟通及时，沟通理解能力强 身体健康，少/不喝酒 请你提供： 个人情况 个人项目案例 项目和股权简介 项目正在运营，现产品技术弱水平不够，急需一款高性能的产品垄断市场。 有初代产品（低质量）验证市场和盈利（非正式推广）的 5 个月营收流水 7 位数明细。 有三年行业经验总结和最全面的行业旗舰产品完整设计方案。 现有客户展示，不是构思项目阶段。 合作 50/50 股份，你负责全部技术问题，我负责推广营销变现。 项目年盈利高于 8 位数(保守) 开发周期，预计 2-4 个月（含主要 bug 修复，主性能优化），主要功能完善后即可开始投放。 投放即有老客户付费内测，在主体性能稳定后正式推广，周期大概 1 个月后有稳定收入，且逐月高递增，3-5 月后趋于稳定状态，半年后几乎垄断市场。 项目寿命预计 5 年内稳定 联系方式： 请发邮件到： [email protected] 大概介绍一些您的情况和联系方式。以及对<实践论><矛盾论>的理解。

核心要求（精通） Golang Gin 或 Go-Zero 框架 PostgreSQL Redis （缓存、限流、状态管理） WebSocket （实时通信、低延迟，实时最高 500 同时在线） REST API 设计 JWT/Token 认证机制 安全设计（权限控制、防越权、防刷接口、接口安全、数据保护等） 具备独立系统设计能力（模块拆分、服务解耦、状态流设计） 网页防爬虫 熟练使用 AI ，减少开发周期 前端要求（熟悉） Vue3 TypeScript Vite WebSocket 前端通信 Pinia/状态管理 Element Plus 或类似后台框架 部署要求（熟悉） Docker Linux 服务器部署 Nginx CI/CD 基础流程 最好有过的其中的经验 SaaS 系统开发经验 私有化部署系统经验 IM/在线客服/实时监控系统经验 SDK 或平台型产品开发经验 低代码平台开发经验 可扩展系统架构设计经验 可视化编辑器开发经验 拖拽搭建系统开发经验 Tauri 桌面应用开发经验 对<实践论><矛盾论>有较深理解 希望你： 人品好，有原则，有责任心，合作精神 可远程合作,但要求全职 能力过硬，能独立负责开发，维护，效率高 沟通及时，沟通理解能力强 身体健康，少/不喝酒 请你提供： 个人情况 个人项目案例 项目和股权简介 项目正在运营，现产品技术弱水平不够，急需一款高性能的产品垄断市场。 有初代产品（低质量）验证市场和盈利（非正式推广）的 5 个月营收流水 7 位数明细。 有三年行业经验总结和最全面的行业旗舰产品完整设计方案。 现有客户展示，不是构思项目阶段。 合作 50/50 股份，你负责全部技术问题，我负责推广营销变现。 项目年盈利高于 8 位数(保守) 开发周期，预计 2-4 个月（含主要 bug 修复，主性能优化），主要功能完善后即可开始投放。 投放即有老客户付费内测，在主体性能稳定后正式推广，周期大概 1 个月后有稳定收入，且逐月高递增，3-5 月后趋于稳定状态，半年后几乎垄断市场。 项目寿命预计 5 年内稳定 联系方式： 请发邮件到： [email protected] 大概介绍一些您的情况和联系方式。以及对<实践论><矛盾论>的理解。

核心要求（精通） Golang Gin 或 Go-Zero 框架 PostgreSQL Redis （缓存、限流、状态管理） WebSocket （实时通信、低延迟，实时最高 500 同时在线） REST API 设计 JWT/Token 认证机制 安全设计（权限控制、防越权、防刷接口、接口安全、数据保护等） 具备独立系统设计能力（模块拆分、服务解耦、状态流设计） 网页防爬虫 熟练使用 AI ，减少开发周期 前端要求（熟悉） Vue3 TypeScript Vite WebSocket 前端通信 Pinia/状态管理 Element Plus 或类似后台框架 部署要求（熟悉） Docker Linux 服务器部署 Nginx CI/CD 基础流程 最好有过的其中的经验 SaaS 系统开发经验 私有化部署系统经验 IM/在线客服/实时监控系统经验 SDK 或平台型产品开发经验 低代码平台开发经验 可扩展系统架构设计经验 可视化编辑器开发经验 拖拽搭建系统开发经验 Tauri 桌面应用开发经验 对<实践论><矛盾论>有较深理解 希望你： 人品好，有原则，有责任心，合作精神 可远程合作,但要求全职 能力过硬，能独立负责开发，维护，效率高 沟通及时，沟通理解能力强 身体健康，少/不喝酒 请你提供： 个人情况 个人项目案例 项目和股权简介 项目正在运营，现产品技术弱水平不够，急需一款高性能的产品垄断市场。 有初代产品（低质量）验证市场和盈利（非正式推广）的 5 个月营收流水 7 位数明细。 有三年行业经验总结和最全面的行业旗舰产品完整设计方案。 现有客户展示，不是构思项目阶段。 合作 50/50 股份，你负责全部技术问题，我负责推广营销变现。 项目年盈利高于 8 位数(保守) 开发周期，预计 2-4 个月（含主要 bug 修复，主性能优化），主要功能完善后即可开始投放。 投放即有老客户付费内测，在主体性能稳定后正式推广，周期大概 1 个月后有稳定收入，且逐月高递增，3-5 月后趋于稳定状态，半年后几乎垄断市场。 项目寿命预计 5 年内稳定 联系方式： 请发邮件到： [email protected] 大概介绍一些您的情况和联系方式。以及对<实践论><矛盾论>的理解。

佬友们，有系统学习golang开发之类的资源推荐吗，或者说B站上推荐的也可以，目前有点迷茫，go只会基础的做一些工具，主要想走运维开发的方向。 6 个帖子 - 4 位参与者 阅读完整话题

唉，鼠鼠找不到工作捏!今年1-3月在某大型对日外包实习(golang开发)，纱x 女 mentor，想要的东西从来不说，让我去猜，猜不对就压力我，还让我主动带领团队，我一个实习仔我带领你M，天天压力我，pua我加班，动不动就要开除，遂被开除。到了4月，又到一个很小的对日外包，搞什么Cobol转java，干了十几天，实在搞不明白cobol，上古语言，代码里的注释都是97，96年的，比我年龄还大，难搞，遂离。 6 个帖子 - 6 位参与者 阅读完整话题

如题,求个利用go语言写的即时通讯教程,简历上有写相关内容,打算找个视频补充一下这方面的知识 2 个帖子 - 2 位参与者 阅读完整话题

职位信息 岗位：Golang 后端工程师 类型：全职/兼职 *工作地点：远程或深圳线下 薪资：（全职）固定薪资+ 期权 （兼职）按工时结算 团队规模：15 人创业团队，产品/技术/市场/运营齐备 主要工作 参与后端架构设计与核心模块开发，保证 API 高可用、高并发。 负责数据模型、MySQL / Redis / MongoDB 优化和维护。 搭建并维护基础 AI 推理服务（模型部署、监控、告警）。 实现多 Agent 协同与任务调度，确保业务流程顺畅。 和产品、前端、运营配合，按周迭代需求。 我们希望你具备 3–5 年 Go 后端开发经验，基础扎实，熟悉 Gin / GORM ，理解并发编程和常见性能问题。 熟悉 MySQL 、Redis 、PostgreSQL 等常用存储，能完成数据建模、性能优化和问题排查。 有后端系统设计经验，理解微服务、幂等、分布式锁、消息队列等常见机制。 熟悉 Docker / K8s ，了解服务部署、监控告警和基本运维。 代码质量意识好，注重可读性、可测试性和长期维护。 沟通顺畅，自驱力强，能适应创业团队的节奏，推动事情落地。 加分项 有高并发、大流量系统经验，能讲清架构演进和关键技术决策。 对数据库、缓存、消息队列或存储中间件有深入理解。 有开源贡献，或参与过基础组件、中间件相关开发。 了解 Agent / RAG / MCP / LangChain 等 AI 工具链，有实际落地经验。 有跨境电商、SaaS 产品经验。 懂一些前端协作更好。 简历投递邮箱： [email protected] weixin:godhaveajoke

golang 可能比较小众，当时毕业部门技术栈是go,在b站刷到这个技术博主全是技术干货，因为当时刚转go,跟着他学基础和研究源码，甚至地铁上都看他的b站视频奉为经典，到了痴迷的地步。 6 个帖子 - 4 位参与者 阅读完整话题

目前，tkrok 第 7 代，实现代码行业达到了 20+ 万行，即将达到个人维护的边界。为方便后续个人远程开发者可以方便地接入项目维护工作，特此将第 6 代实现重构升级。分享给社区，为 golang 微服务兴旺，肋力。也方便后续开发者接手了解生产级的代码实现，为自学的开发者指南。 接口契约优先 · 实现细节隐藏 · 协作零泄露 🎯 核心目标拆解 ✅ 服务提供方：只暴露 IDL + 生成的 Client/Handler 接口，隐藏业务实现 ✅ 服务消费方：仅依赖 RPC 客户端代码，无需拉取服务端源码 ✅ 协作开发：通过契约版本协商变更，避免「改接口改到崩溃」 ✅ 安全管控：私有仓库 + 权限隔离 + 依赖审计，防止源码泄露 💡 本质： 「接口定义仓库」与「业务实现仓库」物理分离 + 自动化代码生成 🏗️ 整体架构设计（参考字节/腾讯实践） 📦 公司 Git 组织 ├── 🔓 idl-registry/ # [公开] 接口定义仓库（只含 IDL + 生成代码） │ ├── user-service/ │ │ ├── user.thrift # 服务契约（唯一真理源） │ │ ├── kitex_gen/ # 自动生成的 Client/Handler/Model │ │ ├── go.mod # module company.com/idl/user-service │ │ └── README.md # 接口变更规范 + 版本日志 │ └── order-service/ │ └── ... │ ├── 🔐 user-service-impl/ # [私有] 服务端实现仓库（仅内部可见） │ ├── handler/ # 业务逻辑实现（实现 idl 定义的 Handler 接口） │ ├── main.go # 服务启动入口 │ ├── go.mod │ │ require company.com/idl/user-service v1.2.0 # 依赖接口仓库 │ └── .gitignore # 禁止提交 handler 业务代码到 idl 仓库 │ ├── 🔐 order-service-impl/ # [私有] 其他服务实现 │ └── ... │ └── 🔐 internal-tools/ # [私有] 代码生成/发布工具链 ├── kitex-gen-wrapper.sh # 封装 kitex 生成命令 └── publish-idl.sh # 自动打标签 + 推送到私有 GOPROXY 🔑 关键原则： idl-registry ： 只含接口契约 + 生成代码 ，权限开放给所有开发者 *-impl ： 仅含业务实现 ，权限严格管控，禁止外部访问 消费方 go.mod 只依赖 company.com/idl/* ， 永远不依赖 *-impl

求佬们推荐一下golang的学习路线，刚毕业很迷茫，感觉什么会一点，但是又感觉什么都不会 10 个帖子 - 8 位参与者 阅读完整话题

上一家是在某物联网公司实习做物联网平台和电力工控，接触到的业务逻辑很少，每天都是和协议状态流转打交道，会点简单的基本库，不知道下一步该怎么走了，求golang大佬给点建议 4 个帖子 - 4 位参与者 阅读完整话题

如题，我发现我用codex在开发golang的程序的时候，起了一堆gopls，会把我电脑的内存慢慢吃完，子任务结束了也没有退出gopls。 1 个帖子 - 1 位参与者 阅读完整话题

之前站上找了运维，现在稳定合作中 项目是量化机器人 懂钱包策略交易的最好

之前站上找了运维，现在稳定合作中 项目是量化机器人 懂钱包策略交易的最好

关于公司 CWILL （畅销家）是一家深耕国际电商生态的 B2B SaaS 平台公司，总部在深圳。公司有 10+ 款 SaaS 产品，覆盖跨境电商从供应链、店铺建设、营销获客、物流追踪到售后管理的全链路，旗下包括 ParcelWILL 、TrustWILL 、ChatWILL 、SendWILL 、SEOWILL 等。 服务客户：Shopify 、WooCommerce 、Amazon 、eBay 、SHEIN 、DJI 、Banggood 、LUX SKIN 、BITTERLIEBE 团队规模：200+ 成员遍布全球，15% 有海外留学背景，20% 硕士及以上 核心成员来自 PayPal 、华为、VIVO 、Airbnb ，以及北大、中南、哥伦比亚、墨尔本大学 公司没有"总"，只有哥和老师； 90 后为主，扁平、直接，好想法能被快速落地 公司官网： https://www.cwill.com （请注意：下文所有联系方式均为 我个人 的，与官网无关） 在招岗位（共 5 个，深圳） 内推联系方式见文末。下文每个岗位列出最关键的信息，更完整的 JD （含加分项）也一并附上。 1. 中高级产品经理（海外产品） · 15–25K · 急招 B 端 SaaS · 3 年以上 · 不是需求搬运工，是商业问题的终结者 岗位职责 深耕 SaaS / Tracking 场景，挖掘跨境电商 B 端客户痛点，设计有竞争壁垒的产品方案 以"数据 + 用户洞察"双驱动定义 Roadmap ，搭建埋点与数据看板，围绕 GMV 、履约时效、留存等核心指标迭代 主导 A/B 测试，用实验结果代替主观判断；串联研发、Marketing 、客户成功推动落地 资源有限时合理排优先级，果断否决"伪需求"，保持产品聚焦 持续监控海外电商政策与竞品动态，预判未来 6–12 个月机会，定期输出趋势快报 任职要求 3 年以上产品经验，有 B 端产品或 SaaS 平台经验者优先 熟练使用 Axure / Sketch ，具备基础 SQL ，熟悉 Google Analytics 等数据工具 PRD 文档清晰规范，逻辑与共情并重； MVP 思维，拒绝功能堆砌 加分项 ：英语可作为工作语言 · 海外团队对接经验 · 熟悉跨境电商业务链路 2. 高级运维工程师（海外云） · 25–35K AWS / GCP · Kubernetes · 多云架构 · 6 年以上 · 支撑全球 SaaS 基础设施 岗位职责 负责 AWS （主）及 GCP 、阿里云日常资源管理、实例维护与成本优化 Kubernetes 集群管理 + CI/CD 流水线，保障应用高效稳定交付 参与 OpenSearch / Prometheus / Grafana / ELK / Zabbix 监控与日志平台建设 MySQL 、PostgreSQL 、Redis 、MongoDB 数据库，以及 Kafka 、RabbitMQ 、Nginx 等中间件运维 Shell / Python / Go 脚本提升运维效率，对工具二次开发 配合推进 GDPR 、SOC2 等合规整改，执行权限最小化与安全审计 任职要求 大专及以上，计算机相关专业，6 年以上互联网 / SaaS 运维经验 熟悉 AWS 或 GCP 常用服务（ EC2 、S3 、RDS 、VPC 等），掌握 Docker 与 K8s 日常管理 熟悉 Prometheus 、Grafana 、ELK 、Zabbix 部署与维护 MySQL / Redis 等数据库日常运维与优化，Linux 管理与故障排查熟练 Python / Go / Shell 脚本编写能力，Ansible 、Terraform 、Jenkins 、ArgoCD 至少熟悉一项 加分项 ：AWS + GCP 多云混合部署 · 云原生（ ServiceMesh / Helm / ArgoCD ） · 合规整改 / 安全审计 · 国际化 SaaS 运维 3. Golang 中高级工程师 · 18–30K 后端开发 · 微服务 · 真实大规模 SaaS 流量场景 · 3 年以上 Go 经验 岗位职责 负责核心业务系统模块的架构设计与开发，保障性能、可用性与可扩展性 主导技术选型与项目重构，推动代码分层规范化、数据结构化 编写高质量技术文档与 API 文档 参与高并发、高性能场景的技术攻坚，主导核心架构设计 指导初中级开发人员，组织技术分享与代码评审 任职要求 计算机相关专业，专科及以上； 5 年以上开发经验，至少 3 年 Golang 熟练 Go 及常见组件（ gin 、viper 、cobra 、zap 、testify 、nacos 等） 熟悉 MySQL 、Redis 分布式缓存设计，以及 Kafka / RocketMQ / RabbitMQ gorm / xorm 、微服务架构与 gRPC （ go-micro / kratos / kitex ） 熟悉 Linux ，了解 Docker 及 DevOps CI/CD ，沟通与抽象能力良好 加分项 ：0 → 1 Go 微服务或大型系统重构 · Jaeger / SkyWalking 链路追踪 · Prometheus / Grafana 监控体系 · AI 项目落地 / LangChain / LangGraph 4. AI 解决方案 / 产品经理（效率效能） · 15–30K AI 产品 · 企业效率 · BA + PM + PMO 三合一 · 4–6 年经验 面向三类背景人才开放：流程体系型（ SA / BA / PMO ）、企业效率工具（协同办公 / 工作流 / 低代码平台）、研发效能产品。 岗位职责 规划并落地公司 AI 应用产品与组织效率提升体系，用 AI 改造研发、运营、客服、内容等核心流程 打造企业级 AI 工作助手（ AI Copilot ）和自动化工作流体系 统筹公司办公协同系统整体规划（工具选型、使用规范、推广与优化） 调研各业务团队效率瓶颈，识别 AI 提效场景，输出系统化解决方案 设计 AI Agent 工作流，建立效能度量（使用率 / 自动化比例 / ROI ） 任职要求 本科及以上，4–6 年 PM 经验； AI 应用产品 / 企业效率工具 / 内部工具平台经验者优先 能快速理解复杂业务流程，识别 AI 应用机会 熟悉 Prompt Engineering 、AI Copilot 、RAG 、AI Agent 、LLM 应用设计等典型落地场景 能推动 AI 产品从 0 到 1 落地，跨部门沟通与项目推进能力强 加分项 ：AI 应用产品成功落地案例 · 客服 / 营销 / 内容 AI 经验 · 研发效能 / 企业效率平台经验 5. 英文 SEO 运营 · 15–22K 海外 SEO · 英语优先 · 3 年以上 · 全球英语用户 岗位职责 海外网站 SEO 策略制定与执行，目标：自然流量、关键词排名、页面转化 高质量英文 SEO 内容策划、撰写与优化（文案、博客、产品描述、落地页） 关键词深度挖掘 + 目标用户画像，制定精准内容策略并持续迭代 Google Analytics 、Search Console 、Ahrefs 、Similarweb 等工具监控分析 网站结构优化、内链布局、页面速度、异常页面处理 结合 EDM 、社交媒体、YouTube 等多渠道协同； AI 工具提升内容效率；外链建设 任职要求 本科及以上，英语专业优先；书面与口语优秀（雅思 7+ 或同等水平更佳） 3 年以上海外 SEO 内容运营经验 熟练 Google Analytics 、Search Console 、Ahrefs 、Similarweb 、SEMrush 优秀的英文内容策划与原创写作能力 良好的数据分析能力与跨部门协作能力 加分项 ：AI 内容生成工具实战 · 多渠道内容矩阵运营 · 跨境电商行业背景 工作信息 工作地点 ：深圳 · 华为地铁站 · 有所为大厦 工作时间 ：8:50 – 18:30 （灵活打卡 30 分钟） 福利待遇 七险一金 + 重疾险 + 责任险（额外商业险） 月薪 + 项目奖金 + 年终奖 + 年底分红，合伙人通道与股权激励 学习成长：购书全额报销、外部培训报销、定期技术分享与读书会 每周运动：周二篮球、周四羽毛球、公司跑团 餐饮：每月部门聚餐经费、不定期下午茶 & 水果 假期关怀：带薪年假、女生每月专属半天假、年度体检、"畅基金"应急援助 节日福利：妇女节、程序员节彩蛋、端午 / 中秋、圣诞、六一儿童节、不定期团建 团队画像 200+ 成员，分布在全球各地 20% 硕士及以上学历，15% 有海外留学背景 核心成员来自 PayPal 、华为、VIVO 、Airbnb 学校背景：北大、中南、哥伦比亚、墨尔本大学等 90 后为主体，扁平化，没有"总"，只有哥和老师 联系内推人 📧 简历投递邮箱 （ Base64 ）： bGlhbmd6aGltaW5nem1AZ21haWwuY29t 邮件主题建议 ： [内推] 岗位名 - 姓名 （例： [内推] Golang 中高级工程师 - 张三 ） 邮件请包含 ： 姓名 + 联系电话 简历附件，或在线简历链接（ Boss 直聘 / 领英 / 个人网站均可） 简短自我介绍（可选） 我收到后会先做基础匹配，然后帮你递到对应部门负责人，正常会在 3 个工作日内给反馈。 📄 完整 JD 与公司介绍（带详细页面）： https://cwill-jd.vercel.app/

对网址导航功能要求不高，一直想自己做一个。 Go 单体服务，SQLite 存储，JWT 登录，REST API ，内置静态前端。 https://github.com/kuhou/my-navigation

AI 平台开发工程师 链接： https://neitui.italent.cn/37wan/sharejobs/detail?shareId=4feb16bb-99e4-4d56-822b-e2803bd155b1&language=zh_CN 工作职责 1.负责 AI 应用开发范式的设计以及 AI 基础设施的建设，支持公司 AI 应用的快速落地； 2.与产品和算法团队紧密协作，把业务的 AI 需求转化为技术解决方案，并提供对应的系统底座工具； 3.确保 AI 应用系统架构稳定且高效地运行，助力业务优化性能、增强系统稳定性； 4.持续追踪前沿技术趋势，关注并探索 AI 新应用，适时引入新技术与新方法，不断提升产品在技术和工程架构方面的先进性。 任职资格 1 、本科及以上学历，计算机相关专业优先，具有 5 年及以上相关工作经验； 2 、熟练掌握 Python 、Go 等编程语言，具备扎实的数据结构与软件工程基础，以及较强的系统架构设计能力； 3 、具备企业级人工智能平台或应用研发经验，有 Dify 、OpenClaw 等平台或相关产品实践经验者优先； 4 、具备较强的产品意识，拥有良好的数据分析能力、逻辑思维能力及沟通表达能力； 5 、具备良好的项目推进能力与团队协作精神，能够熟练阅读和理解英文技术文档。 ================================================================== 资深前端开发工程师 链接： https://neitui.italent.cn/37wan/sharejobs/detail?shareId=e3024501-38c4-4341-8384-15e8e93c00ca&language=zh_CN 工作职责 1 、负责集团核心产品（涵盖研运平台、推广系统、企业信创平台、AIGC 应用等）的前端整体技术方案设计与落地，包括需求评审、技术选型、架构设计及核心功能开发； 2 、主导核心系统的前端架构演进与性能优化，保障系统在复杂业务场景下的高可用性、稳定性及良好的用户体验，能够快速定位并解决线上问题； 3 、推动前端工程化与体系化建设，包括但不限于组件库、设计系统、构建工具链、微前端架构等基础设施的建设与持续演进； 4 、深度参与业务建设，从技术视角驱动业务效率提升与体验优化，能够抽象通用能力，提升多业务线复用与协同效率； 5 、跟踪前端及 AI 相关技术发展趋势，开展技术预研与落地实践，推动 AI 在前端研发流程中的应用（如代码生成、自动化测试、智能评审等），提升团队整体研发效能； 6 、参与团队技术氛围建设，通过技术分享、最佳实践沉淀、Code Review 等方式，提升团队整体技术水平。 任职资格 1 、本科及以上学历，计算机或相关专业，3 年及以上前端开发经验；具备全栈开发经验（如 Node.js ）或后台开发经验者优先 ========================================================= 资深测试开发工程师 链接： https://neitui.italent.cn/37wan/sharejobs/detail?shareId=a00037cd-b06a-44c2-b0d3-b92050c44322&language=zh_CN 工作职责 1. 负责 AI 类产品（包括大模型应用、智能对话系统、AIGC 工具等）的功能、性能、可靠性、数据质量及 AI 特有维度（如输出一致性、幻觉识别、提示词鲁棒性、偏见与公平性）的测试策略制定与执行； 2. 设计并开发面向 AI 场景的自动化测试框架与工具链，覆盖模型 API 接口测试、批量推理验证、评测数据集自动化比对、反馈闭环验证等关键环节； 3. 构建和维护 AI 测试数据集、评测基准及效果度量体系，协同算法团队开展模型迭代的质量评估与回归验证； 4. 参与 AI 产品需求与技术方案评审，识别 AI 特性相关质量风险（如上下文依赖异常、长程推理失效、多模态输入兼容性等），推动可测性设计落地； 5. 持续优化测试效能，推动 AI 测试能力嵌入 CI/CD 流程，实现模型版本、服务版本、前端应用的端到端质量门禁。 任职资格 1. 本科及以上学历，计算机科学、人工智能、软件工程或相关专业，具备 4 年以上软件测试经验，其中至少 2 年聚焦 AI/机器学习类产品的测试或测试开发实践； 2. 熟练掌握 Python 编程，熟悉主流测试框架（如 Pytest 、Behave ）及 HTTP/gRPC 接口测试工具；具备构建轻量级自动化测试平台或插件的实际经验； 3. 了解常见 AI 技术栈，包括但不限于大语言模型（ LLM ）基础原理、Prompt Engineering 、RAG 架构、模型服务化（ vLLM 、Triton ）及典型 AI 开发框架（ Hugging Face 、LangChain 等），能理解模型输入输出逻辑并设计有效验证方法； =============================================================== 高级 golang 后端开发工程师 链接： https://neitui.italent.cn/37wan/sharejobs/detail?shareId=d489a903-1798-4d59-b860-c3155656555d&language=zh_CN 工作职责 1. 主导平台增长业务系统的开发与优化，包括但不限于：私域运营管理中台、用户增长与活动系统、触达与用户召回平台； 2. 负责系统架构设计、性能优化和技术升级，确保系统高可用性、可扩展性和安全性。 任职资格 1. 5 年及以上服务端开发经验，精通 Golang 语言特性及生态系统； 2. 深入理解分布式系统架构，熟练掌握 MySQL 、Redis 、Kafka 等中间件的应用与调优； 3. 熟悉 Kubernetes 集群运行原理，具备微服务架构设计与治理经验； 4. 个人素质要求： 对技术有浓厚兴趣，具有持续学习精神； 良好的问题分析与解决能力； 优秀的团队协作与沟通能力。 5. 加分项： 有支付系统或用户增长平台开发经验； 有电商或游戏平台核心系统开发经验； 有带领大型项目经验（项目负责人职责）。 =============================================================== 资深 golang 开发工程师 链接： https://neitui.italent.cn/37wan/sharejobs/detail?shareId=2753f97c-24b7-4b7e-b8fc-dc49d2454f9b&language=zh_CN 工作职责 1 、负责核心业务广告投放产品的迭代升级和持续优化； 2 、参与需求分析、技术方案设计、代码编写、单元测试及系统上线全流程，保障交付质量与进度； 3 、配合产品、前端、测试等团队协作，推动项目高质量落地。 任职资格 1 、3 年以上后端开发经验，编程语言不限 (如果具备 GO 、PHP 经验最佳) ； 2 、熟悉 MySQL 、Redis 、Kafka 等常用中间件，具备数据库设计、SQL 优化及缓存策略应用能力； 3 、对自我认知清晰、有良好自驱力以及解决问题能力，能够相互成就和团队共同进步走得更远； 4 、对互联网广告业务有深刻理解或有 AI 赋能实践案例的优先。 ============================================================= AI 算法工程师 链接： https://neitui.italent.cn/37wan/sharejobs/detail?shareId=7c45eb95-1cd6-44ab-99cb-b788447d3423&language=zh_CN 工作职责 1. 负责 AI 算法在业务的落地和优化，包括但不限于内容生产、智能助手、本地化翻译、chatBI 、代码生成等； 2. 探索大模型 Post-Training 、Inference 、RAG 、Agent 等相关技术的业务落地，优化算法的效果和产品体验； 3. 研究和优化图文音视频等多模态生成模型，解决目前 AI 在生成质量、多样性、可控性等方面的问题，提升生产效能。 任职资格 1.本科及以上学历，熟练掌握深度学习、机器学习、自然语言处理、强化学习、生成模型等至少一个领域的基础知识； 2.熟悉 TensorFlow 或 PyTorch 深度学习框架，精通 C/C++、Java 、Python 等至少一门编程语言，具备一定的工程实现能力； 3.具备较强的学习能力、良好的数据敏感性、清晰的逻辑思维能力和出色的沟通表达能力； 4.在相关领域国际顶级会议或期刊发表论文，或参加相关数据挖掘/机器学习领域竞赛获奖者优先； 5.在大模型领域或者强化学习领域，有主导过大影响力项目者优先。

SonicLens：一套面向个人音乐资产的本地优先音乐系统 很多开发者都做过“记录自己在听什么”的小工具，但真正把这件事做成一个可以长期运行、可持续扩展、还能支撑多端体验的完整工程，其实并不容易。 我做 SonicLens ，并不是为了再造一个播放器，也不是为了做一个简单的 scrobble 脚本，而是想回答一个更具体的问题： 如果一个人多年分散在 Apple Music 、Roon 、Audirvana 、 Last.fm 里的听歌行为，最终都要沉淀为属于自己的音乐资产，那么这套系统应该长什么样？ 项目: https://github.com/vincentchyu/sonic-lens.git 这就是 SonicLens 的起点。 它的目标很明确： 统一接入多个播放来源，持续监听和记录播放行为 把听歌历史沉淀到本地可控的数据模型中，而不是依赖单一平台 在此基础上构建统计、资料库、歌词、AI 解析、收藏同步和多端浏览能力 让这些能力不只是“能跑”，而是能成为一个长期维护的产品 如果用一句话概括这个项目，我会这样描述： SonicLens 是一套以“个人音乐资产”为中心构建的本地优先音乐基础设施，它把听歌记录、资料整理、AI 洞察和多端消费体验连接成一个完整闭环。 一、这个项目真正想解决的，不是“听了什么”，而是“如何拥有自己的音乐历史” 大多数音乐平台都能告诉你“最近听了什么”，但它们很少真正为用户提供一套稳定、可迁移、可扩展的数据资产模型。 一旦平台策略变化、账号迁移、播放器更换，过去的听歌行为往往就会被切碎，最终只剩一堆零散记录。对我来说，这件事最大的问题不是统计缺失，而是： 你的听歌历史没有真正属于你。 SonicLens 的设计从一开始就不是围绕某个单独播放器展开，而是围绕“个人音乐资产沉淀”展开。也正因为如此，它在架构上天然不是一个脚本型项目，而更像一个围绕领域模型搭建的系统： 后端长期运行，负责监听、同步、聚合、广播和任务调度 Web 管理端负责运维入口、数据看板和后台治理 soniclens-bridge 负责 macOS 、iPadOS 、iPhone 三端原生消费体验 AI 解析、歌词、收藏状态、资料库同步都围绕统一的数据事实源工作 这意味着它的工程重点不在“把接口调通”，而在于让多个异步链路、多个数据来源和多个客户端之间保持一致性。 二、从工程视角看，SonicLens 其实是四层系统 从当前仓库实现看，SonicLens 可以拆成四个核心层次。 1. 持续运行的 Go 后端 后端入口在 main.go 。应用启动后会初始化配置、日志、OpenTelemetry 、Redis 、数据库、MusicBrainz 、对象存储，然后启动： HTTP API 服务 WebSocket 实时推送 播放器监听链路 Dashboard 统计调度 D1 云侧镜像同步 播放记录 replay 补偿任务 Bonjour 局域网发现广播 这类启动方式的重点，是把系统当作一个长期运行的服务，而不是一组临时执行的命令。 2. 明确分层的业务结构 这个项目后端不是把所有逻辑塞进 handler ，而是做了比较清晰的职责分层： api/ 负责 Gin 路由、参数绑定、缓存中间件和响应 internal/logic/ 负责业务编排，例如资料库、音眸、流派、MusicBrainz 、封面等服务 internal/model/ 负责所有数据库 CRUD 和事务入口 internal/scrobbler/ 负责播放器监听与当前播放状态处理 internal/sync/ 负责后台同步、D1 镜像和调度任务 core/ 负责 Redis 、Telemetry 、对象存储、AI 、歌词、WebSocket 、Bonjour 等基础能力 这种结构的价值不是“看起来规范”，而是当项目开始变复杂之后，数据访问边界、事务边界和业务边界依然可控。 GEMINI.md 里对这一点有非常明确的约束： 数据库 CRUD 必须收口在 internal/model/ ，Logic 层只负责编排，不允许把原始 SQL 和 GORM 细节散落到业务代码里。 这是一个非常重要的工程判断，因为它直接决定了系统后期是否还能继续演化。 3. 产品化的原生三端客户端 很多个人项目做到后端和网页就结束了，但 SonicLens 还继续往前走了一层：我为它单独做了一套原生 Bridge 客户端。 soniclens-bridge 目前包含四个 target： SoniclensBridgeMac SoniclensBridgePad SoniclensBridgePhone SoniclensActivities 也就是说，这不是一个“顺带做了个移动端壳”的项目，而是一套有明确模块边界的多端产品： 共享层 SoniclensCore 负责网络、模型、资料库同步、连接恢复、WebSocket 、播放态与收藏态 ViewModels 负责各类业务页的数据协调 Views 层根据 macOS 、iPadOS 、iPhone 形态做容器和交互差异 iPhone 侧还包含 Live Activity 和分享海报相关能力 从 project.yml 可以看到，整个 Xcode 工程本身也是生成式管理的，target 、scheme 和 extension 嵌入关系统一由配置驱动，而不是手工在 .xcodeproj 里维护。这一点在多人协作和长期迭代时非常关键。 4. 以 AI 为能力层，而不是以 AI 为项目本体 SonicLens 里我最看重的一点，是 AI 在这里是增强层，不是伪需求的中心 。 项目里的“音眸”能力并不是简单给歌曲丢一个 prompt ，而是围绕真实业务对象构建的： 曲目 insight 有独立 schema 、版本、评分和反馈 专辑 insight 不是重复逐曲分析，而是聚合曲目 insight 之后再进行二次生成 解析结果支持历史版本、推荐版本和反馈回灌 长耗时任务通过 insight_job 做异步调度，并用 WebSocket 推送状态 LLM 调用日志被单独记录到 llm_call_logs ，用于审计、回放和排障 这意味着 AI 不是一个“调用成功就结束”的黑盒，而是被纳入了工程系统本身。 三、这个项目最有技术含量的部分，不是接口数量，而是几个闭环 如果只看 API 数量，SonicLens 当前已经有几十个接口；但真正体现专业性的，不是接口多，而是几个关键闭环是否成立。 1. 播放监听闭环：从播放器状态到统一播放事实 SonicLens 当前支持接入 Apple Music 、Audirvana 、Roon 等来源。播放器监听不是单纯轮询标题字符串，而是围绕统一的播放事实在工作： 识别当前播放器运行状态和播放状态 读取歌曲元信息，包括曲目号、盘号、专辑副标题、采样率等细节 生成统一 TrackMetadata 判断播放阈值，决定何时落库、何时 scrobble 推送 WebSocket now_playing 同步收藏态并维护 favorite projection 这部分实现里还有几个我自己非常在意的细节： Apple Music 元数据不是一视同仁处理，而是根据来源质量给出不同置信度 当前播放链路有独立 trace 设计，不会每次轮询都制造噪声 span 停止播放时会判断是否还有其他播放器处于活跃状态，避免误广播 stop 这些处理看起来不“炫技”，但恰恰决定了系统在长期运行时是不是稳定。 2. 资料库同步闭环：不是简单拉接口，而是本地索引系统 SonicLens 的客户端资料库不是“每次打开页面重新请求远端分页”这种常见方案，而是采用了一套更像本地应用的设计： 服务端通过 library_change_log 记录专辑和曲目的增删改 /api/library/sync 提供基于版本号的增量同步 WebSocket 广播 library_updated(version) 作为刷新触发器 Bridge 客户端本地维护 SQLite 轻量索引和 FTS5 搜索 LibrarySyncService 先尝试增量 apply ，失败后自动回退全量重建 这套设计有两个明显好处。 第一，列表浏览和搜索体验不会严重依赖网络往返，客户端更接近原生 app 的使用感受。 第二，服务端和客户端之间的边界非常清楚：服务端提供变更事实，客户端维护查询性能。 这也是为什么 GEMINI.md 里会专门把“本地 SQLite 轻量索引 + FTS5 + 增量同步 + WebSocket 推送 + 详情页懒加载”列为长期红线。因为这不是一个实现细节，而是整个三端体验成立的基础。 3. 音眸异步任务闭环：把 AI 长任务做成产品能力 很多项目接入 AI 时最容易忽略的一点，是长耗时任务的状态管理。 SonicLens 里我专门为 AI 解析设计了 insight_job 这条链路，用它承载： 任务创建 幂等复用 运行中状态 终态结果 失败原因 客户端恢复 Live Activity 联动 对应的接口链路也很完整： POST /api/insight-jobs 创建任务 GET /api/insight-jobs/:id 查询任务和调用流水 POST /api/insight-jobs/:id/cancel 取消任务 POST /api/insight-jobs/:id/retry 重试任务 WebSocket insight_job_updated 广播状态变化 这背后体现的是一个产品判断： AI 解析不是“点一下等结果”，而是要适配真实客户端环境，包括前后台切换、网络中断、长耗时等待和终态回流。 如果未来我把这个项目继续做大，这条链路依然能继续承载更复杂的模型能力，而不是推倒重来。 4. 数据治理闭环：系统不是只会“记”，还要会“修” 这是我很喜欢 SonicLens 的一个点。 音乐数据不是天然干净的。专辑名不一致、版本名混杂、曲目归属错误、第三方元信息缺失，这些问题只要你真的做过音乐资料系统，就一定会遇到。 所以我没有把系统停留在“记录下来”，而是继续做了治理侧能力： Pending Albums 待归因工作台 MusicBrainz 候选搜索与绑定 Deep maintenance 深度维护 Replay 播放记录补偿 收藏状态补写 这意味着 SonicLens 不是一个被动收集器，而是一个可以持续整理自己数据的系统。 对我来说，这类能力的价值非常高，因为它说明项目已经开始从“功能实现”走向“数据运营”。 四、我在这个项目里特别重视的工程质量点 如果把 SonicLens 当成一份作品来看，我最希望别人看到的不是“功能很多”，而是我对工程质量的判断标准。 1. 不是只写功能，而是写长期可维护的结构 GEMINI.md 里保留了大量长期架构约束，这件事本身就说明这个项目不是靠短期记忆在推进，而是在持续沉淀工程规则。 例如： DAO 必须收口，事务入口必须由 internal/model/ 提供 异步逻辑不允许直接写裸 go func ，必须走安全封装 OpenTelemetry 、Redis 、GORM 、database/sql 的观测链路要统一 API 变更要同步维护文档 客户端 target 变更必须先改 project.yml 这些约束看起来“麻烦”，但正是这些约束让系统不会在迭代三个月后失控。 2. 对可观测性有明确投入 这个项目不是出了问题靠猜。 从实现上看，Telemetry 已经接入到： Gin 入站链路 Redis GORM D1 database/sql 出站 HTTP client 而且不仅有 trace ，还有 meter 、db stats metrics 和启动自检逻辑。这对一个个人项目来说其实投入不小，但我认为非常值得，因为系统一旦有多个后台任务、多个外部依赖和多条异步链路，没有观测能力几乎不可能稳定演进。 3. 对客户端性能边界有明确设计 在三端客户端这块，我没有把所有状态都堆进一个全局 store ，而是明确区分了： AppStore 负责低频全局状态 PlaybackStore 负责高频播放态 FavoriteStore 负责收藏态 LibraryViewModel 做 single-flight 、页优先加载和过期请求丢弃 这一套拆分说明我在做的不是“能显示出来就行”的 SwiftUI 页面，而是在认真处理高频状态更新对列表、详情和播放条的影响范围。 4. 把文档当成系统的一部分 SonicLens 不是写完代码才补 README 的项目。 除了 README ，本仓库还维护了： GEMINI.md 作为长期架构记忆 api/ api.md 作为接口盘点 Bridge 客户端边界清单 按日期归档的 memory 清单 我越来越认同一件事： 真正复杂的个人项目，必须有自己的“工程记忆系统”。 因为当系统开始跨越后端、客户端、异步任务、数据同步和 AI 能力时，光靠代码本身已经不足以承载完整上下文。 五、为什么我觉得 SonicLens 是一份值得拿出来展示的作品 如果从面试或者技术交流的角度看，我认为 SonicLens 最有说服力的地方，不是它“用了多少技术栈”，而是它体现了一种完整的工程能力组合。 它至少覆盖了下面这些维度： Go 后端分层架构设计 长期运行服务的任务调度与资源治理 WebSocket 实时推送与状态同步 本地优先的数据建模与资料库增量同步 多端原生客户端的共享层设计 AI 能力的工程化接入，而不是 demo 式接入 数据治理与外部元信息修复链路 可观测性、文档化和长期演化约束 更重要的是，这些能力不是彼此孤立的，而是组成了一个完整系统。 换句话说，SonicLens 不是“我会做后端”“我也会写一点 SwiftUI”“我还能接个大模型”的拼盘式展示，而是一份能体现系统设计意识、产品意识和工程落地能力的综合作品。 六、接下来它还会继续往前走 SonicLens 现在已经不是一个原型，但我也不把它视作完成态。 接下来我仍然会继续打磨几个方向： 更稳的资料治理和专辑归因能力 更完整的 AI 反馈回灌与质量优化 更成熟的分享和输出链路 更统一的多端体验细节 更长期可维护的系统观测与运维工具 对我来说，做 SonicLens 的意义从来不只是“做一个能用的项目”。 它更像是一块长期打磨的工程试验田：我把自己对后端架构、客户端设计、数据治理、AI 工程化和产品实现的理解，都持续沉淀在这里。 如果未来有人问我，什么项目最能代表我真正的技术表达，我想 SonicLens 一定会是其中之一。 如果你也对“个人音乐资产”“本地优先产品”或者“AI 与传统软件系统的结合方式”感兴趣，欢迎交流。 对我来说，SonicLens 不是结束，而是一个还会继续生长的开始。

SonicLens：一套面向个人音乐资产的本地优先音乐系统 很多开发者都做过“记录自己在听什么”的小工具，但真正把这件事做成一个可以长期运行、可持续扩展、还能支撑多端体验的完整工程，其实并不容易。 我做 SonicLens ，并不是为了再造一个播放器，也不是为了做一个简单的 scrobble 脚本，而是想回答一个更具体的问题： 如果一个人多年分散在 Apple Music 、Roon 、Audirvana 、 Last.fm 里的听歌行为，最终都要沉淀为属于自己的音乐资产，那么这套系统应该长什么样？ 项目: https://github.com/vincentchyu/sonic-lens.git 这就是 SonicLens 的起点。 它的目标很明确： 统一接入多个播放来源，持续监听和记录播放行为 把听歌历史沉淀到本地可控的数据模型中，而不是依赖单一平台 在此基础上构建统计、资料库、歌词、AI 解析、收藏同步和多端浏览能力 让这些能力不只是“能跑”，而是能成为一个长期维护的产品 如果用一句话概括这个项目，我会这样描述： SonicLens 是一套以“个人音乐资产”为中心构建的本地优先音乐基础设施，它把听歌记录、资料整理、AI 洞察和多端消费体验连接成一个完整闭环。 一、这个项目真正想解决的，不是“听了什么”，而是“如何拥有自己的音乐历史” 大多数音乐平台都能告诉你“最近听了什么”，但它们很少真正为用户提供一套稳定、可迁移、可扩展的数据资产模型。 一旦平台策略变化、账号迁移、播放器更换，过去的听歌行为往往就会被切碎，最终只剩一堆零散记录。对我来说，这件事最大的问题不是统计缺失，而是： 你的听歌历史没有真正属于你。 SonicLens 的设计从一开始就不是围绕某个单独播放器展开，而是围绕“个人音乐资产沉淀”展开。也正因为如此，它在架构上天然不是一个脚本型项目，而更像一个围绕领域模型搭建的系统： 后端长期运行，负责监听、同步、聚合、广播和任务调度 Web 管理端负责运维入口、数据看板和后台治理 soniclens-bridge 负责 macOS 、iPadOS 、iPhone 三端原生消费体验 AI 解析、歌词、收藏状态、资料库同步都围绕统一的数据事实源工作 这意味着它的工程重点不在“把接口调通”，而在于让多个异步链路、多个数据来源和多个客户端之间保持一致性。 二、从工程视角看，SonicLens 其实是四层系统 从当前仓库实现看，SonicLens 可以拆成四个核心层次。 1. 持续运行的 Go 后端 后端入口在 main.go 。应用启动后会初始化配置、日志、OpenTelemetry 、Redis 、数据库、MusicBrainz 、对象存储，然后启动： HTTP API 服务 WebSocket 实时推送 播放器监听链路 Dashboard 统计调度 D1 云侧镜像同步 播放记录 replay 补偿任务 Bonjour 局域网发现广播 这类启动方式的重点，是把系统当作一个长期运行的服务，而不是一组临时执行的命令。 2. 明确分层的业务结构 这个项目后端不是把所有逻辑塞进 handler ，而是做了比较清晰的职责分层： api/ 负责 Gin 路由、参数绑定、缓存中间件和响应 internal/logic/ 负责业务编排，例如资料库、音眸、流派、MusicBrainz 、封面等服务 internal/model/ 负责所有数据库 CRUD 和事务入口 internal/scrobbler/ 负责播放器监听与当前播放状态处理 internal/sync/ 负责后台同步、D1 镜像和调度任务 core/ 负责 Redis 、Telemetry 、对象存储、AI 、歌词、WebSocket 、Bonjour 等基础能力 这种结构的价值不是“看起来规范”，而是当项目开始变复杂之后，数据访问边界、事务边界和业务边界依然可控。 GEMINI.md 里对这一点有非常明确的约束： 数据库 CRUD 必须收口在 internal/model/ ，Logic 层只负责编排，不允许把原始 SQL 和 GORM 细节散落到业务代码里。 这是一个非常重要的工程判断，因为它直接决定了系统后期是否还能继续演化。 3. 产品化的原生三端客户端 很多个人项目做到后端和网页就结束了，但 SonicLens 还继续往前走了一层：我为它单独做了一套原生 Bridge 客户端。 soniclens-bridge 目前包含四个 target： SoniclensBridgeMac SoniclensBridgePad SoniclensBridgePhone SoniclensActivities 也就是说，这不是一个“顺带做了个移动端壳”的项目，而是一套有明确模块边界的多端产品： 共享层 SoniclensCore 负责网络、模型、资料库同步、连接恢复、WebSocket 、播放态与收藏态 ViewModels 负责各类业务页的数据协调 Views 层根据 macOS 、iPadOS 、iPhone 形态做容器和交互差异 iPhone 侧还包含 Live Activity 和分享海报相关能力 从 project.yml 可以看到，整个 Xcode 工程本身也是生成式管理的，target 、scheme 和 extension 嵌入关系统一由配置驱动，而不是手工在 .xcodeproj 里维护。这一点在多人协作和长期迭代时非常关键。 4. 以 AI 为能力层，而不是以 AI 为项目本体 SonicLens 里我最看重的一点，是 AI 在这里是增强层，不是伪需求的中心 。 项目里的“音眸”能力并不是简单给歌曲丢一个 prompt ，而是围绕真实业务对象构建的： 曲目 insight 有独立 schema 、版本、评分和反馈 专辑 insight 不是重复逐曲分析，而是聚合曲目 insight 之后再进行二次生成 解析结果支持历史版本、推荐版本和反馈回灌 长耗时任务通过 insight_job 做异步调度，并用 WebSocket 推送状态 LLM 调用日志被单独记录到 llm_call_logs ，用于审计、回放和排障 这意味着 AI 不是一个“调用成功就结束”的黑盒，而是被纳入了工程系统本身。 三、这个项目最有技术含量的部分，不是接口数量，而是几个闭环 如果只看 API 数量，SonicLens 当前已经有几十个接口；但真正体现专业性的，不是接口多，而是几个关键闭环是否成立。 1. 播放监听闭环：从播放器状态到统一播放事实 SonicLens 当前支持接入 Apple Music 、Audirvana 、Roon 等来源。播放器监听不是单纯轮询标题字符串，而是围绕统一的播放事实在工作： 识别当前播放器运行状态和播放状态 读取歌曲元信息，包括曲目号、盘号、专辑副标题、采样率等细节 生成统一 TrackMetadata 判断播放阈值，决定何时落库、何时 scrobble 推送 WebSocket now_playing 同步收藏态并维护 favorite projection 这部分实现里还有几个我自己非常在意的细节： Apple Music 元数据不是一视同仁处理，而是根据来源质量给出不同置信度 当前播放链路有独立 trace 设计，不会每次轮询都制造噪声 span 停止播放时会判断是否还有其他播放器处于活跃状态，避免误广播 stop 这些处理看起来不“炫技”，但恰恰决定了系统在长期运行时是不是稳定。 2. 资料库同步闭环：不是简单拉接口，而是本地索引系统 SonicLens 的客户端资料库不是“每次打开页面重新请求远端分页”这种常见方案，而是采用了一套更像本地应用的设计： 服务端通过 library_change_log 记录专辑和曲目的增删改 /api/library/sync 提供基于版本号的增量同步 WebSocket 广播 library_updated(version) 作为刷新触发器 Bridge 客户端本地维护 SQLite 轻量索引和 FTS5 搜索 LibrarySyncService 先尝试增量 apply ，失败后自动回退全量重建 这套设计有两个明显好处。 第一，列表浏览和搜索体验不会严重依赖网络往返，客户端更接近原生 app 的使用感受。 第二，服务端和客户端之间的边界非常清楚：服务端提供变更事实，客户端维护查询性能。 这也是为什么 GEMINI.md 里会专门把“本地 SQLite 轻量索引 + FTS5 + 增量同步 + WebSocket 推送 + 详情页懒加载”列为长期红线。因为这不是一个实现细节，而是整个三端体验成立的基础。 3. 音眸异步任务闭环：把 AI 长任务做成产品能力 很多项目接入 AI 时最容易忽略的一点，是长耗时任务的状态管理。 SonicLens 里我专门为 AI 解析设计了 insight_job 这条链路，用它承载： 任务创建 幂等复用 运行中状态 终态结果 失败原因 客户端恢复 Live Activity 联动 对应的接口链路也很完整： POST /api/insight-jobs 创建任务 GET /api/insight-jobs/:id 查询任务和调用流水 POST /api/insight-jobs/:id/cancel 取消任务 POST /api/insight-jobs/:id/retry 重试任务 WebSocket insight_job_updated 广播状态变化 这背后体现的是一个产品判断： AI 解析不是“点一下等结果”，而是要适配真实客户端环境，包括前后台切换、网络中断、长耗时等待和终态回流。 如果未来我把这个项目继续做大，这条链路依然能继续承载更复杂的模型能力，而不是推倒重来。 4. 数据治理闭环：系统不是只会“记”，还要会“修” 这是我很喜欢 SonicLens 的一个点。 音乐数据不是天然干净的。专辑名不一致、版本名混杂、曲目归属错误、第三方元信息缺失，这些问题只要你真的做过音乐资料系统，就一定会遇到。 所以我没有把系统停留在“记录下来”，而是继续做了治理侧能力： Pending Albums 待归因工作台 MusicBrainz 候选搜索与绑定 Deep maintenance 深度维护 Replay 播放记录补偿 收藏状态补写 这意味着 SonicLens 不是一个被动收集器，而是一个可以持续整理自己数据的系统。 对我来说，这类能力的价值非常高，因为它说明项目已经开始从“功能实现”走向“数据运营”。 四、我在这个项目里特别重视的工程质量点 如果把 SonicLens 当成一份作品来看，我最希望别人看到的不是“功能很多”，而是我对工程质量的判断标准。 1. 不是只写功能，而是写长期可维护的结构 GEMINI.md 里保留了大量长期架构约束，这件事本身就说明这个项目不是靠短期记忆在推进，而是在持续沉淀工程规则。 例如： DAO 必须收口，事务入口必须由 internal/model/ 提供 异步逻辑不允许直接写裸 go func ，必须走安全封装 OpenTelemetry 、Redis 、GORM 、database/sql 的观测链路要统一 API 变更要同步维护文档 客户端 target 变更必须先改 project.yml 这些约束看起来“麻烦”，但正是这些约束让系统不会在迭代三个月后失控。 2. 对可观测性有明确投入 这个项目不是出了问题靠猜。 从实现上看，Telemetry 已经接入到： Gin 入站链路 Redis GORM D1 database/sql 出站 HTTP client 而且不仅有 trace ，还有 meter 、db stats metrics 和启动自检逻辑。这对一个个人项目来说其实投入不小，但我认为非常值得，因为系统一旦有多个后台任务、多个外部依赖和多条异步链路，没有观测能力几乎不可能稳定演进。 3. 对客户端性能边界有明确设计 在三端客户端这块，我没有把所有状态都堆进一个全局 store ，而是明确区分了： AppStore 负责低频全局状态 PlaybackStore 负责高频播放态 FavoriteStore 负责收藏态 LibraryViewModel 做 single-flight 、页优先加载和过期请求丢弃 这一套拆分说明我在做的不是“能显示出来就行”的 SwiftUI 页面，而是在认真处理高频状态更新对列表、详情和播放条的影响范围。 4. 把文档当成系统的一部分 SonicLens 不是写完代码才补 README 的项目。 除了 README ，本仓库还维护了： GEMINI.md 作为长期架构记忆 api/ api.md 作为接口盘点 Bridge 客户端边界清单 按日期归档的 memory 清单 我越来越认同一件事： 真正复杂的个人项目，必须有自己的“工程记忆系统”。 因为当系统开始跨越后端、客户端、异步任务、数据同步和 AI 能力时，光靠代码本身已经不足以承载完整上下文。 五、为什么我觉得 SonicLens 是一份值得拿出来展示的作品 如果从面试或者技术交流的角度看，我认为 SonicLens 最有说服力的地方，不是它“用了多少技术栈”，而是它体现了一种完整的工程能力组合。 它至少覆盖了下面这些维度： Go 后端分层架构设计 长期运行服务的任务调度与资源治理 WebSocket 实时推送与状态同步 本地优先的数据建模与资料库增量同步 多端原生客户端的共享层设计 AI 能力的工程化接入，而不是 demo 式接入 数据治理与外部元信息修复链路 可观测性、文档化和长期演化约束 更重要的是，这些能力不是彼此孤立的，而是组成了一个完整系统。 换句话说，SonicLens 不是“我会做后端”“我也会写一点 SwiftUI”“我还能接个大模型”的拼盘式展示，而是一份能体现系统设计意识、产品意识和工程落地能力的综合作品。 六、接下来它还会继续往前走 SonicLens 现在已经不是一个原型，但我也不把它视作完成态。 接下来我仍然会继续打磨几个方向： 更稳的资料治理和专辑归因能力 更完整的 AI 反馈回灌与质量优化 更成熟的分享和输出链路 更统一的多端体验细节 更长期可维护的系统观测与运维工具 对我来说，做 SonicLens 的意义从来不只是“做一个能用的项目”。 它更像是一块长期打磨的工程试验田：我把自己对后端架构、客户端设计、数据治理、AI 工程化和产品实现的理解，都持续沉淀在这里。 如果未来有人问我，什么项目最能代表我真正的技术表达，我想 SonicLens 一定会是其中之一。 如果你也对“个人音乐资产”“本地优先产品”或者“AI 与传统软件系统的结合方式”感兴趣，欢迎交流。 对我来说，SonicLens 不是结束，而是一个还会继续生长的开始。