2024年个人总结

  照例,每年都有的个人年度总结来了,看了很多其他大佬的总结,感觉自己的2024过于单薄,故事也不太丰满,自己就回去比较,自己哪里做的不好 ?但后来发现已经进入了一个思维误区。

  年度总结年度总结,总结是我个人的,今年发生了那些影响我的事情,我做出了那些改变,针对完成不好的事情挖掘失败和反思,恰恰才是我写这篇文章的中心思想。那么我们一起跟随我的记录回顾我的2024吧~~~

身体 :立根之本

区别于往年,今年我选择将身体健康放在总结的首位,毕竟健康才是一切的前提。往年总是将工作放在最重要的位置,对身体的疏忽大意,带来的只能是隐患和后果。今年因为即将跨入30岁的行列,年度体检的数据亮起了多个“红灯”,再加上偶尔一次加班后的头晕,让我切实感受到,身体是“革命”的本钱,赚钱的前提是有命去花钱。25年,计划系统地研究一下保险,给自己和家人安排上,提早做好保障。岁数大了,身体确实顶不住随便折腾了。

饮食调整,健康先行

从24年开始,我已经慢慢尝试改善一些不合理的饮食习惯。25年,打算进一步坚持并优化这些调整:

  • 非必要不喝咖啡:减少因为依赖咖啡提神导致的作息紊乱,强度工作时更倾向于用充足的睡眠恢复精力。
  • 少油少盐,减少重口饮食:尤其是大鱼大肉、烧烤和高热量的宵夜,虽然偶尔解馋没问题,但频率需要严格控制。
  • 按时吃饭,拒绝拖延:不再因为工作忙碌随便对付一顿或随意跳过正餐,饮食规律大概是健康最基础的一环。

这些饮食习惯的改善让我逐渐感受到身体的变化,虽然不会立刻见效,但每一次坚持都会让我更接近健康的状态。

工作的反思:减少无效加班

过去一年加班的原因无外乎两点:一是业务临时变更导致的被动调整,二是自己的工作方式尚需优化,尤其是项目初期的规划和代码设计。前者是外因,后者则是让我觉得需要反思和改进的地方。

  1. 从自身找原因:

    • 早期的代码架构和实现方式,有些地方还存在不够合理之处,这往往导致后期反复调整,进而产生无效的加班。
    • 虽然24年已经迈出了好的第一步,在项目启动前,我尝试输出业务需求分析和系统性文档,但部分细节的思虑不够全面,还是给后续开发带来了不必要的问题。
  2. 改善方向:

    • 在项目初期花更多时间进行方案规划,尤其是细节部分,避免因疏忽引发大的反复。
    • 学会“高效验收文档”:不仅仅是输出文档,还要更加细心地查看、验证和讨论,确保需求分析和设计方案尽可能完善。
    • 多花一分钟思考,省下十倍时间的返工:这一点是我在24年工作中逐渐感悟到的,计划25年继续践行。

发展的健康平衡

工作多年后渐渐理解到,努力和拼命并不是一回事,效率和方法才是衡量工作能力高低的关键。25年的规划中,我要尝试让“多思考”成为核心习惯,把这种思维模式落实到生活和工作中的每一个细节。写代码如此,做生活规划更是如此。

总结下来,25年推动的几个核心目标:

  1. 从饮食、锻炼、休息等多个方面出发,逐步改善健康问题,给身体建立良性循环。
  2. 在工作中不断优化自己的流程和方法,力求在复杂的项目中找到高效协作和平衡的方式。
  3. 完善保险和风险防范措施,为未来可能的意外构筑更强的安全底线。

健康是基石,工作是延续,生活是目标。25年将是身心都逐步恢复、更进一步的开始。

工作 :成长之路

过去两年的工作中,我感受到了个人能力的成长和视野的开阔。从23年加入喜马后,适应新的团队和技术体系,到24年结合自己的业务理解,主动推动性能优化专项工作,这是我从熟悉到深入、从挑战到提升的一段宝贵经历。一方面,我更深入地理解了代码架构和业务逻辑;另一方面,通过一些关键项目的突破,让我经历了一次真正意义上的跳出舒适圈,也深刻感受到了技术驱动业务发展的价值和团队协作的重要性。

性能优化专项

在24年里,我牵头了一次性能优化专项工作,这不仅是对现有架构和技术方案的一次“重新审视”,也是对我个人能力的一次检验。专项工作内容覆盖了从APM大盘优化到内存泄露告警,从代码优化到业务优化,再到线上效果跟踪闭环的流程。

优化背景

作为一款高用户量的产品,喜马直播代码的复杂性和业务场景的多样化,让性能优化成为不可回避的核心任务。而我在加入团队后逐渐发现,随着用户体量增加、业务逻辑发展,某些模块的性能瓶颈也开始显现。借此契机,我决定主动推动一次内存泄露和内存水位的性能专项优化,以解决以下问题:

  • 直播间内存泄露BUG:直播间Bug率千分之一,水位偏高。
  • 内存稳定性:某些场景下由于资源申请过多未及时释放,导致内存占用过高。
  • APM看盘麻烦:直播业务看数困难,APM告警暂无等…
推进过程
  1. 需求分析与调研:从用户反馈和埋点数据中,梳理了性能瓶颈明显的模块,并结合业务优先级,列出了需要优化的关键点。

  2. 技术方案输出

    • APM子业务看数功能完善,内存水位梳理;
    • 针对内存泄露进行问题分析和 内存写法SOP宣讲;
    • 技术优化 + 设备分级 + 业务场景优化多套组合拳;
  3. 落地执行与效果跟踪

    • APM二方库添加业务归因,直播业务可查看数据不阻塞查看水位;
    • 内存泄露长效治理,图片Bitmap检测库引入,优化本地图片资源,代码使用方式调整,降低内存泄露率到十万分之二水位,明显提升用户体验
    • 通过建设直播设备分级系统,针对直播特殊高内存场景进行优化 ,降低峰值内存水位 ,尝试提升dau数据 (不过业务数据不明显)
成果总结

这一专项优化不仅显著提升了用户体验,还积累了性能优化方面的知识方法,同时也让我深刻感受到推动“技术专项”的重要性。面对复杂的问题时,找准方向和团队协作是关键,技术能力和业务目标相结合,往往能事半功倍。

突破舒适圈

对于我个人来说,性能优化专项不仅仅是一次项目任务,更是触发了我跳出舒适圈、重新审视团队角色和自身能力的关键节点。

  • 从执行到牵头:过去的工作中更多以完成任务为导向,而在这次专项中,我主动推动工作,承担了项目的牵头角色,组织和协调团队的资源和时间。这让我从单纯的技术开发者,逐步迈向技术项目管理的实践者。
  • 从局部思考到全局视角:专项优化工作从需求分析到结果落地,需要全流程思考,这让我逐渐习惯用更宏观的视角去考虑问题,不再局限于单点的代码实现。
  • 建立协作意识:过去更习惯于个人完成任务,这次工作中我深刻意识到协作的重要性。团队间的沟通不仅带来了更全面的方案,也提升了团队整体的默契。

整个过程中,不仅锻炼了自己的技术能力,也培养了领导力和组织协调能力。这些经历帮助我更有信心面对未来更高难度的挑战,同时也希望在后续的工作中持续走出舒适圈,尝试更多可能性。

AI:未来的探索

24年是 AI 技术迅猛发展的标志性一年,尤其是在大语言模型(如 ChatGPT)和生成式AI的广泛应用背景下,我开始意识到,这不仅仅是技术创新的高地,也逐渐成为业务发展的重要驱动力。为此,我也在个人时间里对 AI 技术进行了初步的学习和探索,并尝试将其思路融入到工作场景中。

技术学习和构思

  • 关注领域
    在24年,我了解了自然语言处理(NLP)推荐系统方向的技术。这两个领域不仅与喜马的核心业务高度相关,也是在大数据和人工智能浪潮中至关重要的技术模块。

  • 构思项目
    我结合喜马平台的音频内容场景以及现阶段直播(特别是视频直播方向)相对较为薄弱的问题,与产品同学进行了多次讨论和头脑风暴,创造性地构思了一些基于 AI 技术的应用场景。以下是一些重要构思:

    • 虚拟人驱动升级体验
      借助当前AI技术,想象能否引入“虚拟人”概念,为用户体验新增一层与虚拟形象互动的可能性。虚拟人既可以在某些非实时广播场景中模拟主播与用户的互动,还可以在直播间里增加趣味性或承载与用户直接沟通的功能,用以优化低活跃直播间的用户留存。
      此外,通过精细化的数据分析,再结合语音生成技术(TTS)与NLP技术,虚拟人可以根据实时用户数据动态调整直播内容的推荐和呈现方式,做到更高的个性化服务。
    • 智能内容生成工具
      针对内容运营和推荐场景,生成式 AI 具有重要意义。例如,为音频标题、描述或推荐广告文案批量生成创意内容,然后结合人工校验,能够显著提升内容生成效率和质量;在丰富的多语种场景中,自动生成多语言字幕也是可以落地的一个方向。

辅助工具

  • 代码赋能:AI 助力开发效率
    24年,我使用了许多AI助手类工具,如 GitHub CopilotCursor,它们让我感受到 AI 对开发效率的显著提升。以下是一些具体感受和应用场景:

    • 代码生成:在日常开发中,Copilot 能够根据上下文给出相应的代码建议,大幅减少了重复性逻辑的编写时间。同时,对于一些自己并不熟悉的工具类接口或边缘技术,Copilot 提供的实时建议往往能给出新的解决方案思路。
    • 代码 Review 輔助:Cursor 等工具以实时对代码的逻辑进行分析和优化建议为主,尤其在多人协作的场景中非常高效。它可以帮助快速检测潜在的逻辑漏洞或不够简洁的实现方式,相当于一个智能 Review 助手。
    • 多样化解题视角:不止局限于工具的直接建议,它们还为我提供了解决问题的新角度。例如,面对同一段逻辑,AI 可能推荐一些更符合当前框架特性的轻量化写法,这种角度的丰富性帮助我提升了代码质量。

    通过持续使用这些工具,我更加深刻理解了 AI 在代码开发中的定位。它不是简单的替代人类,而是成为了提升工作效率、优化解决思路的强有力助手。

  • 技术拓展:节奏提升的核心
    在经历个人项目的实践后,我愈发意识到,AI 工具的价值并不仅仅在于“解决当下问题”,更在于如何利用它们更加高效地积累知识。在过去的一年中,借助这些工具的辅助,我不仅提升了开发效率,还通过它们的输出方式学习了新的框架与解决问题的技巧。一些逼近“最佳实践”的实现方法甚至成为了自己日后工程开发中的重要参考。

生活:找到工作与生活的平衡

今年的经历让我深刻意识到,工作和生活绝不是对立的。生活为工作注入热情,而工作又促生了生活的仪式感与满足感。今年,我通过更加科学地规划时间,让生活与工作之间找到更和谐的平衡。

  • 坚持学习和成长的节奏
    无论是身体健康、技术深度,还是协作沟通,都需要日复一日地微调和完善。我计划 25 年将“年度目标”细分为季度行动计划,在不同阶段回顾目标达成情况,做出调整。
  • 提升表达与书写能力
    从计划到复盘,“总结”是一种深度输入与输出相结合的工具,我今年输出了更多的技术分享博客或在喜马业务迭代中的系分文档,不仅记录工作思考和成果也分享给他人。在表达时更加关注“结构化与逻辑性”,希望在这一能力上逐步突围。

未来

2025年,对我来说是复盘与前行的一年。过去一年中,我建立了一些好习惯和新方向,也透过自己的不足看到更多改进的空间。成长从不需要一步到位,重要的是找到更可持续、更细致的节奏,以小积累最终推动巨大改变。

未来的一年,我希望做到以下几点:

  1. 守住健康底线:将健康融入每一天的生活中;
  2. 深耕工作领域:继续突破技术壁垒,为团队和个人创造更多价值;
  3. 与AI同行:不仅使用工具,尝试主动成为工具的设计者或在业务中有变现的场景;
  4. 平衡生活与思考:在科技与生活之外,找到属于自己的“宁静时光”。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/9221.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

58.界面参数传递给Command C#例子 WPF例子

界面参数的传递,界面参数是如何从前台传送到后台的。 param 参数是从界面传递到命令的。这个过程通常涉及以下几个步骤: 数据绑定:界面元素(如按钮)的 Command 属性绑定到视图模型中的 RelayCommand 实例。同时&#x…

阿里云域名备案

一、下载阿里云App 手机应用商店搜索"阿里云",点击安装。 二、登录阿里云账号 三、打开"ICP备案" 点击"运维"页面的"ICP备案"。 四、点击"新增网站/App" 若无备案信息,则先新增备案信息。 五、开始备案

sunrays-framework配置重构

文章目录 1.common-log4j2-starter1.目录结构2.Log4j2Properties.java 新增两个属性3.Log4j2AutoConfiguration.java 条件注入LogAspect4.ApplicationEnvironmentPreparedListener.java 从Log4j2Properties.java中定义的配置读取信息 2.common-minio-starter1.MinioProperties.…

如何解决跨浏览器兼容性问题

跨浏览器兼容性问题是指同一网页在不同浏览器中呈现效果不一致,通常由于浏览器渲染引擎、CSS支持、JavaScript执行等差异导致。解决这类问题可以从以下几个方面入手: 一、使用标准化的HTML和CSS 确保你的网页符合W3C标准。浏览器会尽量遵循这些标准,所以通过标准化的代码可…

算法12(力扣739)-每日温度

1、问题 给定一个整数数组 temperatures ,表示每天的温度,返回一个数组 answer ,其中 answer[i] 是指对于第 i 天,下一个更高温度出现在几天后。如果气温在这之后都不会升高,请在该位置用 0 来代替。 2、示例 &#…

54.数字翻译成字符串的可能性|Marscode AI刷题

1.题目 问题描述 小M获得了一个任务,需要将数字翻译成字符串。翻译规则是:0对应"a",1对应"b",依此类推直到25对应"z"。一个数字可能有多种翻译方法。小M需要一个程序来计算一个数字有多少种不同的…

立创开发板入门ESP32C3第八课 修改AI大模型接口为deepseek3接口

#原代码用的AI模型是minimax的API接口,现在试着改成最热门的deepseek3接口。# 首先按理解所得,在main文件夹下,有minimax.c和minimax.h, 它们是这个API接口的头文件和实现文件,然后在main.c中被调用。所以我们一步步更改。 申请…

数据分析系列--③RapidMiner算子说明及数据预处理

一、算子说明 1.新建过程 2.算子状态灯 状态灯说明: (1)状态指示灯: 红色:指示灯说明有参数未被设置或输入端口未被连接等问题; 黄色:指示灯说明还未执行算子,不管配置是否基本齐全; 绿色:指示灯说明一切正常,已成功执行算子。 (2)三角…

Airflow:精通Airflow任务依赖

任务依赖关系是任何工作流管理系统的核心概念,Apache Airflow也不例外。它们确定在工作流中执行任务的顺序和条件,确保以正确的顺序完成任务,并确保在相关任务开始之前成功完成先决任务。在本文中我们将探讨Apache Airflow中的任务依赖关系&a…

关于WPF中ComboBox文本查询功能

一种方法是使用事件&#xff08;包括MVVM的绑定&#xff09; <ComboBox TextBoxBase.TextChanged"ComboBox_TextChanged" /> 然而运行时就会发现&#xff0c;这个事件在疯狂的触发&#xff0c;很频繁 在实际应用中&#xff0c;如果关联查询数据库&#xff0…

python——Django 框架

Django 框架 1、简介 Django 是用python语言写的开源web开发框架&#xff0c;并遵循MVC设计。 Django的**主要目的是简便、快速的开发数据库驱动的网站。**它强调代码复用&#xff0c;多个组件可以很方便的以"插件"形式服务于整个框架&#xff0c;Django有许多功能…

(开源)基于Django+Yolov8+Tensorflow的智能鸟类识别平台

1 项目简介&#xff08;开源地址在文章结尾&#xff09; 系统旨在为了帮助鸟类爱好者、学者、动物保护协会等群体更好的了解和保护鸟类动物。用户群体可以通过平台采集野外鸟类的保护动物照片和视频&#xff0c;甄别分类、实况分析鸟类保护动物&#xff0c;与全世界各地的用户&…

DeepSeek R1学习

0.回顾&#xff1a; https://blog.csdn.net/Together_CZ/article/details/144431432?ops_request_misc%257B%2522request%255Fid%2522%253A%25226574a586f0850d0329fbb720e5b8d5a9%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id…

25美赛ABCDEF题详细建模过程+可视化图表+参考论文+写作模版+数据预处理

详情见该链接&#xff01;&#xff01;&#xff01;&#xff01;&#xff01;&#xff01; 25美国大学生数学建模如何准备&#xff01;&#xff01;&#xff01;&#xff01;&#xff01;-CSDN博客文章浏览阅读791次&#xff0c;点赞13次&#xff0c;收藏7次。通过了解比赛基本…

【Qt】多线程

多线程 QThread 类简介使用线程线程同步互斥锁 QThread 类简介 一个 QThread 类的对象管理一个线程。在设计多线程程序的时候&#xff0c;需要从 QThread 继承定义线程类&#xff0c;并重新定义 QThread 的虚函数 run()&#xff0c;在函数 run() 里处理线程的事件循环。 应用…

微服务(一)

文章目录 项目地址一、微服务1.1 分析User的Domian Verb和Nouns 二、运行docker和k8s2.1 Docker1. 编写dockerfile2. 创建docker image3. 运行docker使用指定端口4. 查看当前运行的镜像5. 停止当前所有运行的docker6. 删除不用的docker images7. 将本地的image上传到hub里 2.2 …

软件架构的演变:从大型机和整体式应用到分布式计算

注&#xff1a;本文为 “软件架构演变” 相关文章合辑。 英文引文机翻&#xff0c;未校。 Evolution of Software Architecture: From Mainframes and Monoliths to Distributed Computing Liv Wong Technical Writer August 06, 2024 Software architecture—the blueprint…

求解旅行商问题的三种精确性建模方法,性能差距巨大

文章目录 旅行商问题介绍三种模型对比求解模型1决策变量目标函数约束条件Python代码 求解模型2决策变量目标函数约束条件Python代码 求解模型3决策变量目标函数约束条件Python代码 三个模型的优势与不足 旅行商问题介绍 旅行商问题 (Traveling Salesman Problem, TSP) 是一个经…

机器学习(三)

一:Logistic Regression(逻辑回归): 1,定义:是一种常用的分类算法&#xff0c;适用于二进制分类问题(binary classification)&#xff0c;输出结果的取值范围为[0,1]&#xff0c;且最终拟合出来的图像是一条S型曲线 2,sigmoid function/logistic function(逻辑函数)&#xff1a…

DFS深度优先搜索

蓝桥杯备赛日记——DFS基础 1.DFS剪枝 OJ2942 数字王国之军训排队 思路 写一个dfs函数&#xff0c;这个dfs函数有两个参数&#xff0c;dep和i&#xff0c;dep表示第dep位同学&#xff0c;i表示打算把所有人分成i支队伍&#xff0c;这个函数的功能是来检测是否能把所有同学分…