2025 年终总结

架构：ECS Cluster (Fargate + Spot) + NLB + API Gateway
存储：DocumentDB + ElastiCache + RDS + EFS
创新功能：
- 选择性更新控制 (skip/update-only/target-update)
- Container Insights Enhanced (6 小部件 + 5 类告警)
- 多访问点 EFS 存储
运维工具：w-tf-manager.ps1 综合管理脚本

3. Log Harbor S3 - 日志存储服务 (2月-7月)

V3 架构：零自定义代码执行。

架构：API Gateway → Amazon Data Firehose → S3
核心改进：
- 移除所有 Lambda 计算
- 项目隔离架构（独立数据流）
- 动态分区（按项目/类型/时间）
优势：降低复杂度，简化配置，易于调试

AI 应用类 (3个)

4. Web Nexus - Chrome 浏览器扩展 (7月-12月)

AI 驱动的浏览器扩展，256 commits。

技术栈

WXT 0.20 + React 19 + TypeScript 5.9
AI SDK 6 + Tailwind CSS v4

核心功能

流式 AI 对话，支持 OpenAI/Claude/Gemini/OpenRouter
网页内容引用和文本选择菜单
Markdown/Mermaid 渲染
历史消息系统 (Phase 0-4 完整重构)

工程亮点

Manifest V3 架构 (Background + Sidepanel + Content Scripts)
IndexedDB 本地持久化
API Keys 加密存储
0 Oxlint 警告

5. Web Nexus LLM - AI 网关 (8月-12月)

企业级 AI 网关服务，37 commits。

技术栈

Python + Litestar/Starlette + Granian
LiteLLM + PostgreSQL + Redis

架构演进

V1 → V2：Uvicorn → Granian (3倍性能提升)
差异化服务：Admin API (Litestar) + Client API (Starlette)
70% 代码共享

核心能力

100+ 模型统一接口
Channel 负载均衡架构
JWT + API Key 双重认证
1500+ QPS 高并发

6. MagicLoset - 智能衣橱平台 (10月-12月)

AI 驱动的虚拟试衣应用。

核心功能

AI 图像生成（文本转图像，9 种宽高比）
虚拟试衣（人体照片 + 衣物 → AI 合成）
OOTD 穿搭分析（SSE 流式 + Markdown 渲染）
衣物智能管理（AI 背景去除 + 分类）
社交发现流（瀑布流 + 无限滚动）

技术栈总览

云平台与基础设施

AWS: API Gateway, Lambda, ECS, Fargate, RDS, ElastiCache, DocumentDB, S3, EFS, Firehose
IaC: Terraform, AWS CDK
容器: Docker, ECS Fargate

后端

语言: Go, Python, TypeScript, Node.js
框架: Django, Litestar, Starlette, AWS Lambda
数据库: PostgreSQL, MongoDB (DocumentDB), Redis (ElastiCache/Valkey)

前端与工具

前端: React 19, Next.js 15, Tailwind CSS v4, HTMX
扩展: WXT 0.20, Manifest V3
构建: Vite, Biome, pnpm, uv

AI/ML

SDK: AI SDK 6, LiteLLM
模型: OpenAI, Claude, Gemini, OpenRouter (100+)

年度亮点

架构创新

Serverless 优先 - 3 个项目采用 Serverless，成本节省 70%
零代码执行 - Log Harbor S3 V3 完全基于托管服务
差异化服务架构 - Web Nexus LLM 按场景选择技术栈
双 Lambda 架构 - API 处理与数据聚合分离

性能突破

API 响应 < 100ms - Go Lambda 冷启动优化
1500+ QPS - Granian ASGI 高并发
3倍性能提升 - Uvicorn → Granian 迁移
60% API 性能提升 - HTTP API v2 重构

工程质量

0 Lint 警告 - Web Nexus 从 105 个警告清零
73% 代码减少 - LiteLLM 统一 Provider 封装
31 个验收测试 - 历史消息系统全部通过
19 篇技术文档 - 完整知识库建设

项目时间线

2025
│
├── 2月   log-harbor-s3 启动
├── 4月   log-saas 重构
├── 5月   log-tracker-infra Stage 1-3
│         container-flex-ecs 启动
├── 6月   log-tracker-go 开发
│         log-tracker-infra Stage 4-5
│         container-flex-ecs 核心完成
├── 7月   log-tracker-infra Stage 6-7 完成
│         log-harbor-s3 V3 重构
│         Web Nexus 启动
├── 8月   log-saas 优化完成
│         Web Nexus LLM 启动
├── 9月   LiteLLM 统一 Provider
│         多语言国际化
├── 10月  历史消息系统重构
│         MagicLoset 启动
├── 11月  Granian 迁移
│         认证系统完善
└── 12月  代码质量提升
          性能优化完成

2025 项目总结

2025 年构建了完整的云原生基础设施生态系统和 AI 应用矩阵：

基础设施层：日志追踪、容器编排、数据存储三大核心能力
应用层：浏览器扩展、AI 网关、智能衣橱三个创新产品
技术栈：Serverless + Go + Python + React 的全栈能力

核心原则：Serverless 优先、模块化设计、安全最佳实践

实现目标：高性能、高可用、低成本的企业级解决方案。

新一年希望做什么和需要做什么？

继续推进现有项目的优化和新功能开发
探索新的 AI 应用场景，结合最新的 AI 技术
不仅仅只做 AI 相关的东西，继续保持基础设施方面的能力和项目，重点着力打造 AI Infra 方面的项目
家庭方面：关注长辈的健康，多陪伴家人
新业务：找到一个立足点
其他：英语、阅读、运动

最大的成绩、失败、困难和决策是什么？

今年最大的成绩是完成了 8 个项目，覆盖了从基础设施到 AI 应用的完整技术栈，积累了丰富的经验和知识。
今年最大的失败是对于 web-nexus 项目初期 1.0 版本的设计和架构没有做好，导致后续需要进行大规模的重构和优化，浪费了很多时间和精力。
今年工作上的困难，一方面是 AI 相关的项目，感觉自己在这方面的能力和经验还不够，导致进展缓慢，没能达到预期的效果，另一方面是团队相关的事情，在 AI 时代背景下，如何打造一个高效协作的 AI 的产研团队，如何保持超级开发者的状态，都是需要思考和解决的问题。

对什么超级兴奋？

任然是 AI 相关的事物和人，Claude、Gemini、OpenAI 这些模型和平台的高速的迭代，让我看到了未来技术的巨大潜力，2025 年无疑是 AI 发展的重要一年。

自 2019 年的 Github Copilot 以来，我一直在关注 AI 在编程领域的应用，2024 年到2025 年我亲身体验到了 AI 辅助编程工具 (copilot cursor windsurf claude code) 的巨大进步，代码编程一步一步变得更加高效和智能，Vibe Coding 渐渐成为主要的编程方式。

在 2025 年下半年开始投身 AI 领域的一些项目开发工作，感受到 AI 技术在实际应用中的强大能力和广泛前景，一切都很快速地发展变化着。

希望自己做得更多/更少的是什么？

深入学习和应用 AI 技术，尤其是大模型和生成式 AI，在实际项目中探索更多创新的应用场景。
提升团队协作和管理能力，打造一个高效的 AI 产研团队，推动团队成员共同成长和进步。
关注用户需求和反馈，持续优化产品和服务，提升用户体验和满意度。

更少：

避免过度思考和犹豫，尤其是在项目决策和业务方向上，更多地依赖数据和用户反馈，快速迭代和调整。

有什么新或不新但被我忽略的机会？

AI Infra 方面的机会：随着 AI 技术的普及和应用，AI 基础设施建设成为一个重要的方向，如何打造高效、可扩展、安全的 AI 基础设施，是一个值得深入探索的领域。

能够总结这一年的一句话是什么？

从云原生到 AI 驱动，在重构中成长，在迭代中前行。