← 返回博客
陈明辉
后端开发工程师 · PHP / Laravel · 8 年
做过 100+ 租户的物业 SaaS，做过跨境电商 ERP，也做过从 0 到 1 的数据采集系统。
擅长把业务流程拆清楚，然后用最少的代码把它跑稳 —— 一个人能走完从架构到部署的整条链路。
8 年后端开发经验
100+租户的在跑 SaaS 系统
98%采集系统稳定成功率
60+篇原创技术文章
Selected Work
从 0 到 1 搭建亚马逊数据采集系统
跨境电商 ERP · 2019 – 2021 · 主导架构与核心开发
采集成功率 98%，后台报表人力成本下降 70%，数据入库效率提升 50%。
背景
跨境电商 ERP 需要持续的亚马逊商品、评论和经营报表数据。原来的做法是人工下载、人工整理，
数据滞后，覆盖也不全。公司提出需求时，团队里没有人做过成规模的采集。
我的角色
主动提出转 Python 承接这个方向，负责架构设计并完成核心开发；后期有一名 Python 同事加入协作调优。
关键决策
-
用 Scrapy-Redis，而不是自研调度。
自研能省掉学习成本，但队列、去重、断点续爬都要自己造。在只有一个人的情况下，
把有限的精力放在反爬和稳定性上，比造轮子划算。
-
前台采集和后台报表拆成两条链路。
前台是 HTML 解析，后台是登录态加文件下载，两者失败模式完全不同。混在一起会让重试逻辑失控，
所以后台单独用 Selenium 模拟浏览器完成下载与回传。
-
把反爬当成持续运营，而不是一次性工程。
动态代理池和请求特征混淆只是入场券。真正的稳定性来自监控：成功率跌破阈值就告警，
自动降速而不是硬刚。
结果
采集成功率稳定在 98% 以上；报表环节人力成本下降 70%；Supervisor 集群加 MongoDB 分片，
数据入库效率提升 50%。这套系统后来一直支撑着选品和广告分析的数据底座。
如果重做一次：我会在第一天就加上采集质量看板。采集系统最难的不是爬下来，是
证明数据是准的 —— 这个认知是后来做多租户采集时才真正补上的。
100+ 租户物业 SaaS 的开户流程重构
多租户 SaaS · 2021 – 2024 · 主导方案与落地
开户时长从半小时以上压缩到分钟级，整体效率提升 90%，成为后续租户迁移的标准流程。
背景
这套物业系统服务 100 多个租户。每开一个新租户，要跨多个模块初始化数据、校验第三方接口、分配权限，
全流程同步串行。客户等半小时是常态，一线实施的同事怨声很大。
我的角色
主导方案设计与落地，从问题定位、链路重设计到上线验收全程负责。
关键决策
-
先做流程拆解，不急着优化 SQL。
把开户拆成「校验 — 初始化 — 授权 — 通知」四段，用耗时打点找出真正的瓶颈。
结论是：大头在串行的远程调用和循环里的重复查询，不在数据库本身。
-
可并行的环节异步化，用状态机兜底。
异步化会带来最终一致性问题，所以引入开户状态机和补偿任务：
任何一步失败都能重试到确定状态，而不是让用户面对一个「不知道成没成」的页面。
-
把进度做成可见的。
技术上做到分钟级已经达标，但用户感知的是「有没有反馈」。
加上进度展示之后，同样的耗时，投诉量明显下降。
结果
开户从半小时级降到分钟级，效率提升 90%。这套流程后来又用于历史租户的批量迁移，
把一次性的性能优化变成了可复用的实施标准。
沉淀下来的判断：性能问题的第一现场往往不在数据库，而在调用链的形状。
先画清楚链路，再谈优化手段 —— 反过来做，很容易优化了一个本来就不慢的环节。
AI 辅助下的实时聊天系统全栈交付
独立交付 · 2025 · 一个人完成前端 + 后端 + 部署
在没有前端经验的前提下，单人交付一套含 WebSocket 实时推送、多语言、复杂状态管理的聊天系统，按期上线。
背景
接的一个项目，需要聊天窗口加后台管理端。后端我有把握，但前端我只在入行时碰过 HTML 和 CSS，
工作之后一直做后端，样式和交互早就丢了。
我的角色
独立交付，从需求沟通、方案设计到开发、部署、验收，全流程一个人。
关键决策
-
先写交互清单，再让 AI 生成代码。
这一步是关键。直接说「帮我写个聊天界面」，拿到的是漂亮但跑不通的静态页；
先把状态、事件、边界条件列成清单，AI 产出的一次通过率会高得多。
-
AI 负责起草，人负责判断。
组件骨架、样式、多语言文案交给 AI；消息顺序、断线重连、已读回执、并发发送这些逻辑必须自己设计
—— 这恰恰是 AI 最容易写出「看起来对、实际会丢消息」的地方。
-
把验收标准前置。
每完成一个模块就先自测一遍再往下走，避免最后一次性联调时才发现状态管理已经烂了。
结果
按期交付，客户验收通过。更重要的是，这套流程被我固化了下来：
先定验收标准 → 让 AI 批量产出 → 人工收敛。它现在是我接任何一个陌生技术栈项目时的默认打法。
对 AI 的理解：它提升的是起草速度，不是判断力。
它让人从「不会写」变成「能写出来」，但能不能交付，仍然取决于你有没有能力定义清楚「什么叫做对了」。
Stack
- 语言
- PHP（Laravel / Lumen / Yii2 / CodeIgniter）、Python（Scrapy / Flask / Celery）、Java
- 数据
- MySQL、Redis、MongoDB、RabbitMQ
- 工程
- Docker、Nginx、Git、CI/CD、Supervisor、Linux
- 方向
- 多租户架构、高并发与协程、数据采集与反爬、AI 辅助开发与 LLM 应用集成