项目仓库：DataAnalysisPositions

下文流程图概括了「数据清洗」与「多维度分析」两条主链路。

graph TD
    A[原始招聘数据] --> B[空值清洗]
    B --> C[去重处理]
    C --> D[地域筛选]
    D --> E[职位关键词过滤]
    E --> F[清洗后数据视图]
    
    F --> G[市场需求分析]
    F --> H[薪资分析]
    F --> I[技能需求分析]
    
    G --> G1[城市招聘量]
    G --> G2[企业类型分布]
    G --> G3[职位数目统计]
    
    H --> H1[薪资分布]
    H --> H2[工作年限与薪资]
    H --> H3[企业类型与薪资]
    
    I --> I1[技能词频统计]
    I --> I2[核心技能TOP30]
    
    J[游戏岗位数据] --> K[对比分析]
    L[运维岗位数据] --> K
    F --> K
    K --> M[可视化图表]

项目概述

本项目承担「招聘数据采集 → 多层视图清洗 → 薪资标准化 → 多维度统计分析 → 可视化呈现」的完整链路，在本项目中负责数据清洗逻辑设计与 SQL 分析开发。

项目仓库：（本仓库）

访问地址：（本站）

下文流程图概括了「本地开发 → GitHub 推送 → Cloudflare Pages 自动构建部署」的主链路。

graph LR
    A[本地 Markdown] --> B[Git Push]
    B --> C[GitHub 仓库]
    C --> D[Cloudflare Pages]
    D --> E[Hugo Build]
    E --> F[全球边缘部署]
    F --> G[用户访问]
    G --> H[就近节点响应]

项目概述

本项目以生产级标准搭建个人技术主页，承担「内容编写 → 自动化构建 → 全球部署」的完整链路。在本项目中负责架构设计、Hugo 主题定制与性能优化。

技术栈：Hugo 作为静态站点生成器（Golang 编译级速度，构建 1000 篇文章仅需 0.8s）；Cloudflare Pages 提供一体化的 CI/CD、静态托管与全球 CDN（推送即部署，无需配置 GitHub Actions）。架构简洁，推送到 GitHub 后 Cloudflare Pages 自动拉取、构建、部署至全球 200+ 边缘节点。

项目成果：

项目仓库：（本仓库）

下文流程图概括了两条主链路：books 的「模板渲染 CRUD」与 movies 的「DRF API（分页/过滤/搜索/排序/限流/内容协商）」。

graph TD
    A[浏览器/客户端] -->|HTTP| B[Django URLConf]

    B -->|/books/| C[books 传统视图]
    C --> D[Book Model SQLite]
    C --> E[模板渲染]
    E --> A

    B -->|/books/api/books/| C2[books JSON API]
    C2 --> D2[Book Model SQLite]
    D2 --> C2
    C2 --> A

    B -->|/api/| F[movies DRF]
    F --> G[MovieViewSet APIView]
    G --> H[MovieSerializer]
    H --> I[Movie Model SQLite]
    I --> H
    H --> J[DRF Response]
    J --> A

    K[中间件] --> F
    K --> C
    K --> C2
    K -->|CORS| L[corsheaders]
    K -->|日志| M[RotatingFileHandler]

项目概述

本项目承担「Web 页面（模板渲染 CRUD）」与「REST API（DRF 标准接口）」两条链路的打通，在本项目中负责项目搭建、应用拆分、路由设计、模型与序列化器/视图实现，以及 DRF 的分页、过滤、限流与可浏览 API 配置。