项目定位（见github）

模拟飞书 “跨平台办公套件” 场景，开发一款支持 端侧大模型本地化推理 的轻量办公助手，覆盖 “文档摘要 + 会议纪要生成 + 跨端消息同步” 核心功能，重点练手 C++ 跨平台开发、端侧 AI 性能优化、系统资源调度。

核心技术栈

• 开发语言：C++（主力）、Python（模型转换辅助）
• 跨平台框架：Electron（Windows/MacOS/Linux 适配，飞书客户端技术栈）
• 热门模型：端侧量化版 LLaMA-3（7B 参数，通过 llama.cpp 部署）、Whisper-Tiny（语音转文字，会议纪要场景）
• 性能优化工具：Xperf（Windows 性能分析）、Instruments（MacOS 内存监控）、Valgrind（Linux 内存泄漏检测）

关键实现点

1. 端侧大模型轻量化落地

   • 用 GPTQ 量化将 LLaMA-3 7B 模型压缩至 4bit，内存占用从 28GB 降至 7GB，满足客户端本地运行；
   • 开发 “模型加载优先级调度” 逻辑：空闲时预加载模型，办公操作时自动降低模型线程优先级，避免占用 CPU 资源导致客户端卡顿，满足跨平台能力优化需求。

2. 跨平台办公场景功能

   • 文档摘要：解析飞书文档格式（.feishu），调用端侧 LLaMA-3 生成结构化摘要，支持 Windows/MacOS/Linux 三端同步；
   • 会议纪要：通过 Whisper-Tiny 实时转写麦克风音频，结合大模型自动提取 “待办事项 + 责任人 + 时间节点”，生成飞书表格格式纪要。

3. 性能优化（字节核心关注）

   • 启动速度优化：将模型权重拆分为 “核心层 + 扩展层”，启动时仅加载核心层（1.2GB），启动时间从 15s 压缩至 3s；
   • 内存管控：用 C++ 实现 “模型权重内存池”，闲置时释放未使用权重，内存占用峰值降低 40%

能力亮点

• 直接练手飞书岗位要求的 C++ 跨平台开发、系统级调试工具（Xperf/Instruments）；
• 落地 “端侧大模型” 热门技术，契合飞书 “跨平台框架创新” 的需求；
• 产出可量化的性能优化成果（启动速度、内存占用），匹配字节 “闭环意识 + 技术追求” 的岗位特质。