项目作品集

CharacterSeed · AI 数字生命

由人格、记忆、世界驱动的 AI NPC 平台：角色可成长、可主动发起对话，含 TTS 音色绑定、角色相册与故事视频等多媒体能力。

• Director + Actor 双 LLM 管线：注意力聚焦与行为生成分离，原始 JSON 可展开调试，可解释可迭代。
• Jiwen 积温引擎（Python 移植自开源 Node.js 库）：五轴连续状态模型 + 数学漂移 + 阈值触发，驱动角色在用户离线时主动发起对话。

MoneyPrinterTurbo 双 PR 贡献

为 12万+ star 开源 AI 短视频生成器新增 OpenAI 兼容文生图素材源，打通本地 ComfyUI/SD 私有化链路，并闭环修复付费 API 失败边界。

• 866 个全量测试通过 + 25 个素材源单测；PR 从 Issue 评论到合并约 8 小时，被维护者评价"方向好、测试充分"。
• 付费 API 重试语义建模：按"能否确认服务端未创建任务"划分失败类型（ConnectTimeout 可重试 / 读超时不重试 / 429 退避），本地故障必须终止而非继续扣费。

agent-skill-framework

AI Agent 技能管理框架：技能创建 / 加载 / 评估 / 迭代。执行器已从「技能文本静态注入 + 单次调用」升级为真 agentic loop —— 技能由模型经 load_skill 工具自主加载。

• 评估闭环：JSON 测试用例 → with/without 真实 LLM 基准对比 → 交互式 HTML 报告 → 自动优化技能描述再迭代。
• 真 agentic loop：瞬时错误指数退避（对齐自研容错方法论）、只读工具重复调用短路（实测省 45% token）、轮数 / token / 墙钟三重上限 + 无工具收尾降级；16 个 mock 用例钉住协议与边界。

VDB-News · AI 情报管道与可进化报告平台

不止 RAG 问答：16 路信源自动采集 → 8 步分析管道（采集 / 去重 / 聚类 / 分析 / 审核 / 组装 / 分发）→ 每日主题日报。报告带「进化对比」（较上一份新增 / 延续）与信号分级，用户打分反哺后续排序；另配 React19 + TS 管理台做主题、报告、知识库与模型治理。

• 产品判断：把定位从「新闻问答」改成「数据管道 + 可进化报告」——最终产出是一份报告而非一次对话，并用进化对比（新增 / 延续）让"每天自动更新"这件事被用户看见。
• 个性化闭环：显式打分（👍 加权 / 👎 直接剔除）+ 隐式兴趣画像双路反哺检索与排序，报告越用越准，而不是一次性生成后就静止。
• 工程与成本：修复充值幂等失效（幂等键与余额未同事务，资金正确性缺陷）、scrypt 密码 + 登录限流 + 上传鉴权等安全加固；embedding 成本压到 ≈ ¥0.0017/篇，单份报告 ≈ ¥0.014。

Attention Gallery · 智能相册

本地优先的智能相册 Android 应用：图像相似度自动聚类分组、堆叠卡片浏览，照片不上传云端。

• 本地 ML Kit 相似度聚类：隐私友好，规避"相册上传云端"的敏感问题；Room + 协程批量加载设备照片流。
• 现代 Android 全链路：权限申请 → 扫描聚类 → 分组浏览，可独立构建 APK 演示。

android-wechat-scroller

微信文章悬浮滚动条阅读器：用无障碍服务为长文章叠加可拖动的悬浮滚动条，快速定位阅读位置。

html-file-manager · 本地素材文件管理器

管理本地 HTML 素材的桌面应用：按文件名 / 内容 / 标签搜索，分类树 + 标签体系 + 内置 HTTP 服务，打包为独立 exe。

• 无框架实现：用 Python 标准库 http.server + 线程写本地服务，配原生前端完成交互，不引第三方框架。
• PyInstaller 路径兼容：get_resource_path / get_data_dir 区分 exe 与源码运行环境，内置数据目录管理。

programmer-portfolio-website · 接单作品集网站

个人接单与作品展示站：多页面原生前端 + Express 后端处理表单提交与数据管理，可作个人主页直接演示。

• 轻量全栈闭环：无框架组织多页面站 + Express 表单 API + admin 后台管理页。
• 边界意识：刻意不做过度工程——展示 → 表单提交 → 落盘 → 后台管理，核心链路控制在最小实现。

viral-content-analysis · AI 爆款内容分析与脚本生成

输入关键词或链接，自动完成采集 → 爆款结构分析 → IP 风格改写 → 0-100 评分排序 → 选题 → 可拍摄脚本 → 数字人成片，附零构建网页界面与异步任务系统。

• 提示词根因诊断：90 条内容分析后 9 个字段只有 1 个有值 → 定位到提示词未描述输出契约 → 修复后 Top1 从 57 提升到 71.3 分（S 级）、聚类从 85 类碎片化收敛到 16 类、成功率 100%。
• 防 LLM 编造事实：脚本会把"老洋楼"写成"百年老洋楼" → 建立时间表述规则校验（1972年 = 九七二年 = 上世纪九十年代，统一归一化后比对），10 个用例零误报零漏报。

TechLog · AI Agent 工程博客

自建技术博客（Next.js 15 + React 19 + Tailwind 4 + Contentlayer）：沉淀 Agent 工程化的一手踩坑复盘——架构演进、容错设计、上下文工程与成本治理。

• 不是搬运转载：深度复盘均来自真实项目踩坑（Skill 压平架构后 Restatement 回归、付费 API 重试语义建模、22 篇文档蒸馏为可进化技能）。
• 写作流工程化：Obsidian 同步 → MDX → Contentlayer 静态生成 → 一键构建部署，从写作到上线全链路自动化。

portwatch · 本机端口占用归因与历史留档

把「端口被哪个进程占了」从 netstat 的一行 IP:PORT，变成可追溯的归因链路（端口 → PID → 进程名 → exe → 启动命令行 → 工作目录 → 启动时间），并把每次占用的出现 / 消失留档成可回溯的历史。

• 性能陷阱定位：Windows 上 psutil.Process.ppid() 每次调用都会重建一次全量进程快照（约 45ms），逐进程取父进程让整轮采集从毫秒级恶化到 4476ms、吃穿 2 秒轮询周期 → 改为一次快照 + 查表后降到 73ms（保留兜底分支，因用到私有 API）。
• 分层纪律 + 故障隔离：事件表只由采集层的真实观测追加，心跳刷新 / 对账闭合只允许改区间表；历史层投递同步非阻塞、sqlite3 全部走 asyncio.to_thread，任何 DB 异常都不影响实时 SSE 主链路。
• 心跳缺陷的定位与修复：稳定占用不产生 delta → last_seen_at 永远等于 first_seen_at → 进程被强杀后对账闭合时取到重启时刻，占用时长被虚增（停机多久就虚增多久）；修复后长驻占用 3.4 小时内 last_seen_at 持续推进。
• 诚实的时间语义：2 秒采样只能把变化定位在 (上一轮, 本轮] 内，字段名刻意用 first_seen_at / occurred_at，并在文档中显式声明采样不确定性。
• 测试与 CI：16 个 pytest 用例钉住三层契约（快照结构与自端口归因 / diff 语义与保守保护判定 / 历史层三条设计纪律），GitHub Actions 四矩阵（ubuntu + windows × py3.11 / 3.13）回归。

flowwatch · 本机流量实时监控与进程归因

回答任务管理器回答不了的问题：哪个进程在跟谁通信、用了多少带宽、从什么时候开始的 —— 并把「说不清是谁的流量」如实分账（本机归因 / 属主受限 / 未归因 / 别人的流量 / 非 TCP-UDP），不混进总数里假装准确。

• 内置只读 Agent 助手（1576 行）：12 个工具（8 取数 + 4 记忆原语）+ 6 轮工具循环 + 三层记忆（热状态 / 证据日志 / 长期事实）；隐私物理隔离（聚合档不注入明细工具，对端 IP 进不了上下文）；幻觉护栏三轮（强制纠正轮 → 系统补查 → 未核实标注），出自真实事故，修前 2/8 零工具调用 → 修后 0/8。
• 未归因率 36.8% → 29.8%（最小窗口 1.1%）：先给查表函数插桩拿未命中原因分布，再用 100ms 高频轮询做判别实验，把缺口拆成「短命 socket 漏拍 20.5% / 表里从未出现 79.5%」，再针对性修（promisc=0 + 本机地址白名单 + 端点/四元组两层记忆 + 自适应刷新）。
• 两条路先被实测否掉才转向 ETW：表解析优化只有 1.6×（10Hz 要吃单核 36%）不值得；端口级推断在 CDN 场景会混。ETW 事件 ID 查官方清单才发现记忆里的 10/11 是错的（实际 12/28）。
• 系统层三条纪律：结构体不手算偏移（ctypes 按文档顺序定义 + 导入断言尺寸 48/120/80/112）、fail-closed（本机地址校验连续失败就停用，绝不误归因）、拿不到权限就降级（非提权 state=denied，主链路照常）。
• 历史层：连续量按时间桶聚合（每分钟每进程一行 + 域名桶 + 事件三关：出现要够格 / 尖峰要有基线 / 冷启动静默）；一次自锁事故换来「写库独立线程 + 有界队列、读接口走线程池」的故障隔离。
• 隐私与口径都写进设计：promisc=0、不落包体、只统计元数据、只监听 127.0.0.1；域名只读明文元数据（DNS 应答 + TLS SNI）；未归因率同时给本窗口与近 60 窗滚动两个口径并附样本量。

ExeTrace · 应用历史定位器

解决「AI 做出的软件，关掉就再也找不到」：后台记录打开过的每一个应用，随时一键找回；也能对任意 exe / 软件文件夹一键钉到桌面。

• 双轨历史：注册表冷启动回填（FeatureUsage/MuiCache）+ 运行期实时监控 —— 首次启动就有历史，不用等下一次打开。
• 记录判据收紧（穷举验证）：从「任意可见窗口」改为「前台窗口 or explorer 父进程」—— 排除输入法 / 崩溃报告器这类弹窗噪音。
• 后台内存 18–22 MB → 5–8 MB（隐藏时 UI 泵降频 + EmptyWorkingSet；同口径对照 QuickClipboard 13.1 / OneDrive 15.6）；稳态 CPU 1.89% 单核（ToolHelp 替换 psutil，依赖整体移除）。
• 一次「未响应」事故换来的 UI 纪律：批量 Tk 操作分片时间预算（图标 0.4s/轮、列表 0.35s/轮），扫描期跳过全量重建；复现脚本留在 tools/probe_*.py。
• 任意程序一键钉（v3.1 并入原 DeskPin 能力）：选中历史即钉；也能对任意 exe / 软件文件夹钉 —— 文件夹自动识别主程序（同名 exe 优先 → 跳过 setup/unins/helper 噪音 → 浅层优先），多候选下拉切换；纯 ctypes COM（IShellLinkW）零依赖，创建后读回校验、同名自动编号绝不覆盖。
• Rust 版体积 20.5 → 6.78 MB；内存目标未达成也如实写（对照出 eframe 空壳基线 115.6 MB，不把基线说成应用开销）。

patrol · 本机流量巡检（异常守护）

流量监控工具回答「发生了什么」，patrol 回答「这件事值不值得你看一眼，以及为什么」—— 先把噪音筛掉（确定性预筛），再让 Agent 对可疑信号做多步取证。

• 两段式架构，职责不越界：预筛层确定性（无模型参与、可回放复算）；取证层才引入 Agent，且只在预筛出信号后触发 —— 全量数据不进模型上下文。
• 预筛噪音控制有实测口径：0.9 条/天 —— 保证「每天的告警量是人能看完的」。
• 一次重大实测驱动的设计：某加速器驱动级代收全机流量，按常规口径看「一切正常」→ 三次对照实验实锤，由此催生连接视角信号（不比字节数、比连接行为），补上「代收后依然异常」的盲区。
• 每个数字都有复现手段（--replay 168 回放一周 / --test-alert 触发真实告警链路）；未做的能力（CI / ETW 关联 / 阈值定标）也写在 README。

gh-fast-download · GitHub 大文件多线程下载器

GitHub 大文件单连接常被限速到几十 KB/s —— 28 KB 单文件脚本把文件切 N 块、多线程并发；本机实测 4 MiB：74.8s → 38.0s（1.97x），产物 sha256 完全一致。

• 实测方法学是核心：--limit-mb 让两种方式传输完全相同的字节数再比（截断内容逐字节一致，回归测试钉住）；「样本 ≥ 4×分片」固化为函数 + 测试 —— 分片只切出 1 片时并发没发生，会得出假 0.9x（踩坑三次）。
• 推翻自己：同一素材两次实测 0.90x → 2.06x —— 「两个数据点不足以支撑因果结论」，据此把「CDN 聚合限速」的误判写进了项目文档。
• --preflight 预检模式：把「今天这条链路能不能演出效果」从运气变成流程（给出结论与可复制命令）。
• 安全审查修掉真实缺陷：调用 API 时曾无条件关 TLS 校验且同时发送 token（凭据泄露风险）→ 现在默认强制校验 + 危险组合主动告警；53 个离线测试 + CI 6 矩阵。
• 诚实条款写进产品：不承诺固定倍数 —— 单连接没被限速时它会如实说「此刻帮不上忙」。配套宣传视频 BV1jxpc69Ekk（逐帧渲染 + 同屏赛跑对比 + TTS 旁白，全链路可复跑）。