形象代表
小策
数字员工出场形象之一。
AI Works
AI 原创作品
10 件原创作品，按 AI 应用五层技术栈（应用 / 编排 / 模型 / 基础设施 / 数据）落地，覆盖三大范式：AI 增强、AI 自动化、AI Agent。每件可演示或现场讲解——也是技术交付方式的直接证明。
1,075 次
6 个月提交 · 单人 · 月峰值 245 次
+8.6 万行
净新增代码 · 228 文件 · 12 模块
370+ 篇
方案 / 分析 / 验收文档
6,400 行
在研产品 TwinMind · 单人全栈（PRD→后端→前端→测试）
生产级交付纵深
AI 工作流不只用在小项目——它支撑的是一套完整的跨境业务后端：从对外接口到底层支付回调的全链路，由个人主责。
149 个对外接口 · 18 个业务分类（下单 / 充值 / 用户资产 / 优惠券 / 支付方式…）
5 条主流支付渠道全链路（国际卡 / PayPal / 第三方钱包 / 支付宝原生 + 小程序），含回调幂等与金额一致性校验
R001–R011 独立数据审计规则引擎：定时巡检订单 / 账本 / 卡套餐一致性并邮件报告
12 个业务模块协同 · 多外部系统状态对齐 · 跨币种金额口径治理
AI-Native 工程方式：对齐「AI 增强」范式——人定目标与边界，AI 在编排层执行；下面四条都在生产项目里跑通过。
01分层理解 · 按需深入
架构 → 接口 → 实现三层递进，AI 当代码导游，只在出问题时下钻。重构支付模块从「读完 1358 行再动手」变成 30–60 分钟，效率 3–6 倍——典型的 AI 增强交付。
02规则即约束 · 编排层
把业务铁律写成 Prompt / 规则文件并纳入版本管理（如「小程序金额强制 CNY」），让模型层产出天然合规——编排层约束，而不是事后人工 review 兜底。
03文档先行 · 代码随后
方案文档是模型的上下文与契约：先写清边界，再按契约产出。370+ 篇方案与代码同步演进——交接时读文档即可续跑，可复现、可审计。
04全链路独立交付
需求 → 架构 → 编码 → 测试 → 文档，一个人跑完整条链。TwinMind 从 PRD 到前后端与测试均为个人 + AI 协作——应用层产品由编排层工作流托底。
工业控制智能监控平台（PCS）
2026 · 自研 Demo基于 MQTT 实时采集温度 / 压力 / 电流 / 振动，监控大屏 + 阈值告警 + DeepSeek 自然语言助手一次跑通。企业级工业监控 / 运营看板类交付样本——证明「全栈工程 × AI 原生」能落到可演示产品。
MQTT实时大屏告警治理DeepSeek 助手参数可配
查看案例详情与界面 →
可作技术演示当场 demo →
AI 虚拟演播室及店铺促销视频Agent
2026 · 已具备交付能力应用层交付物：面向餐饮等本地店的促销短视频。编排层 Chain——脚本生成 → TTS/虚拟主播播报 → 场景合成 → 成片；人设规则与终审，属 AI 自动化范式（固定流水线），可演进为「只给目标」的 Agent。
Chain 编排LLM · TTSAI 自动化
查看能力与样例 →
可作技术演示当场 demo →
TwinMind · AI 数字分身系统
2026 · 在研应用层 LLM 产品：把人格、决策规则与目标结构化成可版本化文件，对话前注入模型——在用户自己的框架内回答。编排层负责记忆注入与主动触达；数据层用摘要 + 向量检索（RAG 思想）。
- 数据层 · 长期记忆：摘要 + 向量检索，会话前动态注入（检索增强生成）
- 编排层 · 主动性：心跳调度 + 每日三次主动触达，断链告警——朝 Agent「规划-执行」演进
- 信任边界：AI 只给事实与选项，不替用户拍板；规则引擎做输出审查、防提示词注入
- 基础设施：约 6,400 行自研，FastAPI + Pydantic；7 个测试模块，含账号与 React 问卷引导
RAG · 记忆Agent 调度Claude APIFastAPIReact 19
AI 语音交互服务端
2025编排层流式 Chain：VAD → ASR(STT) → LLM → TTS，全流程流式处理；基础设施层用 MQTT + UDP 承载指令与语音数据——把模型层能力串成可交付的语音入口。
- 端到端时延优化，对齐主流 AI 硬件服务器推流标准
- 唤醒词打断、会话记忆与追溯；天气 / 日期 / 股价等工具调用入口
- 从通讯协议到交互能力的完整服务端——应用层可挂智能硬件 / 客服 / 助手
- 模型可替换（LLM / TTS / STT 为耗材），编排与协议层才是资产
Chain 编排STT · LLM · TTSMQTTUDP 流式
AI 工具站数据自动维护 Agent
2026 · 生产在跑范式三落地：6.2 万条工具数据默认隐藏，白名单 / drip 谨慎上架；Skill 编排抓取→分类→长简介→存活巡检→入库→人工闸门；QA 71/71，平均简介 274 字，日报推送 QQ——目录站运营可复盘、可交接。
LLM 校对存活巡检drip 配额资产日报
查看案例详情 →
可作技术演示当场 demo →
多策略 AI 量化交易系统
2023.09 – 至今 · 大脑通用 · 手脚定制产品拆成两层：量化大脑（决策辅助，主观/量化通用）与 量化手脚（执行自动化，按需定制）。TSS/ODS 公理地基 → 综合判断 → 策略工厂 → 账本分离 → 日环交接 → 全面风控。改参 ≠ 改宪；自然语言只读查闸门，不下单。
量化大脑手脚定制TSS · ODS全面风控
大脑 / 手脚分叉详情 →
AI 编码工作流与规则体系
2025 – 至今范式一「AI 增强」的工程化落地：人定目标与审查节点，AI 在编排层按规则产出。分层理解、规则即约束、文档先行——6 个月 1,075 次提交、370+ 篇文档即产能证明。
- 分层理解：架构 → 接口 → 实现，AI 增强式下钻；重构 1358 行支付模块约 30–60 分钟
- 编排层 · 规则即约束：业务铁律写成可执行规则 / Prompt，纳入版本管理
- 文档即上下文：方案是模型输入契约，交接时可复现续跑
- 可对外交付：规则文件 + 文档模板 + 工作流脚本，作为团队 AI 提效方案
AI 增强Prompt · 规则可交接
跨境 eSIM 业务平台
2025.09 – 2026.06App / Web 多端「选套餐 → 下单支付 → 发卡履约 → 用卡管理」端到端业务编排：149 个对外接口 / 18 个分类，个人主责对外核心链路。
Python支付对接幂等设计异常补偿
查看交付案例详情 →
银杏林三维生长模拟系统
南京林业大学校长层面项目Java 3D + jMonkeyEngine 3 + 3ds Max 参数化建模，程序生成整片银杏林并支持俯视 / 平视 / 鸟瞰多视角漫游，交付 Windows + Linux 可运行程序与帮助文档——一个人从需求到交付全部做完。
Java 3DjMonkeyEngine 33ds Max参数化建模
查看早期作品详情 →
三大范式 × 五层技术栈：范式一 AI 增强（Cursor 协作编码）→ 范式二 AI 自动化（促销视频 / 量化复盘类固定 Chain）→ 范式三 AI Agent（工具库维护 Agent 的运营闸门 · TwinMind 主动性）。落地上对齐应用 / 编排 / 模型 / 基础设施 / 数据五层；方案文档 + 规则文件 + 版本化提交，整套链路可复现、可交接。
苏公网安备32011502014468号