Hello! 我是豹豹, 智能体后端 & AI 应用开发者

• 这是为荣耀 PC 软件部开发的大模型研发工具里的一件; 同一批交付的还有浏览器自动化工具库和文档解析入库工具链.
• 评测可信度 -- 发现 RAGAS 两项指标恒为满分, 按指标算法逐条拆样本, 定位为评测集过易且参考答案与检索段落同源导致的虚高, 提出加入困难样本重建评测集.

• 交给荣耀 PC 软件部的三件大模型研发工具里, 这一件管浏览器自动化; 另两件是 RAG 评测平台与文档解析入库工具链.
• 实现持久化登录态, 操作录制与回放, 网页正文提取(三级回退), 文件下载.

• 这是交给荣耀 PC 软件部的端侧视觉算法, 场景是荣耀电脑管家 Magic text 的划词: 用户拖选一段文字, 算法要从截图里找出被选中的那片高亮.
• 荣耀方审阅完整方案后要求推进上线相关开发, 随即移植为 C++ 动态库.
• 覆盖深浅两种界面 多行选择与不同 DPI.

• 与 RAG 评测平台 浏览器自动化工具库一起交给荣耀 PC 软件部的大模型研发工具, 这一件把文档转成可入知识库的结构化数据.
• 扫描版先转图片再交视觉模型识别; JSON 解析设三级容错.

以 AI Native 方式完成(855 个提交, 641 个由 Claude Code 合著).

• 英国利兹大学的硕士课题(MSc Individual Project), 问两件事: 从术中超声里读肿瘤边界能读多准, 开颅窗下热量能送多深.
• Agent Evaluation -- 自建对话评测集, 从工具选择 参数与执行结果三方面评估智能体, 查出模型的参数单位换算错误; 录制真实回复做离线回放, 修正判分规则后无需重复调用模型; 沿用课题重采样方法比较模型.
• 基础模型 Evaluation -- 搭建视觉基础模型评测 pipeline, 零样本评估分割基础模型在术中超声上的边界精度; 针对排名随提示框波动的问题, 加做按病例重采样与提示扰动两类稳定性检验, 得出换病例排名稳定 换提示排名不稳的结论, 指出零样本精度依赖人工提示.
• 针对仿真库只算声场的缺口, 自建热传导求解器补齐脑瘤声场到热剂量的仿真工具链, 并用解析解验证. 仿真前先校验配置并缩小网格预跑, 把错误配置挡在耗时仿真之前.

• 本人每天在用, 由三块组成: 笔记编辑 秘书台 跨项目排期.
• 笔记编辑: 手机浏览器里编辑 Markdown 笔记并写回磁盘; 保存时先写临时文件再原子换入, 并比对文件修改时间, 电脑端同时改过就不覆盖.
• 秘书台: 早报 拍板 晚报三块, 数据来自笔记库与各项目仓; 收集器每天北京 06:45 与 21:45 跑, 推送排在其后 5 分钟, 把要动手的与要拍板的发到 Discord. 底栏五页: 今天 待办 项目 清单 库.
• 跨项目排期: 面板与命令行共用同一套写口与闸; 别的仓的编程 agent 经命令行勾掉 加行 改日期, 改掉已有日期必须写理由, 理由记进当天日记.
• 写回纪律: 只追加行或只改一行, 从不重写整节; 写前比对修改时间, 笔记那边刚改过就返回 409 并在页面上报.
• 部署: 生产在家里的 NAS 上, systemd 用户单元跑 Web 服务 隧道 收集 推送; 公网经 Cloudflare Tunnel 与 Access, 应用层再一道 token 鉴权, 未配置 token 时除健康检查外一律返回 503; 工作站的项目读数约 5 分钟内送到 NAS.
• 后端为 Python 标准库 HTTP 服务, 没用框架, 路由写成一张表; 前端为原生 JavaScript 加 CodeMirror 6.
• 规模: 2026-08-14 起, 截至 2026-10-13 共 306 个提交, 1260 个测试函数. 本人负责需求拆解 架构约束与验收, 在 3 版界面原型中选定方向; 代码与自动化测试由 Claude Code 写.
• 快速迭代: 2026.08.15 起一天半内 37 个提交; 本人逐轮实测提出修改(如搜索条点一次即退出), 指挥 Claude Code 定位根因并修复.

基于 OpenAI Agents SDK, 智能体经 5 个工具函数把自然语言转成数据库操作; 13 种改写与删除操作先出预览, 用户确认后才执行; 10 张表(SQLite), FastAPI 接口 38 个, 561 个测试函数.

• 个人项目, 使用者只有本人. 入口是 Discord. 一句话进来先按频道排队, 取最近几条对话当记忆, 现查数据库把正在做的事和任务列表拼进上下文; 模型从工具里挑着调, 改写和删除先过确认闸, 业务函数校验后写进 SQLite.
• 确认闸: 改写与删除先只出预览; 模型自己说'已确认'不算数, 代码回头查用户这一轮的原话里有没有肯定词.
• 代码由 AI 编程工具写, 需求与验收由本人做.

把 Claude Code 接进聊天频道, 每条消息启动一个命令行子进程并解析其流式 JSON 输出, 生产者与消费者两个协程边生成边更新消息; 频道到会话的映射落盘, 重启后续接; 用户白名单, 会话号经正则校验后才拼进命令行.

• 个人项目, 自己在手机上用; 代码由 AI 编程工具写, 需求由本人定.
• 安全上做了三件: 只响应白名单里的用户; 会话号先按格式校验再拼进命令行; 用户的话放在 -- 后面, 不会被当成命令行参数.
• Python, discord.py 与 asyncio, 以 systemd 用户服务常驻; 2026.04 退役, 换用开源同类工具.

独立设计并实现免训练的高亮区域分割算法, 输入截图与鼠标拖选的起止坐标, 输出选中文字的区域掩码. 方法: 灰度量化为 16 级, 沿起止两点连成的轨迹线取样, Otsu 双阈值分三簇, 按轮廓包裹关系判定高亮簇, 形态学去毛刺.

Python 实现后移植 C++, 导出 C 接口 DLL.

• 这是交给荣耀 PC 软件部的端侧视觉算法, 场景是荣耀电脑管家 Magic text 的划词: 用户拖选一段文字, 算法要从截图里找出被选中的那片高亮.
• 荣耀方审阅完整方案后要求推进上线相关开发, 随即移植为 C++ 动态库.
• 覆盖深浅两种界面 多行选择与不同 DPI.

在 23 例术中超声上零样本评估 5 个 SAM 变体, 最优者 Dice 0.858, HD95 2.82 mm. 换病例重采样 10000 次, 最优者保持第一的概率 0.957; 提示框加扰动后 69 个组合里 55 个名次改变.

• 英国利兹大学的硕士课题(MSc Individual Project), 问两件事: 从术中超声里读肿瘤边界能读多准, 开颅窗下热量能送多深.
• Agent Evaluation -- 自建对话评测集, 从工具选择 参数与执行结果三方面评估智能体, 查出模型的参数单位换算错误; 录制真实回复做离线回放, 修正判分规则后无需重复调用模型; 沿用课题重采样方法比较模型.
• 基础模型 Evaluation -- 搭建视觉基础模型评测 pipeline, 零样本评估分割基础模型在术中超声上的边界精度; 针对排名随提示框波动的问题, 加做按病例重采样与提示扰动两类稳定性检验, 得出换病例排名稳定 换提示排名不稳的结论, 指出零样本精度依赖人工提示.
• 针对仿真库只算声场的缺口, 自建热传导求解器补齐脑瘤声场到热剂量的仿真工具链, 并用解析解验证. 仿真前先校验配置并缩小网格预跑, 把错误配置挡在耗时仿真之前.

• 一篇英文论文, 全文 26 页, 做皮肤镜图像的黑色素瘤分类.
• 数据是 SIIM-ISIC 黑色素瘤分类挑战赛(ISIC-2020)的皮肤镜图: 去掉 425 张重复后 32,701 张, 其中黑色素瘤 581 张.
• 模型用三个空洞卷积层提特征再合并分类. 训练写成一串决策: 每张图是一个状态, 网络的判定是动作, 判对判错按奖励表给奖惩, 经验进回放记忆, 用 Off-policy PPO 更新; 多数类的奖惩是 ±λ(0<λ<1), 少数类的奖惩绝对值更大.
• 数据增强在线做: 每张图按概率保留, 否则换成生成器画的同类新图; 生成器另加重建损失, 用来缓解模式崩溃.

把一套公开的语义 SLAM 代码(ORB-SLAM2 稠密建图加 FCAF3D 三维检测)在自己的环境里装起来编过去, 读过它的源码并写了流程记录.

• 在利兹大学读硕士期间做的课题, 想让一台移动机器人建图的同时认出场景里的物体.
• SLAM 与检测的代码包出自别人的公开仓; 本人改的是编译配置 路径与依赖, 算法没有动.
• 环境是 WSL2 里的 Ubuntu 18.04, ROS Melodic, CUDA 11.3, PyTorch 1.12.1; 编 ORB-SLAM2 时碰到 Eigen 的兼容问题, 去掉了编译选项里的 -march=native; PCL 版本由 1.7.2 改成 1.8.1, 补了缺的头文件.
• 另起了两个上位机小工具: 安卓遥控 App 做到界面与蓝牙状态监测, 串口日志工具做到串口连接与导出; 3 月用这台机器人做过一次导盲场景的课程展示.

• 燕山大学的本科毕业设计, 题目自选; 论文《动态环境下移动机器人语义 SLAM 研究》评为燕山大学本科优秀毕业设计.

把一个现成的检测模型用到比赛的机器上: 单件模式累计 4 次才上报, 多件模式记下每件的类别与位置逐件下发, 决赛现场 29 秒分完 10 件.

• 燕山大学参赛队, 本人任队长. 先拿第七届河北省大学生工程训练综合能力竞赛特等奖, 再进中国大学生工程实践与创新能力大赛'智能+'赛道全国总决赛, 获生活垃圾智能分类赛项金奖; 燕山大学官网新闻写这支队省选赛第一名晋级, 总决赛初赛河北赛点第一, 最终该赛项正赛成绩全国第一.
• 在 Jetson TX2 上部署 YOLOv5s, 自写应用层; 校赛阶段在 K210 上跑 YOLOv2; 为多人协作撰写数据集制作教程.
• 下位机一直往上发状态, 上位机看到'要下一件'才回一帧, 里面是这一件的类别和坐标.
• 本人做的是上位机应用层, 转接板的原理图与 PCB, 校赛版下位机与 4 篇文书; 省赛国赛版下位机与机械由队友完成.

四旋翼巡检机器人的视觉端(OpenMV, MicroPython): 色块检测, 巡线的直线交点与直角判断, 与飞控的串口帧, 板上按键调阈值与曝光时间; 6 月底至 8 月初迭代 13 个版本.

• 燕山大学参赛队, 本人任队长; 获全国大学生电子设计竞赛(河北赛区)本科生组一等奖, 证书由河北省教育厅颁发.
• 异物用色块检测找, 阈值在 LAB 空间里定; 巡线用霍夫直线检测和线性回归, 要认出直角时求两条直线的交点再判夹角.
• 测试环境的干扰会影响识别, 所以在板子上做了一个用按键调阈值和曝光时间的小界面, 能切到二值画面看效果, 参数存成文件, 调参不用接电脑.
• 识别结果按飞控的串口协议打成帧发过去.

• 两道都是电赛的赛题, 代码自己写, 一直改到第二年春天: G 题做非接触的形状判别与尺寸测量, F 题做口罩识别加额温测量.
• G 题: 舵机云台带 OpenMV 巡航, 连续检出 15 帧后转追踪, 按色块中心偏离画面中心的像素数调舵机, 偏差小于 5 像素就锁定并打激光; 再按色块填充率判圆 三角 方, 用激光测距读数乘像素长换算尺寸.
• F 题: 三块板分工: OpenMV 判口罩, STM32 读额温并汇总, ESP8266 把结果放到网页上, 网页每 500 毫秒取一次数据.

• 方案是车顶一台禾赛 Pandar40P(40 线激光雷达)加 USB 相机, 主机 Jetson TX1, 跑 ROS 1 Melodic; 只做感知与显示, 不接车辆控制. 下面几段是立项文档里定下的, 仓里还没有代码.
• 管线: 雷达解包 → 地面分割与降采样 → 欧式聚类出 3D 框 → 相机画面跑 YOLOv8n, 雷达点投到图像上给每个框配距离 → 车内屏 1920×720 上屏; 遥测按冻结的 schema 每秒 10 次推给安卓车机.
• 算力账按画面反推: CPU 约 2.6-2.9 核, GPU 约 75-110%, YOLO 与渲染同抢一块 GPU, 同跑估 12-18 fps, 卡在需求 10-15 的下沿之上.
• 相机选型靠台架实测: 一台 1920×1200 下 83.7 fps, 很可能是全局快门; 另一台锁 20 ms 零增益反而更亮, 与没有红外截止片一致.

室内可见光定位接收端(STM32F4, C): 定时器触发双 ADC 同步采样, DMA 传输, 512 点 FFT(CMSIS-DSP)按调制频率区分各灯; 由位置敏感探测器(PSD)的四路电流计算光斑位置, 并实现了三边测量定位算法.

• 本科时在河北光纤实验室光纤传感器研究团队期间的经历, 本人做的是室内可见光定位的接收端.
• 探测器是一块二维的位置敏感探测器, 前面装一只镜头, 出四路电流, 先过互阻放大变成电压, 再放大 滤波, 进 ADC.
• 第 n 号灯的频率是基频的 n 倍, 接收端按频点认灯; 用四路电流的比例算光斑在探测器上的位置, 同一组的三盏灯凑齐就做三边测量.

• 本科时在河北光纤实验室光纤传感器研究团队, 团队做干涉式光纤陀螺仪, 本人写它的上位机; 当时组会汇报里这一部分的主要内容是数据处理与转发.
• 陀螺数据走一路 460800 波特的串口; 解帧用逐字节的状态机: 帧头 99 66 A5, 5 字节数据, 末字节是前 8 字节之和加 1, 对不上就回到起点.
• 超过 1500 毫秒收不到数据, 屏上显示 OFFLINE.
• 工程基于正点原子的串口实验例程与 ST 库; 本人改动的是陀螺数据解析 定时与串口屏界面这些文件, 文件日期都在 2021-01.

设计上下位机串口协议(8 字节帧, 帧头加和校验, 保持型与单次型两类标志位); 转接板原理图与 PCB(13 路超声波 4 路步进电机 4 路舵机); 校赛版下位机固件(STM32F103 标准库, 定时器 PWM 驱动舵机).

• 燕山大学参赛队, 本人任队长. 先拿第七届河北省大学生工程训练综合能力竞赛特等奖, 再进中国大学生工程实践与创新能力大赛'智能+'赛道全国总决赛, 获生活垃圾智能分类赛项金奖; 燕山大学官网新闻写这支队省选赛第一名晋级, 总决赛初赛河北赛点第一, 最终该赛项正赛成绩全国第一.
• 在 Jetson TX2 上部署 YOLOv5s, 自写应用层; 校赛阶段在 K210 上跑 YOLOv2; 为多人协作撰写数据集制作教程.
• 下位机一直往上发状态, 上位机看到'要下一件'才回一帧, 里面是这一件的类别和坐标.
• 本人做的是上位机应用层, 转接板的原理图与 PCB, 校赛版下位机与 4 篇文书; 省赛国赛版下位机与机械由队友完成.

• 两道都是电赛的赛题, 代码自己写, 一直改到第二年春天: G 题做非接触的形状判别与尺寸测量, F 题做口罩识别加额温测量.
• G 题: 舵机云台带 OpenMV 巡航, 连续检出 15 帧后转追踪, 按色块中心偏离画面中心的像素数调舵机, 偏差小于 5 像素就锁定并打激光; 再按色块填充率判圆 三角 方, 用激光测距读数乘像素长换算尺寸.
• F 题: 三块板分工: OpenMV 判口罩, STM32 读额温并汇总, ESP8266 把结果放到网页上, 网页每 500 毫秒取一次数据.

车机(Allwinner T3, Android 4.4.2)的蓝牙模块无公开接口, 逐条在真机上验证接口行为, 记录在案 26 条, 其中 12 条经真机验证.

本人实测发现滚动卡顿, 指挥 Claude Code 定位根因(每次触摸都重新折行全文)并修复(改为一次折行加二分查找); 按系统帧统计验收: 绘制耗时中位数 31.03 ms 降到 1.24 ms, 超时帧 18/25 降到 0/128.

• 车机是全志 T3, 安卓 4.4; 从立项到装车 3 天, 47 个提交. 个人项目, 装在自己的车上; 代码由 Claude Code 写, 需求与装车实测由本人做.
• 车机的蓝牙模块没有公开文档, 能用的接口只能从系统广播和 AIDL 的事务码里一条条试; 每条结论记进一本账, 标明是真机上验过的还是猜的.
• 扫描那次的修法写进了代码: 每次绑定服务先发一条停止搜索, 扫描键加了一个到点必停的期限.

• 方案是车顶一台禾赛 Pandar40P(40 线激光雷达)加 USB 相机, 主机 Jetson TX1, 跑 ROS 1 Melodic; 只做感知与显示, 不接车辆控制. 下面几段是立项文档里定下的, 仓里还没有代码.
• 管线: 雷达解包 → 地面分割与降采样 → 欧式聚类出 3D 框 → 相机画面跑 YOLOv8n, 雷达点投到图像上给每个框配距离 → 车内屏 1920×720 上屏; 遥测按冻结的 schema 每秒 10 次推给安卓车机.
• 算力账按画面反推: CPU 约 2.6-2.9 核, GPU 约 75-110%, YOLO 与渲染同抢一块 GPU, 同跑估 12-18 fps, 卡在需求 10-15 的下沿之上.
• 相机选型靠台架实测: 一台 1920×1200 下 83.7 fps, 很可能是全局快门; 另一台锁 20 ms 零增益反而更亮, 与没有红外截止片一致.

ARM 电视盒上的门屏与录像: 软件渲染直写 framebuffer(实测三种画法的单帧耗时后选定, 1080p 15 帧); ffmpeg 转 x264 分段录像, 降分辨率后 CPU 占用由 2.2 核降到 0.5 核.

• 一台晶晨 S905L3B 电视盒刷成 Armbian, 接上 USB 摄像头, 一边当门口的迎客屏, 一边分段录像; 一天 10 个提交上线.
• 第一版走图形库的 GL 路径, 只有 5 帧; 量过几种画法的单帧耗时后, 架构定成图形库只负责画, 输出自己写进帧缓冲.
• U 盘拔了就录到板上的存储里, 插回来自动切回去; 三个服务交给 systemd, 断电重启 25 秒全部回来.
• 个人项目, 装在自家门口; 代码由 Claude Code 写, 板上的耗时也是它量的; 刷机时短接和接线由本人动手, 屏上放什么 每一轮砍什么由本人定.

手机网络摄像头应用(Flutter, 2024.04): 相机控制(分辨率 变焦 曝光 闪光灯 自动与手动对焦 切换镜头), 手机端 HTTP 服务输出 MJPEG 视频流, WebSocket 远程控制相机.

• Flutter 写的手机应用, 31 个提交. 相机这一侧能调分辨率 变焦 曝光 闪光灯, 能切自动与手动对焦, 也能切换镜头.
• 试过把推流放到单独的 isolate 里, 流出来了, 但访问视频地址时报 505; 隔天退回单线程的写法, 把相机管理收成一个对象, 推流和远程控制都经过它.
• 电脑上用一个 Python 脚本取流显示.
• 个人项目; 开发中用 GPT 与 Claude 对话生成代码, 需求由本人一步步拆给它们, 包的用法由本人查好资料贴给它们.

Android 动态壁纸(以 Claude Code 开发, 2026.08): 锁屏每 0.5 秒渲染一次系统日志流; 不依赖 Gradle, 以脚本串起 aapt2 javac d8 zipalign 与签名六步构建.

• 三台机器是笔记本 工作站与 NAS; 同步引擎 898 行 bash, 回归测试 822 行, 以 Claude Code 开发.
• 两边同时改了同一个文件, 远端的当正本, 本机的另存成一个带主机名和时间的冲突副本, 副本也会被同步出去.
• 本人带笔记本去没信号的地方, 发现它断网时一直在重试, 提出先判断有没有网; 引擎加断网预检时, 测试由 150 条断言扩到 216 条, 原有 150 条未改动.
• 由 systemd 定时器每 10 分钟拉起一次; 每个同步的仓有一个状态文件, 笔记编辑服务的首页徽章读的就是它.
• 手机一端是一台刷了 LineageOS 的手机: 锁屏壁纸每 0.5 秒渲染一次系统日志流, 解锁换成机队面板; Termux 开机起 sshd, 桌面小部件一键进 proot Debian 里的 tmux 常驻会话. 配置推回手机要经 /sdcard 中转, 并从设备现有目录抄 SELinux context. 代码由 Claude Code 写, 需求 真机验收与版式参数由本人定.
• proot 的 link() 有 bug, dpkg 原子更新崩在 link 那步, 状态库 status 整个丢失; 先后猜过 seccomp 与 AppArmor, 实测后都撤回; 不能原地修, 改用 apt-get download 加 dpkg-deb -x 只解包装上 tmux.
• 配置层用 GNU Stow 管理, dotfiles 里 113 个脚本, 其中 tmux 相关的 41 个. 常驻服务之一是本地出图网页(Gradio), 以 systemd 用户服务运行, 支持文生图与参考图编辑, 每张图旁写一份元数据 JSON.

以 AI Native 方式完成(855 个提交, 641 个由 Claude Code 合著).

• 英国利兹大学的硕士课题(MSc Individual Project), 问两件事: 从术中超声里读肿瘤边界能读多准, 开颅窗下热量能送多深.
• Agent Evaluation -- 自建对话评测集, 从工具选择 参数与执行结果三方面评估智能体, 查出模型的参数单位换算错误; 录制真实回复做离线回放, 修正判分规则后无需重复调用模型; 沿用课题重采样方法比较模型.
• 基础模型 Evaluation -- 搭建视觉基础模型评测 pipeline, 零样本评估分割基础模型在术中超声上的边界精度; 针对排名随提示框波动的问题, 加做按病例重采样与提示扰动两类稳定性检验, 得出换病例排名稳定 换提示排名不稳的结论, 指出零样本精度依赖人工提示.
• 针对仿真库只算声场的缺口, 自建热传导求解器补齐脑瘤声场到热剂量的仿真工具链, 并用解析解验证. 仿真前先校验配置并缩小网格预跑, 把错误配置挡在耗时仿真之前.

本人实测发现滚动卡顿, 指挥 Claude Code 定位根因(每次触摸都重新折行全文)并修复(改为一次折行加二分查找); 按系统帧统计验收: 绘制耗时中位数 31.03 ms 降到 1.24 ms, 超时帧 18/25 降到 0/128.

在车机上实测发现扫描与连接都没反应, 手机也连不上; 查出的原因是 AI 写的设备页发过"开始搜索"却从没发"停止". AI 在这件事上前后下过两个错判断("固件不支持", "模块卡死"), 都被推翻.

• 车机是全志 T3, 安卓 4.4; 从立项到装车 3 天, 47 个提交. 个人项目, 装在自己的车上; 代码由 Claude Code 写, 需求与装车实测由本人做.
• 车机的蓝牙模块没有公开文档, 能用的接口只能从系统广播和 AIDL 的事务码里一条条试; 每条结论记进一本账, 标明是真机上验过的还是猜的.
• 扫描那次的修法写进了代码: 每次绑定服务先发一条停止搜索, 扫描键加了一个到点必停的期限.

多机文件同步引擎(bash, 898 行)及其回归测试(822 行, 31 个场景, 216 条断言, 全部在沙箱仓库中运行): 覆盖冲突降级 副本尺寸守卫 失败报错 幂等与锁. 以 Claude Code 开发.

一个长期在跑的基础设施脚本: 冲突时保留两份, 失败时报出来, 同一条命令重复跑没有副作用.

• 三台机器是笔记本 工作站与 NAS; 同步引擎 898 行 bash, 回归测试 822 行, 以 Claude Code 开发.
• 两边同时改了同一个文件, 远端的当正本, 本机的另存成一个带主机名和时间的冲突副本, 副本也会被同步出去.
• 本人带笔记本去没信号的地方, 发现它断网时一直在重试, 提出先判断有没有网; 引擎加断网预检时, 测试由 150 条断言扩到 216 条, 原有 150 条未改动.
• 由 systemd 定时器每 10 分钟拉起一次; 每个同步的仓有一个状态文件, 笔记编辑服务的首页徽章读的就是它.
• 手机一端是一台刷了 LineageOS 的手机: 锁屏壁纸每 0.5 秒渲染一次系统日志流, 解锁换成机队面板; Termux 开机起 sshd, 桌面小部件一键进 proot Debian 里的 tmux 常驻会话. 配置推回手机要经 /sdcard 中转, 并从设备现有目录抄 SELinux context. 代码由 Claude Code 写, 需求 真机验收与版式参数由本人定.
• proot 的 link() 有 bug, dpkg 原子更新崩在 link 那步, 状态库 status 整个丢失; 先后猜过 seccomp 与 AppArmor, 实测后都撤回; 不能原地修, 改用 apt-get download 加 dpkg-deb -x 只解包装上 tmux.
• 配置层用 GNU Stow 管理, dotfiles 里 113 个脚本, 其中 tmux 相关的 41 个. 常驻服务之一是本地出图网页(Gradio), 以 systemd 用户服务运行, 支持文生图与参考图编辑, 每张图旁写一份元数据 JSON.

时间记录 待办 笔记 统计四个模块, 云端同步(LeanCloud)与本地定时提醒; 以 AI 编程工具开发, 本人负责需求拆解与迭代计划, 按功能清单逐条验收(10 天勾掉 71 条), 设计时钟视图的交互.

• 个人项目: 本人原先在电脑上有一个记时间的桌面程序, 这是它的手机移植. 它照柳比歇夫的办法记时间: 记下每件事的起止, 每天画成一个圆, 一段记录是圆上的一个扇形.
• 开头让模型把桌面版的功能总结出来, 再按从易到难排成一轮轮的指令, 每一轮带一张文件结构图; 之后的功能记在一张清单上, 做完一条勾一条.
• 个人项目; 代码由 AI 编程工具写, 需求与验收由本人做.

把计划 审查 验收写成 9 个 skill 与一组 hook.

• 这套规程成形于本人在利兹大学的硕士课题: 计划 审查 验收 账本与 hook 大半是在课题仓里一条条长出来的, 后来升为所有项目通用. 写计划一份, 审计划一份, 做完验收一份, 引用的事实要换个来源再核一份; 另有一组检查脚本在 agent 动作前后自动跑.
• 结论台账逐条标明有无外部验证.
• 承重的几条规则不只写在 prompt 里, 另写成在模型外跑 按退出码判的闸: 本机 Claude Code 在 7 个事件上挂了 28 条 hook; 课题仓有写作闸与提交数据闸; 时间追踪智能体的 prompt 字数由测试锁住.
• 前一版是 2026-04 的自媒体 skill 体系: 22 个 skill 用契约文件与状态文件串成一条内容生产流程, 一次建出后人工通读审不过来.
• 规则与取舍由本人定, 改动由 agent 执行, 本人批准后提交.

• 背景: 本人的速记攒了 6521 条, 很多条只有一个链接或一张截图; 要把它们并进自己的笔记库, 又不放心让模型直接改笔记. 数据源与抽取: 速记原文之外, 2948 张截图经 OCR 取回文字; 链接背后的视频走字幕接口, 没有字幕的走语音转写. 抽取层不用模型.
• 规范化: 按 tag 把原始导出切成结构化记录(批次 行号 时间 tag 原文), 切片时先记条数.
• 查重与分流: 每条归入六种去向之一(并入已有笔记 新建节点 待办 省身 待指示 标记待确认); 并入前先对既有笔记查重, 已有的不重复写.
• 写入与幂等: 写入由不含模型调用的脚本执行, 插入位置在目标文件里唯一命中才写, 否则拒绝; 内容已在目标里就跳过, 重跑不会双写.
• 对账: 每批要求切出来的条数等于各去向条数之和; 66 个 tag 两轮走完, 前后 29 天; 收尾核对查出六处记账错, 内容没有丢失.
• 人工审核: 自建审批网页, 并入稿按 hunk 显示锚点与新增行; 本人逐条裁决 294 次: 整单元通过 87, 返工 41, 逐条翻案 166.
• 分工: 处理规则由本人口述十二条, 流水线由 Claude Code 据此搭建; 分诊 执笔 交叉审由多个 agent 做, 写的不审自己写的.

• 个人项目: 想让智能体读得懂公开的职位页, 先做了这个抽取器. Node.js 命令行工具, 供智能体调用, 把公开职位页抽成统一的 JSON(14 个字段).
• 三种抓取后端(HTTP, Playwright, Firecrawl), 浏览器后端不可用时自动退回 HTTP.
• 只处理公开可访问的职位页, 不处理登录墙与验证码.
• 后来做了一张职位地图: 单位地址按全称 门牌 道路三级查询定位, 名字或区对不上的命中拒掉, 高德的 GCJ-02 坐标迭代反解成 WGS-84 再落到底图.

• 个人项目. 本人最早用 AI 写代码做的是搜索栏 悬浮窗 WSL 面板这几件, 是第一批用 AI 写出来的代码, 边做边熟悉 vibe coding 的做法; 房间布局器与 strip-exif 是后来同一路数的小工具.
• 搜索栏(2024-03): 双击 Ctrl 呼出, 接 Everything 的文件搜索接口; 按住 Ctrl 时系统连发按下事件, 一度被当成双击反复弹出, 加'首次按下'标志后修掉; 打字时计时器去抖, 停手 800 毫秒才搜一次, 新搜索开始前先停掉旧线程.
• 摄像头悬浮窗 AbsCam(2024-03): 置顶无边框窗口, 可拖框裁剪 鼠标穿透; 每帧取前台窗口所在的屏, 把自己挪到那块屏顶部居中.
• WSL 面板(2024-04): wsl --list --verbose 的输出是 UTF-16, 去掉空字节再按正则拆列; WSL 的资源占用在 Windows 上只看得到 vmmem 进程, 由后台线程每 3 秒累加一次.
• 房间布局器(2026-06): L 形房间里拖桌子, 撞墙时两个轴各自二分逼近, 桌子沿墙滑动; 以 Claude Code 开发, 16 个测试.
• JPEG 照标记逐段走: 遇 APP1(EXIF)与 COM 跳过, 其余段照抄, 从 SOS 起把熵编码数据原样拷贝, 解码后像素逐字节相同. 对照: 用 Pillow 打开再存, EXIF 也没了, 但像素变了, 注释段还在.
• PNG TIFF 这类无损格式走另一条路: 用 Pillow 按像素重建一份, 元数据不带过去.
• 目录批量模式两处问题由盲测暴露: 已有 .clean 文件时崩溃, 输出被当成输入再处理; 两次提交修复并补测试.
• 同期还写了 UniScraper(2024-06, PyQt6): 9 个手机尺寸的网页并排盯三家二手站的最新上架, 共用一份持久化配置.