页面能跑
从简单平台和明确功能开始,建立把想法变成可操作界面的第一层信心。
新疆大学软件工程专业。把大语言模型、Agent 与多 Agent 协作真正做进产品的人。
我的大学生涯,几乎与这轮 AI 浪潮重合。从 ChatGPT 到 DeepSeek,从大语言模型到 Agent 与多 Agent,我不想只看浪花淘尽,而想亲手把它们做进真实产品。
从 ChatGPT 引发全球关注,到 DeepSeek 展现国内模型的追赶速度,我开始持续观察 AI 能力如何从模型走向真实应用。
踩过上下文失控、需求漂移和验证不足的坑后,逐步形成任务拆解、Agent 分工、上下文管理与交付验证的协作方法。
在时代华章担任全栈开发工程师实习生,与另一名开发者协作完成一套企业级 AI 营销与获客平台。项目已经付费交付,处于测试与内测阶段;公开案例仅展示脱敏后的产品结构与工程方法,不公开客户名称、业务数据、账号配置或密钥。
具备 Java EE 基础,能够使用 Spring Boot 与 MyBatis 组织后端服务和业务接口。
围绕科技情报、内容转换、知识库、智能体流程和多角色协作持续推进真实项目。
能够围绕用户、任务、素材、线索与积分等业务对象设计数据结构,并处理多用户数据边界与迁移问题。
以 Vue 为主要前端框架,完成后台界面、业务流程与前后端联调。
接入过多类模型、内容平台与基础服务 API,能够处理鉴权、任务状态、异常回退和跨系统联调。
做过桌面端打包、云端部署和本地 / 云端混合架构,能根据登录态、GUI 自动化与平台风控划分运行边界。
熟练使用多种 Agent 开发工具,按任务特征组合使用,而不是依赖单次生成。
从需求澄清到代码检查、调试和验收,建立可复用的 Agent 协作流程。
ADAPTIVE FULL-STACK / PROBLEM → VALUE
我不把“会用”包装成“精通”:少数能力做深,多数能力在项目里连接;面对陌生领域,更重要的是快速建立认知、找到关键路径,并把新工具转化成可验证、可交付的结果。
先建立问题地图,再补足必要知识;先跑通最小闭环,再把质量、边界和交付逐步做深。这是我进入新领域时反复使用的方法。
ONE MONTH / LEARNING SLOPE
一个月内,我的关注点从“把功能做出来”推进到“系统为什么这样设计、哪里会出问题、怎样把它交付出去”。前端、后端、UI、缓存、部署与 Agent 工具不再是孤立名词,而是被真实需求串起来的能力链。
从简单平台和明确功能开始,建立把想法变成可操作界面的第一层信心。
理解前端、后端、接口、数据与权限如何互相影响,开始主动设计完整业务闭环。
面对缓存、数据隔离、异步任务、部署边界与 UI 细节,不再只会尝试,而是能拆解和验证。
快速进入陌生领域、选择合适工具、完成真实流程,并把经验沉淀为下一次更快的起点。
强大的工具不会自动创造价值,
它会放大使用者的判断、方法与执行。
工欲善其事,
必先利其器。
熟练使用 Codex、Claude、Trae、Coze 等 Agent 开发工具,围绕需求拆解、协作编码、调试审查与交付验证,进行可控的 Vibe Coding 全栈开发。
CODEX / CLAUDE / TRAE / COZE / AGENT WORKFLOW
先确认目标、边界、现有约束和验收标准。
按上下文和职责拆分任务,组织单 Agent 或多 Agent 配合。
用合适工具推进全栈实现,并持续检查接口与行为。
通过测试、真实流程与浏览器验收收口,而不是止于生成代码。
一代人 有 一代人的 浪潮。 我 不想 一直 做 那个 只看 浪花淘尽 的人。
这里的主案例,都从一个具体的问题或真实场景出发,做的是能交付、能验证的版本,而不是为做而做;即便是更早期的实验,我也尽量从能落地的需求切入,而不是停留在概念演示。先展开已经付费交付的企业项目:它的业务闭环、系统规模和关键工程难点。其余四个主案例继续说明问题、工作流与运行证据;更多实验按真实完成度归档。
PAID ENTERPRISE DELIVERY / DE-IDENTIFIED CASE
这是我与另一位开发者长期协作完成的中大型项目,已经完成付费交付。系统把多模型视频生成、混剪、数字人、聚合发布、AI 获客、线索管理和后台运营串进同一条业务链路。
AI INTELLIGENCE / RUNNING LOCALLY
它不是新闻瀑布流,而是把科技信号、开源爆发、硬件趋势和模型评测组织成“发现 → 核验 → 审核 → 发布”的日常情报工作台。
VIDEO → STRUCTURED KNOWLEDGE / OPEN SOURCE
vnotes 将视频链接、语音识别、大模型整理和可阅读成品串在一起,同时保留历史笔记、质量状态、长图与封面,让结果可以继续检索和复用。
TRUST-CENTERED MATCHING / FULL FLOW MVP
暖邻学伴不止展示家教信息。它分别站在家长、大学生和运营视角,处理从资格审核到试课、课时履约、评价与申诉的全过程。
DEVELOPER INDEX / KNOWLEDGE VISUALIZATION
这个知识库把前后端框架、AI 工程、术语、工具、教程和案例放入同一套分类体系,并用搜索、对比、收藏和可视化降低技术选型成本。
MORE EXPERIMENTS / 06—12
能完整演示的写 MVP,仍在开发的写进行中;因为市场已有成熟答案而暂停的项目,也保留它带来的产品判断。
以 Spring Boot + Vue 完成内容发布与管理,覆盖登录、文章、分类、评论和后台管理等典型业务链路。
可运行 / 持续迭代把校园问答、社交和二手交易放进同一套账号与内容体系,用 MVP 验证校园多场景入口。
MVP 可演示让多个 Agent 分别承担角色、记忆与发言,在公开信息和私有目标之间完成一轮协作与博弈。
MVP 可演示围绕学习卡片生成、复习节奏和错题回收,探索 Agent 如何持续跟进个人学习状态。
MVP 可演示根据天气、场景和已有衣物生成组合建议,正在补齐个人衣橱数据与推荐反馈闭环。
开发中从饮食目标、忌口和预算生成可执行餐单,目前核心流程已成形,数据与交互仍在完善。
开发中曾实现角色编排与协作流程,后因 Coze 已覆盖核心设想而暂停,保留为一次真实的市场判断样本。
阶段性暂停