附件：独立实战作品与项目详情
1. Mind Palace（Agentic 个人知识库系统）
项目定义：基于大模型的端到端私人知识助手（IM_Bot 形态），实现碎片化个人数据的自动化摄入与精准调用。
三层意图分类与动态路由：设计包含 Fast-path（快速指令执行）、精准检索和模糊检索的三层架构。引入 RAG 软回退机制，保障复杂查询时的系统稳定性和高召回率；
“双轨制” RAG 与记忆系统创新：突破传统知识库单一的“文档切片+向量聚类”被动检索范式，创新构建“事实台账 (Fact Ledger)”体系。将数据解耦为“时间线事件 (Episodic)”与“结构化知识 (Semantic)”，实现跨平台（Notion/小红书/豆瓣/AppleNotes 等）知识的立体化关联，赋予知识库动态生长的生命力；
类 OpenClaw 架构与数字分身演化：采用纯文本驱动系统，将核心状态解耦为 user.md（深度用户画像与审美红线）、memory.md 及子记忆（动态记忆）与 agent.md（系统指令）。这种架构不仅实现了模型解耦与极高可移植性，更赋予了系统“自我更新”能力——智能体在交互中自动提炼并写入用户偏好，具备向“高拟真个人数字分身 (Digital Twin)”演化的巨大想象空间；
常驻自动化与工程鲁棒性：设计并部署守护进程与后台任务存活管理 (Watchdog) 策略，保障系统级别的长周期稳定运行。深度调优 Context Builder 链路，将上述 Markdown 资产动态注入对话，彻底解决长会话上下文中的意图断层和幻觉问题。
2. Mini Quant Hub（个人量化分析平台）
项目定义：集成“行情初筛 -> 逻辑验证 -> AI 深度诊断”于一体的智能量化辅助系统，作为个人交易辅助决策平台。
混合量化分析 (Hybrid Screener)：构建“硬规则初筛+软逻辑评分”漏斗。底层依托本地量化引擎，上层将精准指标投喂大模型进行定性评分，确保 AI 推演 100% 基于真实交易数据；
五层上下文深度架构 (5-Layer Context)：为提升 Agent 决策专业度，设计包含宏观 (Macro)、行业 (Sector)、状态 (Status)、信号 (Signal) 与动态 (Dynamics) 的五维数据上下文。配合结构化 Prompt 工程，驱动 LLM 输出严格遵循“现状-逻辑-计划”的三段式机构级研报。
3. Cycoho（自行车数字工具网站）
cycoho.com项目定义：针对自行车架几何数据与高端组装件深度优化的垂直数字产品，涵盖 C 端前端跨端体验与配套的内容管理后台。
端到端全栈架构 (E2E Engineering)：熟练运用 AI 辅助开发范式，独立完成从自动化数据抓取、数据库设计 (SQLite)、服务端开发 (Node.js/Express) 到前端响应式渲染 (React) 的全链路架构落地；
AI 原生体验设计 (AI-Native UX)：核心 AI 功能（ "AI Sizing"、“车架几何分析”、“套件齿比搭配”等） 实现在垂直行业产品中的落地应用；
商业闭环 (Agile Delivery)：重点功能模块化可部署可运营可维护，在设计之初就已具备完整的业务扩展性和基础的商业化能力。
4. Podaily（多平台播客总结）
podaily-lite.pages.dev项目定义：针对播客等多源音频资讯场景开发的大模型自动化摘要与内容萃取平台，分本地管理平台和总结Lite 版页面。
“听+想”混合推理架构 (Hybrid Pipeline)：突破单一模型能力的限制，架构上采用 “LLM 高精度语音识别 + 深度推理总结” 的分离式处理流，深度定制了双轨制的流式 API 调用链路；
模型自适应与强健解析 (Robustness)：针对推理型大模型（如 DeepSeek V3）常输出中间思维链导致标准 JSON 结构化崩溃的痛点，创新设计了智能 JSON 自我修复 (Self-repair) 提取逻辑。辅以复合 Prompt 信息锚点，强迫模型输出严谨的“逻辑树”摘要，彻底解决长文本转写中的“信息幻觉”。
5. JobClaw（大厂 AI 岗位情报）
jobclaw-ai.pages.dev产品定义：聚焦头部大厂（如字节跳动、蚂蚁等）AI 领域招聘数据与业务动态的智能情报看板系统。
全链路数据自动化 (Automated Pipeline)：设计并部署定时抓取与数据清洗工作流，通过目标关键词，实现从海量公开渠道获取最新职位 JD 的全链路自动化数据摄入；
大模型洞察引擎 (AI Insight Engine)：核心亮点在于利用 LLM 对职位信息进行深度语义解析，从“岗位职责变化”和“核心技术栈要求”中推演大厂底层的业务战略走向；
