项目

真实企业实习,从数据到部署的完整工程链路。

• 内容合规质检模型微调（实习） 2026-04 ~ 2026-05

  把 Qwen2.5-14B 微调成按平台规则做内容合规质检、并精确溯源到具体规则的模型，覆盖四平台。从 exp_005 一路折腾到 exp_010，真正的难点是搞清楚溯源率到底该怎么算。

  → 实习期间独立完成 6+ 次微调实验 + 三阶段推理 + AWQ 量化部署；识破 loss、准确率、溯源率多重假象

  • Qwen2.5-14B
  • QLoRA
  • DeepSpeed ZeRO-2
  • vLLM
  • AWQ INT4

七牛云、智联等比赛里做的东西。

• 语音日历 2026-05

  说一句话就能记日程。Azure 语音转文字 + 自写中文时间解析 + 冲突检测，端到端把口语变成结构化日程。22 个 PR、153 个测试全绿，连第三方返回的数组顺序变了都被一个虚惊抓出来。

  → 自写中文时间解析三层兜底引擎，推翻 BRIEF 预设的 dateparser 主方案；22 PR / 153 测试全绿

  • FastAPI
  • Azure Speech
  • DeepSeek
  • SQLAlchemy
  • Docker
  • pytest
• 多平台内容发布工具 2026-05

  一份内容一键适配到多个平台。AI 起草按成本分两段路由，真发布做成诚实版的导出成品包。过程里把外部依赖耗尽、流式空 chunk、中文文件名 500、甚至手滑删掉线上视频都踩了一遍。

  → Adapter 插件化架构，加一个平台只写一个约 100 行子类；起草成本路由 + 诚实版导出

  • FastAPI
  • SQLite
  • DeepSeek
  • Playwright
  • Docker
• 声绘 VoiceDraw：一个会画画的 Agent 2026-06

  纯语音控制的命令式绘图 Agent。技术含量不在「语音转图」，在把绘图变成结构化推理 + 工具调用——画布即记忆，LLM 推理的是 JSON 不是像素。不是文生图，是能跟你对话改图的设计师 agent。

  → 纯语音→STT→DeepSeek tool-use→SVG 增量渲染全链路上线；感知首帧 p50≈1.48s、完成 p50≈5.35s；10 个工具、SVG/PNG/PSD 三格式导出、约 27 PR、39 commit

  • FastAPI
  • React
  • TypeScript
  • DeepSeek
  • Azure Speech
  • SVG
  • Caddy
• AI 代码审查工具 2026-06

  拉一个真实 PR 自动审出问题。核心不是能报问题，而是不乱报——两段式模型路由控误报，对一个正确的已合并 PR 实测 0 误报，对故意塞 bug 的 PR 6 个候选丢 2 留 4。

  → deepseek-chat 扫候选 + deepseek-reasoner 逐条确认 + Azure 高危交叉验证；正确 PR 0 误报

  • FastAPI
  • DeepSeek
  • Azure GPT-4.1-mini
  • React
  • Docker
• Screenwright：小说转剧本工作台 2026-06

  把一部小说自动转成结构化剧本（YAML），还能行级溯源回原文、按媒介（电影/剧集/短剧）重渲染、把内心戏外化成镜头语言。技术含量不在调 API，在四个工程取舍。

  → 行级双向溯源（LLM 抄 marker、代码定位）+ 有序判别联合 schema + story_bible 单一事实源；103 单测、32 PR

  • FastAPI
  • pydantic
  • YAML Schema
  • React
  • DeepSeek
• 具身智能黑客松：人形运控 + VLA 操作双赛道 2026-06 ~ 2026-08

  北京人形机器人创新中心 + 百度智能云「具身智能机器人黑客松」的单人参赛复盘。一条腿是 TienKung-Lab 复杂地形运控，一条腿是 ACT 五任务操作。两赛道都在截止前提交，但都没有官方成绩。真正值得写的是两起工程险情（限时算力到点销毁、1292 字节差点报废整条 VLA 腿）和一次 reward 涨了一倍、机器人其实在原地踏步的假象。

  → 两赛道均在截止前完成提交：运控自测净前进 0.209 m/s、直立 71.6%；VLA 五任务各约 25 次执行全部 task-ok。无官方成绩，VLA 闭环成功率约 0 且已诊断到底

  • Isaac Sim 5.1
  • IsaacLab 2.3
  • TienKung-Lab
  • AMP/RSL-RL
  • ACT
  • PyTorch
  • ONNX
  • MuJoCo
  • ZMQ
• 保障大脑：大型活动要加多少基站，让公式算、让 AI 写 2026-06

  某 AI 创新赛参赛作品。大型活动通信保障智能体——给定人数，确定性工程模型（Erlang B 语音 + 5G 吞吐）算出要临时加多少基站、多少应急通信车，AI 只负责把硬数字翻译成方案、再用异构第二个 AI 交叉验证。核心是「计算与 AI 分离」：数字有据可查，AI 碰不到、也就编不了。

  → Erlang B + 5G 吞吐双轨算基站/通信车 + 异构双 AI（GLM 生成 / Azure 验证）；5 万人场景校准后落到 16 站 6 车（校准前 201 站 67 车）；已上线

  • FastAPI
  • React
  • Leaflet
  • 智谱 GLM
  • Azure OpenAI
  • Docker
• 春招平行宇宙：用 LLM 模拟整个就业市场 2026-05

  不优化求职流程，而是重构求职市场结构——把简历变成数字分身，扔进一个 49 家公司、200 个竞争者的虚拟招聘宇宙跑完整春招。这篇也记了一次 LoRA 该不该用的三轮反转，和一个我必须诚实处理的'1000次'。

  → 结构性反转的产品立意 + 全 LLM 模拟人才市场（49 公司/200 竞争者）；含 LoRA 三轮决策反转的诚实复盘

  • Multi-Agent
  • DeepSeek
  • Vue3
  • Three.js
  • FastAPI
• 书生国智科探挑战赛：四条线并行，国产 GPU 上的算子与量子模拟 2026-07 ~ 2026-08

  上海人工智能实验室 × 壁仞科技办的科探挑战赛，我同时开了四条赛道线：模型与算子（国产 GPU 上的 SpectralConv2d 与 FNO）、量子计算（自研状态矢量模拟器 + 相变研究）、自由赛道（论文统计复核工具）、地球科学（未完成）。三条线在截止前完成提交。评审在 09 月，写作时没有任何外部评分。真正的料是平台适配的地雷清单、几次自己推翻自己的诊断，以及一套「自召红队」机制打掉的两条自证。

  → 四条线并行，三条在 07-31 截止前完成提交；评审在 09 月，写作时无任何外部评分；所有数字均为自测与自召红队产出

  • PyTorch
  • 国产 GPU
  • torch.extension
  • FFT
  • FNO
  • Navier-Stokes
  • Qiskit
  • scipy
  • 多 Agent 编排
• 禁用向量检索、限调 Qwen：金融长文本问答 Agent 2026-07

  天池 AFAC2026 金融赛的一道硬约束题——只能调通义千问、不许微调、禁一切 embedding 向量检索，还有 500 万 token 的硬预算，去答五类金融长文档的选择判断题。A 榜两次真实提交 58 到 65 分，真正的料是挖出来的六个检索/解析 bug，和一次我自己武断判断埋下的隐性大坑。

  → 禁 embedding、限调 Qwen、500 万 token 预算下做金融长文档 QA；A 榜提交 58→65（准确率约 61%→69%，超官方 baseline 49%）；挖修 6 个真实检索/解析 bug，含一次自己抽查 3 题就武断跳过 HTML 致监管领域只索引到 1.2% 文档

  • 通义千问 Qwen
  • BM25
  • 条款索引
  • PyMuPDF
  • jieba
  • RAG
• 用 xMimic 训人形机器人模仿动作：官方示例 + LAFAN1 自定义迁移 2026-06

  「2026 世界机器人运动会实训营」xMimic 选拔挑战的提交作品。在 Isaac Sim + RSL-RL PPO 上让 DexEVT 人形机器人做 motion tracking：先复现官方示例舞蹈，再用公开数据集 LAFAN1 经 xGMR 重定向做自定义迁移。最硬的料是 reward 全程冻结的根因（24-body vs 39-body 不匹配），和一条「冲炫撞墙、退回稳健」的真实工程曲线。

  → Isaac Sim + RSL-RL PPO 训 DexEVT 人形动作模仿；自定义迁移（LAFAN1→xGMR）aim 动作终止率 3% / reward 17；核心坑是 24-body vs 39-body 不匹配导致 reward 冻结、机器人秒倒

  • xMimic
  • Isaac Sim 5.1
  • Isaac Lab
  • RSL-RL PPO
  • DexEVT
  • LAFAN1
  • xGMR
  • ONNX
• 一次没进牌区的 Kaggle：CV 陷阱、数据泄漏证伪、打不过的基线 2026-07

  一个测井地质导向的回归赛，我认真做了十几版，公榜 RMSE 14.759，倒数四分之一，没进牌区。但这次复盘不是关于名次，是三件我把过程讲透了的事：一次教科书级的 CV 口径纠错、一次亲手发现又亲手证伪的数据泄漏、以及一个系统性证明'曲线匹配打不过一条平线'的负面结果。

  → 测井 TVT 回归公榜 RMSE 14.759（约倒数 25%，未进牌区）；但跑通了 CV 评分口径纠错、亲手发现并证伪一处 train/test 数据泄漏、系统性证伪'geosteering 曲线匹配打不过 flat 外推基线'

  • LightGBM
  • CatBoost
  • GroupKFold
  • Kaggle
  • 特征工程

面试中独立完成的作品,公司与题目已脱敏,保留技术方案。

• 房产租赁 RAG 知识库 2026-05

  一个房产租赁领域的检索增强问答系统。混合检索加重排是基础，真正的差异化在于一套自建评测集——它让我能用数字证明换了真实 embedding 后效果从 0.32 跳到 0.85，而不是凭感觉。

  → 自建 30 题 8 场景评测集；mock→真实 embedding 双跑对比 Recall@5 从 0.317 升到 0.850

  • RAG
  • Qdrant
  • bm25s
  • 智谱 embedding
  • bge-reranker
  • FastAPI
• 政务工单智能处理流水线 2026-05

  300 条政务热线工单，自动拆事项、抽四要素、四级分类、识别群诉。把通用性做进架构，而不是堆三条冗余流水线——群诉的双路召回里，3276 条全靠向量捞回，证明了这个设计。

  → 群诉双路召回(点位∪向量)中向量独捞 3276 条；规模化候选对仅占朴素两两的 0.36-0.49%

  • Strategy模式
  • faiss
  • 智谱 embedding-3
  • DeepSeek
  • GLM-4.6
• HR 简历筛选系统 2026-05

  给做外包招聘的 HR 朋友用的简历筛选工具：AI 负责语义理解、代码负责严格匹配。一个'短 JD 把真没经验的人排到前面'的 bug，逼我加了一层 LLM 布尔判断，也让我想清楚 embedding 相似度什么时候不够用。

  → 硬条件精确匹配 + 语义偏好分离；用 LLM 布尔判断层修掉短 JD 排序错乱，把区分度从差 1 分拉到差 27 分

  • FastAPI
  • PostgreSQL
  • pgvector
  • 智谱 GLM
  • Streamlit
• 在线教育解题挑战赛：四道题全做 2026-05

  一个在线教育平台的招聘挑战赛，四道独立的产品 PRD + 可运行代码题。我四道全做了，每道独立打包。最有意思的不是功能，是一个让会话永远卡死的状态机 bug，和一次'死按钮'其实是浏览器缓存的曲折排查。

  → 四题全做、各独立打包，约 134 单测；驯服状态机死锁、UI 自指泄漏、浏览器缓存假象等真实坑

  • React
  • Express
  • TypeScript
  • SQLite
  • DeepSeek
• 盲盒订单分析工具 2026-05

  给经营盲盒平台的朋友做的订单分析工具。用户想调大模型，我一行 API 都没用——纯 pandas。因为财务分析要的是精确可复现，而大模型会把 91.9 万说成 90 万。真正难的是揪出'充值订单污染了 57% 流水'这个口径错误。

  → 纯 pandas 不调 LLM；揪出充值订单污染 57% 流水的口径错误；95.8 万行 40.7 秒跑完

  • Python
  • pandas
  • calamine
  • openpyxl

复现前沿工作,验证技术路线、踩透框架坑。

• 在免费 T4 上把 OpenVLA 在 LIBERO 跑通：VLA 闭环评测 + 量化对照 2026-06

  在一张白嫖的 Kaggle T4 上,把 OpenVLA 7B 在 LIBERO 机器人操作基准上闭环评测全 10 任务,亲手测出 4-bit→8-bit→bf16 的量化-性能曲线。但真正的料,是 2026 新镜像跑 2024 代码趟出来的 9 个工程坑,和一次 83%→64% 的主动纠错。

  → OpenVLA 7B 在 LIBERO 闭环评测全 10 任务;量化曲线 4-bit 64% → 8-bit 76.7% → 论文 84.7%;2026 镜像跑 2024 代码的 9 个工程坑

  • OpenVLA-7B
  • LIBERO
  • robosuite/MuJoCo
  • 4-bit/8-bit 量化
  • Kaggle T4
• DriveGPT4-Mini：可解释驾驶决策的 VLM 微调复现 2026-06

  用 QLoRA 微调 Qwen2-VL-2B，让它对驾驶场景图输出结构化的「该怎么开 + 为什么」。一个 50 条样本的迷你复现，验证数据生成到 VLM 微调到可解释决策整条路线。真正的价值在那 7 个踩坑，和两个可迁移的 debug 心法。

  → QLoRA 微调后 loss 2.087→1.428（↓31%），7.28GB 显存跑通；7 个真实坑，含 FSDP 版本坑与 SDPA shape bug 的诊断心法

  • Qwen2-VL-2B
  • QLoRA
  • ms-swift
  • Azure GPT-4.1-mini
  • RTX 4090
• Qwen2.5-3B QLoRA 微调全流程教程 2026-03

  一份能在 Colab 免费 T4 上跑通的 QLoRA 教程，覆盖训练、权重合并、GGUF 量化三阶段闭环。重点是把每个参数为什么这么设讲清楚，而不是给一段能跑就行的代码。

  → 训练→合并→GGUF 量化完整闭环，每段代码标注必须改/不用改/可选改，附 5 个高发错误

  • Qwen2.5-3B
  • QLoRA
  • GGUF
  • Colab T4

自己起意做的工具,从零跑起来。

• AI Hub：多渠道 AI 平台 2026-04

  一个开箱即用的多渠道 AI 平台：对话、文生图、用户系统、卡密充值、管理后台。把多家模型统一成一套 OpenAI 兼容接口，多 Key 轮询调度。也如实记几处巧思和几处宣传大于实现。

  → 渠道抽象 + 多 Key 轮询；extra_body 透传非标准文生图参数;流式中独立 DB session 的生命周期处理

  • Vue 3
  • TypeScript
  • FastAPI
  • SQLAlchemy
  • OpenAI SDK
• 归墟 / guixu：把 AI 协作的完整过程原样存下来 2026-06

  一个反 summary 的 append-only 冷存储——不做 memory、不做提炼,把 AI 协作的完整原始上下文原封不动留住,需要时整段喂给新模型去复用。赌注是:模型是 runtime,原始上下文是程序。

  → append-only 冷存储 + 运行时整段注入复用;bash/python3 零依赖;use 的逐级压缩是撞到 104 万 token 窗口墙后逼出来的

  • bash
  • python3
  • Claude Code
  • append-only
• CAD AI Agent：自然语言画 CAD 图 2026-04

  用中文说一句话，自动画出 CAD 图纸（DXF）。LLM 走 function calling + ReAct 循环驱动 ezdxf 操作 2D 图纸，前端 SSE 实时展示。重点不是接通，而是把 LLM 那些不靠谱的输出一个个驯服。

  → 七层可替换抽象 + function-calling/ReAct 驱动 ezdxf；驯服了 13 类 LLM 与 CAD 库的真实坑

  • FastAPI
  • ezdxf
  • SiliconFlow
  • React
  • ReAct Agent
• AI 论文排版助手 2026-01

  写本科毕设时被字体格式折磨出来的工具。用 LLM 把自然语言排版指令转成 Word 样式，核心技巧是直接写 Word XML 的 w:eastAsia 槽位让中文字体生效。也如实记一段宣传大于实现的复盘。

  → 把字体映射表整张塞进 prompt 让 LLM 查表；直接操作 Word XML 的 w:eastAsia 正确渲染中文字体

  • FastAPI
  • Streamlit
  • LangChain
  • 智谱 GLM-4
  • python-docx
• 内容合规检测系统：精确匹配 + 语义召回 + LLM 改写的三级流水线 2026-03 ~ 2026-06

  本地化实时内容合规服务。三级流水线把「确定性零漏报」和「语义擦边召回」分层解决，命中后还产出可直接用的合规改写。最有料的是一个单测逼出来的 Aho-Corasick 空词表静默崩溃 bug，以及一整段诚实的「没在真硬件上跑过」的边界。

  → 三级流水线（AC 精确匹配 → bge-m3/Qdrant 语义召回 → Qwen2.5-7B 改写）；Redis 缓存以违规词集合 SHA256 做 key、TTL 7 天、全程吞异常优雅降级；35 个纯 CPU 单测逼出 1 个 AC 空词表静默崩溃 bug

  • FastAPI
  • vLLM
  • Qwen2.5-7B-GPTQ
  • bge-m3
  • Qdrant
  • pyahocorasick
  • Redis
  • OpenCC
  • pytest
• 选课抢课工具：基于反编译的协议还原 2026-05

  给某学校老版正方教务系统写的抢课自动化。核心不是脚本本身，是反编译后端 DLL 拿到真实逻辑——纠正了一堆我之前靠抓包盲写的错误。也记一次把机器跑 OOM 的翻车。

  → 反编译 zjdx.dll 还原真实选课协议，纠正多处盲写错误；独立 agent 端到端审出 3 个 P0

  • Python
  • requests
  • ddddocr
  • ilspycmd
  • Flask
• 招聘 JD 爬虫：让 LLM 读页面，而不是写选择器 2026-05

  给一份简历，在多平台搜匹配岗位。绕过反爬的思路是让 LLM 理解页面、而不是依赖 CSS 选择器。但也得诚实记一笔：最后结果和目标严重错位——想要北京实习，爬回来全是腾讯深圳全职。

  → 双信号关键词预过滤 + LLM 解析页面绕反爬；诚实复盘一次目标与结果的严重错位

  • Python
  • requests
  • BeautifulSoup
  • LLM
• HITL 办公 Agent SaaS：可恢复状态机 + 接口驱动架构 2026-03 ~ 2026-06

  一个支持人在回路（Human-in-the-Loop）的办公 Agent 示例工程。技术含量在「WAIT_USER/resume 可恢复状态机 + asyncio.Event 协程唤醒 + 40 条 pytest 覆盖安全与状态机全分支」。诚实在前：这是 AI 辅助开发的项目，我主导架构、任务拆解、review 与多轮安全加固，不是逐行手写。

  → 5 阶段可恢复状态机（IDLE→EXECUTE→WAIT_USER→resume→DONE），40 条 pytest 覆盖 JWT 伪造/过期、Fernet 加解密、沙箱目录穿越、状态机全分支；GitHub Actions 双 job CI

  • FastAPI
  • React
  • TypeScript
  • asyncio
  • SQLAlchemy
  • JWT
  • Fernet
  • pytest
  • GitHub Actions

边学边做的过程,诚实包含没做完的。

• 深度学习速成训练营（自学日志） 2026-04

  零基础三五天搞懂'训练一个模型'是怎么回事的自学项目。最有价值的产物不是代码，是全程录制的教学日志。诚实说：规划是 MNIST 到 BERT，实际只跑到了 Day1。

  → 讲→做→复盘三段式 + 全程录制教学日志；MNIST 环境与数据理解跑通

  • PyTorch
  • torchvision
  • RTX 3090