制冷及低温工程硕士 → 能源算法 → AI 工程。工作于深圳。
关注方向：把能源、制造等传统行业的业务问题，落成能长期稳定运行的软件系统。
语言
- Python：asyncio / 多进程、PySide6 桌面端、Playwright 自动化、数据处理
- Rust：egui、Tauri 桌面应用、系统级工具
- TypeScript / React：前端界面与实时看板
- Kotlin：Android（Jetpack Compose）端开发
后端与基础设施
- PostgreSQL、WebSocket 实时通道、REST API
- Docker 部署、进程守护、日志分级与告警降噪
- Windows 无人值守运维：计划任务、看门狗、自愈脚本
工程实践
- Git 分支/PR 工作流，代码走审查后合并
- PyInstaller / Tauri 打包分发
- 中文注释、可回溯的提交信息
InfoPush · 自托管消息推送服务
一条 HTTP 请求，把消息推到你的所有设备。
- HTTP 推送 + WebSocket 实时投递双通道
- 覆盖 Android、Windows 桌面，支持 Docker 一键部署
- PostgreSQL 持久化，端到端可控，不依赖第三方推送平台
- 技术栈：Kotlin / Python / Rust / Tauri / PostgreSQL · MIT
service-pilot · Windows 服务管理器
把 Windows 后台服务的管理，做成一块能实时看的面板。
- Tauri 2 + React 19 + Rust 构建的原生桌面应用
- 启动 / 停止 / 监控 / 检查 Windows 后台服务，实时状态刷新
- 面向真实运维场景：不用再跟 services.msc 和命令行搏斗
- 技术栈：TypeScript / React / Rust / Tauri · MIT
1. 规划与执行分离
复杂任务不交给一个模型从头做到尾：
- Hermes（AI 助理）负责需求拆解、方案设计、任务卡编写与代码审查；
- Claude Code 负责具体编码实现；
- 人只做两件事：仲裁方案，验收结果。
好处是每一步都有独立的第二双眼睛：写的人不审自己，审的人不动手。
2. 最小改动优先（ponytail）
日常启用 ponytail（lazy senior dev 模式）约束 AI 的产出：
- 能一行解决，不写两行；
- 删除优于新增；
- 不写没人要的抽象、配置项和"以后可能用得上"的代码；
- 但风险逻辑必须带测试——懒的是方案，不是质量。
3. 证据驱动，跑过才算完成
不靠"看起来对"：测试通过、真实输出、日志核验之后，才算做完一件事。写代码如此，运维排障也如此。
4. 把重复劳动变成流水线
能自动化的不做第二次手工：自举式自动开发流水线、定时巡检、看门狗自愈——人只在需要判断的地方出现。
5. 克制的可观测性
日志分级，告警只推送真正需要人介入的事。告警风暴是缺陷，不是勤奋。
6. 长期记忆靠留档，不靠硬记
这条是在 Hermes 里落实的（所有 profile 全部同步），主要设置三个参数：
| 参数 | 值 | 作用 |
|---|---|---|
memory.memory_char_limit |
12000 |
常驻记忆的字符上限（原 2200） |
memory.user_char_limit |
4000 |
用户画像的字符上限（原 1375） |
sessions.auto_prune |
false |
会话永久留存在本地，不自动清理 |
原则：常驻记忆只放跨会话有效的偏好与约定，具体细节用时再从本地会话记录里检索（session_search），而不是预先塞满上下文。记不住的应该被记下来，而不是被猜出来。
这个主页会随我的工程习惯一起更新。