作品

这里展示的不是练习性 Demo,而是我实际参与开发、部署并承担交付责任的项目。每个项目均明确标注其真实阶段与技术边界:正式交付、持续运行、快速原型或早期探索,不以原型冒充产品,也不以概念替代实际成果。

共赴黔江 · 创新创业成果展示平台 A 级 · 政府真实交付
独立技术负责人(唯一技术人员) · 2026 · 5 天开发 + 5 天测试上线 · 64 家企业

与重庆黔江人社局合作建设的创新创业成果展示平台。

项目启动时,64 家企业的基础资料分散于多份 Excel 文件中,存在字段定义不统一、数据格式不规范、信息缺失等问题。我的工作并不是简单地“把 Excel 做成网页”,而是从数据整理开始,对数据结构、业务字段、统计口径、展示逻辑以及部署链路进行完整设计,并独立完成开发与上线。

完整技术链路
原始 Excel→Python 数据清洗与结构化→MySQL 数据建模与存储→Django 服务端开发→ECharts 数据可视化→Nginx 反向代理与部署→生产环境上线
其中,部分核心工作并不在代码本身
业务数据建模

根据展示和管理需求重新定义数据字段与统计维度,包括企业基本信息、行业分类、返乡创业、产业结构、重点成果等内容,并建立相应的数据组织方式。统计口径由我先完成设计,再经项目负责人传达并与人社局确认。

数据质量控制

建立从原始数据处理到线上展示的验证闭环。完成数据清洗后,将实际展示页面交由人社局及相关企业逐项核验,对企业名称、行业分类、项目内容、统计结果等信息进行逐条校正,最终以确认后的数据作为上线版本,避免“程序正确但业务数据错误”。

生产环境故障排查

项目上线过程中独立定位并解决 Nginx 上传大小限制问题。排查过程中需要从浏览器请求、Nginx 反向代理到 Django 应用服务逐层定位请求链路,而不是仅从 Django 代码本身寻找原因。

这个项目对我而言,更重要的并不是完成了一个 Django 网站,而是完整经历了一次从非结构化业务资料 → 数据治理 → 业务建模 → 系统开发 → 部署上线 → 用户验收的实际交付过程。
在线访问 → qjmk.achen.chat
AI 自动出题与智能修改系统 B 级 · 可在线体验的 MVP
独立开发 · 2026.06 · MVP 约 1 天 · DeepSeek API + SymPy

这是一次将大模型能力嵌入实际教学流程的快速产品验证。

系统围绕教师出题这一具体场景建立完整流程:

教师输入需求→大模型生成题目→教师审核与修改→学生作答→保存结果

其中,大模型并不是直接决定最终结果,而是作为题目生成模块参与业务流程。

我对 Prompt、输出结构以及数学表达式进行了约束,使模型输出能够被程序进一步处理。对于涉及方程、代数表达式等内容的题目,使用 SymPy 进行符号计算与结果验证,避免完全依赖语言模型自身的概率性生成。

因此,这个项目真正验证的并不是“能不能调用大模型 API”,而是一个更实际的问题:如何让生成式 AI 进入已有业务流程,并通过程序化校验降低生成结果的不确定性。
在系统架构上,我有意将 MVP 与生产环境进行了区分

当前版本为了快速验证产品流程,采用前端直接调用 API 的方式,以降低开发成本、缩短验证周期;但如果进入正式生产环境,则应改为后端代理调用模型 API,由服务端负责 API Key 管理、请求鉴权、调用限流以及数据安全。

这一取舍并不是遗漏,而是基于项目所处阶段进行的架构决策:原型阶段追求验证效率,生产阶段追求安全性、可维护性与可控性。
在线体验 →
这个网站本身 A 级 · 持续运行中的实际系统
独立开发与运维 · 2024 至今 · Django + MySQL + Nginx + SSL

你现在访问的这个网站,本身就是我的一个长期运行项目。

它并非为了展示而制作的一次性 Demo,而是一个持续维护的个人技术基础设施,也是上述部分项目的实际承载平台。

长期运行意味着系统面对的问题与一次性开发完全不同:服务器状态、应用日志、SSL 证书、依赖环境、配置变更、异常请求以及后续功能迭代,都需要持续处理。

目前采用 Django + MySQL + Nginx 的基础架构,并配置 SSL。日常维护以稳定性和安全性检查为主,按照周期进行日志、证书和运行状态巡检。

我认为,一个系统真正体现工程能力的地方,往往不是“第一次把它写出来”,而是上线之后仍然能够稳定运行,并能够持续演进。

因此,这个网站本身也是一个长期运行系统,而不仅仅是作品集页面。

教学数据可视化大屏 B 级 · 演示数据快速原型
应急交付 · 2026.08 · 约 30 分钟 · ECharts 单页

一次临时场景下的快速可视化原型开发。

需求包括三阶课程体系、学员结构分析、校区竞赛数据、学员榜单等模块。在约 30 分钟内完成页面结构、数据组织、交互设计及 ECharts 可视化实现。

这一项目的重点并不是展示复杂的数据分析算法,而是验证另一种开发能力:在需求已经明确的情况下,能否借助 AI 工具快速完成从需求理解、信息架构到前端实现的端到端交付。

在这个过程中,AI 主要承担代码生成与重复性实现工作,而我负责需求拆解、数据结构设计、页面信息层级、视觉呈现以及最终结果校验。

因此,该项目被明确定位为演示数据原型,而非生产级数据分析系统。
它证明的不是“用了 AI 所以开发很快”,而是:在明确需求和合理抽象的前提下,AI 可以显著压缩从设计到可运行原型之间的时间成本。
在线查看 →
数字主播 C 级 · 早期技术探索 · 半成品
个人项目 · 2023 年(大二)

这是一个没有完整产品化的早期实验项目。

当时尝试将直播弹幕采集、语言模型生成、TTS 语音合成等模块串联起来:

直播弹幕采集→文本输入→大模型生成回复→TTS 语音合成→实时输出

项目最终没有完成完整的视频交互与主播呈现模块,因此它不应被定义为一个完整产品,而应被视为一次早期的系统集成实验。

保留这个项目,并不是为了证明它“做成功了”,恰恰相反,我认为它的价值在于它真实记录了一个技术方向从个人实验走向成熟产品之前的探索过程。

在生成式 AI 形成当前产业规模之前,我已经开始尝试将语言模型作为软件系统中的一个功能模块,而不是停留在单独调用模型进行文本生成的层面。

从今天回看,这个项目并不成熟,但它体现了一个更重要的能力:能够较早识别新技术的应用形态,并尝试将其嵌入真实的软件系统。

对于技术人员而言,早期项目不一定需要“成功”,但应该能够说明你曾经判断过什么、尝试过什么,以及后来哪些方向被证明是值得继续深入的。