我把 AI 能力，
落到可以运行、解释
和继续迭代的产品里。

能在明确需求下设计模型调用、结构化输出与人工复核环节。

当前依据Doc2Alpaca 将候选问答生成、审核与导出分开，避免把模型输出直接当最终数据。

能把复杂任务拆成可观察、可恢复的工具调用与步骤边界。

当前依据ArchPilot 把需求澄清、模块契约和分阶段执行串成可检查的工作流；相关原理也持续沉淀在学习笔记中。

正在系统练习检索、引用、重排与评测，不把概念学习误写成生产能力。

当前依据已整理 RAG 课程与 Agent / Context 笔记；下一步需要用真实语料、问题集和指标做一条完整验证链路。

已理解数据准备的重要性，正在补齐训练、对照实验与评估实践。

当前依据Doc2Alpaca 已能把文档整理为可审核的 Alpaca / ShareGPT 数据；尚未把训练系统包装成已交付能力。

用于 AI 应用逻辑、数据处理与验证脚本，能在明确范围内独立完成后端任务。

当前依据ArchPilot 公开仓库包含 Python 校验脚本；个人知识系统也围绕 Python 后端与 AI 工具持续整理。

能组织输入校验、错误契约、异步写入与面向页面的服务接口。

当前依据当前作品集包含可运行的 FastAPI 联系接口、测试与部署链路；下一步继续补强更复杂的业务与鉴权场景。

能为业务记录、任务历史与元数据设计基础表结构、查询和事务边界。

当前依据Doc2Alpaca 的架构把历史记录放在 PostgreSQL；个人网站后端也以关系数据与迁移作为可验证的工程基础。

理解缓存、会话、限流和短期任务状态的常见场景，正在继续补齐失效与故障处理。

当前依据Doc2Alpaca 用 Redis 保存短期任务进度；已有 Redis 原理和 Docker 启动流程笔记。

能做响应式页面、静态内容路由、元数据和面向真实内容的数据驱动组件。

当前依据当前作品集与 Doc2Alpaca 都有可运行的 Next.js 产品界面；本项目完整覆盖主页、详情、笔记和 404。

能以设计 token 和响应式约束组织界面，持续加强复杂组件与设计系统的复用能力。

当前依据当前网站的视觉系统由 token、断点、无障碍状态和多套配色驱动；项目中也保留 Tailwind 的工程基础。

能用统一配置编排多服务本地环境，并理解 Web、Worker 与基础服务的职责边界。

当前依据Doc2Alpaca 通过 Compose 编排 Web、Worker、PostgreSQL、Redis 与 RabbitMQ 五类服务。

已能维护当前项目从 main 推送到服务器更新的实际流水线，仍在系统补齐通用发布策略。

当前依据此作品集已使用私有 GitHub 仓库、GitHub Actions 与 Windows 服务完成自动更新部署。