AI applications · Agents · Developer tools
围绕文献研究、编程 Agent 和开发流程,构建能跑起来、能验证、能回看的 AI 应用。 目前主要使用 Python,关注检索证据、工具执行的边界,以及执行过程怎么被记录和复现。
个人科研文献阅读助手 — 从论文检索、导入和精读,到带来源的问答与跨论文比较。
结合向量检索、BM25 和重排组织证据;保留原文引用与内容版本,通过 Web、CLI 和 MCP 使用共用工具。
Python FastAPI LangGraph Chroma React / TypeScript
极简编程 Agent — 给它一个目录和一句任务,它读代码、改文件、在加固容器里跑命令,做完用中文总结。
学习参考 pi 的极简架构:手写 86 行 agent 循环与原生 tool_calls,用四个最小工具完成读写与执行,编辑要求精确且唯一匹配;bash 默认进一次性加固容器;SQLite 事件流配合 SSE,让每一步决策都能回看。
Python FastAPI SQLite Docker 原生 tool_calls
开发工具小项目 — 为 DeepSeek Harness 提供会话删除、撤销和本地回收站,关注失败回滚与文件操作边界。社区插件。
JavaScript Plugin development
- 工具权限与任务意图:把模型决策和宿主执行约束分开。
- 命令执行的沙箱边界:把不可控的 shell 关进一次性容器,限制网络、权限与资源。
- 验证记录:只写跑过的:每次改动跑了什么、结果如何、留下哪些边界。
实现细节、复现命令及当前边界记录在各项目仓库中。