Portfolio Index
这里是五个彼此独立的项目入口。它们分属科研、内容生产、出版发行和基础设施四个完全不同的领域， 但走的是同一条路：我定义问题、判断口径和验收标准，AI agent 工具承担实现层——写代码、读陌生工具链、批量出活、交叉复核。 我不独立写代码，所有代码由 Claude Code / Cursor / Codex 生成，我负责让它跑对、并对结果负责。
按「离本职工作的距离」排序：第一个是把 AI 用回自己的博士课题，最后一个是对整个行业的持续跟踪。
每个站点都设了 noindex，不会被搜索引擎收录，只有拿到链接的人能看到。
这个领域长期靠人眼看序列比对图挑引物——慢、主观、不可复现。我把它重做成一条计算流水线： 全基因组信息熵扫描 → 穷举候选 → 模拟扩增 → 对标 13 套已发表引物 → 三地五批次水样实证。 站点用「AI 承担 / 我决定」两栏对照，把七个环节的分工逐条拆开——这是这页真正的主体。
在租用的 vast.ai GPU 实例上跑两套视频生成流水线，实例内以 ComfyUI 作推理服务，由脚本经 API 批量提交分镜； 配音、字幕、成片合成在本机完成。《小王子》八集连载 + 安徒生童话十一部 + 角色一致性测试三支， 每个系列内部保持统一画风、光照与角色形象。
一个人把「选题 → 内容生成 → 排版 → 印前 → 上架」整条出版链路跑通，四本实体书 2026 年 8 月在 Amazon KDP 完成全球发行， 按需印刷、以笔名独立出版、全部取得 ISBN。核心判断是书的不同部分要交给不同的系统： 需要严格正确的（谜题解唯一、排版、印前尺寸）交给确定性程序，需要审美与量产的（插画、文案）交给生成模型，中间用校验卡住。
同一个需求重做了三遍：先用 ToDesk 把场景跑通，再用腾讯云上海轻量服务器自建 RustDesk 中转换回控制权， 最后用 Tailscale 把中转节点整个删掉，让两台机器直接建 WireGuard 隧道。 再配 4G 远程插座 + BIOS 通电自启，软件全部失效时仍留一条物理恢复路径，无人值守才算真正落地。
持续维护的一份行业跟踪：主轴是国内厂商动作，附属框并排同期国外重大事件与模型发布。 另含一张能力 × 每任务成本的「斩杀线」推移图——按月标出前沿模型被成本拉平的位置， 这是判断「什么时候该换模型、什么时候该自己部署」的依据。
把 OpenClaw 部署在自有的腾讯云上海服务器上，通过微信与飞书直接指挥机器人检索文献， 内置模型为 DeepSeek 与 GPT-5.4。这条是纯自用工具，没有对外站点， 但它是上面几个项目里「把 agent 放到服务器上长期跑、用即时通讯当交互入口」这一模式的来源。
不是一开始就会用，是一年半里被具体任务推着换了五六轮工具。这条线本身也是一份判断记录—— 每次换，换的是什么、为什么换、放弃了什么。
第一次用网页版大模型辅助阅读科研论文。起点很朴素：看不懂的英文方法学段落，让模型拆开讲。
用 Cursor 辅助生物信息学分析与引物设计，个人台式机从此只用 Ubuntu，Windows 只在 Word 场景下走虚拟机。 同期通过国内 API 中转站使用 Claude Code，并尝试把这个 harness 接到多款国内大模型上—— 这一步让我意识到：工具链（harness）和模型是两件可以分开换的东西。
用 Gemini 的生图模型与 Antigravity 在终端里辅助生物信息学分析； 把 OpenClaw 部署到自有的腾讯云上海服务器，用微信、飞书指挥它检索文献（内置模型 DeepSeek / GPT-5.4）； 开始用 Codex 辅助科研。
全面转向 Claude Code 与 Codex。期间试过 z-code，因调用速度慢放弃—— 这类「试了、不行、说清为什么」的判断，和成功案例同样重要。 科研之余的探索，就是上面那五个项目。
每个项目里最关键的决定，都是模型不会主动替你把关的那一类——熵计算要不要把 gap 当第六种状态、 谜题必须「解唯一 + 纯消去可解」双重校验、填色线稿要过二值化检验。 这些判断错了，跑得再快也是废品。
四本书里第二本填色书的边际成本远低于第一本，因为排版模板、线宽约束、印前脚本全部复用，只换了题材词表。 区别在于第一次做的时候就把它当产线来做，而不是当一次性交付。
租 GPU 按小时算钱，所以要先算清一镜多少秒、显存放不放得下；远程控制做到第三代才把固定月费压到零。 「能跑通」和「能长期跑下去」之间，隔着一整套成本账。