👋 Hi，我是 Ameureka ！

中文 | English

• 我关注如何把大模型能力组织成可验证、可复用的工作流，并接入产品与业务交付。我的实践覆盖 LLM 微调、多智能体研究、图像与视频生成、全栈应用，以及 AI 辅助研发。 近期，我把这些实践集中到三件事上：约束 Agent 的执行过程、让研究结论能够追溯证据、把专业知识转化为可复用的工具与交付流程。

🏆 代表项目

项目	解决的问题	工程重点
open-source-ssd	如何验收 AI 编程助手的交付	Harness Engineering、规格驱动开发、全栈脚手架
present-waza-agent	如何把分散材料变成可上台的技术演讲	叙事与页级规格、PPTX 工具、评分与彩排
open-waza-agent	如何把研究过程变成有证据、可审阅的报告	证据契约、版本修订、质量检查、Word 交付
ameureka-skills	如何复用 AI 协作中的方法与工具	7 个工作流 Skills、2 个独立 CLI 工具

🏘️ 01 · AI 研发全栈工程化 — open-source-ssd

• 把内容规划、品牌规划、审计、需求矩阵、长任务执行与规格实施连接起来，为 AI 编程提供明确的输入、产物和验收条件。
• 流程设计 🎭 —— 任务拆解、停止条件、设计规范与发布 Runbook，让开发和交付有可追踪的依据。
• 工程实现 🛠️ —— Next.js / TypeScript 全栈模板，配合检查配置、Server Action 边界、依赖与国际化资源的门禁脚本。
• 经验沉淀 🤝 —— 公开工程复盘、架构图和交互式流程图，记录机制设计与实际落地之间的差距。
• 全栈模板 · 门禁实现 · 工程实践复盘

🏘️ 02 · 技术表达与交付 — present-waza-agent

• 将技术演讲拆成材料结构化、叙事设计、页级规格、版本打磨与上台准备，形成可供 Agent 使用的交付流程。
• 知识组织 🎭 —— 先确定核心主张与证据，再设计每页的论点、视觉表达和口播内容。
• 交付工具 🛠️ —— 基于 Python / python-pptx 提供构建与合并工具，以及 PPTX 审计、评分汇总和提词器生成脚本。
• 质量机制 🤝 —— 回归用例覆盖 CLI 退出码、输入保护、分页和合并；CI 配置覆盖三个操作系统与两个 Python 版本。
• 合成案例 · 交付脚本 · 测试与 CI

🏘️ 03 · 研究工作流与证据管理 — open-waza-agent

• 把问题定义、证据整理、论证修订和文档交付组织成一条可检查的研究流程。
• 证据建模 🎭 —— 显式记录来源、论断、交付物和修正，用版本与文件哈希绑定审阅内容。
• 自动化边界 🛠️ —— 研究由人或宿主 Agent 执行；Python 工具负责证据登记检查、文本质量检查、章节合并与 Word 导出。
• 可复现入口 🤝 —— 提供离线合成示例、失败路径测试，以及保护人工 Word 修订的流程。
• 证据契约 · 完整合成示例 · 回归测试

🏘️ 04 · Agent Skills 与开发工具 — ameureka-skills

• 把项目中反复使用的推理、审计、规格与协作方法整理为可组合的 Skills，并配套独立工具。
• 7 个 Skills 🎭 —— 规格驱动开发、盲区审计、需求矩阵、第一性原理推理、长任务提示词、企业架构图与 Agent 交接。
• 2 个 CLI 工具 🛠️ —— 图像生成客户端 gpt-imageflow，以及带截图检查与报告的 HTML → PPTX 工具链 present-met-ppt-kit。
• 复用设计 🤝 —— 明确每个工作流的输入输出、停止条件、外部依赖和使用边界。
• Skills 目录 · 图像工具 · PPTX 工具链

🏛️ 职业

• 架构师 | 云计算与AIGC

❣️ 兴趣

• AIGC
• 大模型LLM&理论 | 实用主义 ✅
• 产品 | 第一性原理 ✅
• 商业化 | 先进生产工具x先进生产关系 ✅

🔥 更广的AI实践

方向	项目与实践
多智能体与全栈应用	ai-deepresearch-agent：规划、研究、写作与编辑角色协作；Next.js + FastAPI、SSE 进度反馈、模型适配与回退。
LLM 微调与本地推理	Unsloth_Lllama_deepseek：围绕 Llama 3.1 8B 的数据准备、微调、推理、模型保存与 Ollama 导出实践。
多模态应用	nano-bananary-playground：基于 Next.js / React / Gemini 的图像与视频生成应用，覆盖生成、编辑与资产管理。
产品与商业化研究	Product_Co_Meth：整理企业场景的 MVP 验证、LLM 产品价值与开源商业模式分析。

这些工程实践也延续了我在 ComfyUI、Stable Diffusion / LoRA、AIGC 图像与视频创作、教程与知识整理方面的积累。我习惯把探索过程留下来，整理成后来可以复查、复用的方法与代码。

🌟 技术与工作方式

• Agent 工程：工作流编排、工具调用、Skills、规格驱动开发、证据与验收设计。
• 应用开发：Python、TypeScript、Next.js / React、FastAPI、PostgreSQL、Docker、Vercel。
• 模型与生成：LLM 微调、Unsloth / Ollama、ComfyUI / LoRA、多模态 API 集成。
• 我重视三个工程习惯：把需求写成可验收的约定；把结论关联到代码、来源或运行结果；把复盘转成下一次可以执行的检查与流程。

📬 联系我：

• 欢迎交流 AI / Agent 架构、研发工具链与生成式 AI 应用落地。
• 邮箱：slicesarah8@gmail.com