赵钧全

以 pywebview 承载本地窗口运行时，Vue + SQLite + 插件系统组成桌面端 AI 工作台。

• pywebview 桌面层与 Python 后端共用进程；前端通过 bridge.js 调用 LLMEngine / PluginHost，接收流式事件和插件状态。
• context_ledger 将对话摘要作为结构化节点追加，替代原始历史滚动，为长对话压缩和 Graph 化理解预留入口。
• bridge.js 统一流式响应、思维链推送、插件事件，前端始终消费一套标准事件格式。
• 五层装配模式约束模块依赖方向：Storage → Gateway → Engine → PluginHost → Front Bridge，降低隐式耦合。
• SQLite 管理 sessions、messages、presets、context_ledger，本地数据不依赖外部服务。

双层 Agent 路由：main Agent 做轻量搜索与执行，web-researcher Sub-Agent 做深度研究。

• main Agent 负责问答、代码操作、任务规划和轻量检索；Sub-Agent 只做搜索/核验/推理/总结，不参与本地执行。
• 通过 preset 声明黑白名单和工具调用策略，避免主 Agent 滥用高成本研究工具。
• 普通问题默认 DuckDuckGo 轻量检索；深度研究/多来源核验/架构判断时才路由到 Perplexity MCP。
• 方案配套验证脚本、安装脚本和双语 README，形成可迁移的 Agent 工具治理模板。

Python MCP SDK 封装为 MCP Server，text-only Agent 按需挂载视觉能力。

• MCP Server 负责协议声明、工具注册和 Stdio/SSE 传输层适配。
• MiMo API Adapter 处理本地文件/URL 的图像编码、API 请求和文本结果归一化。
• 支持 image_path（必填）+ prompt（可选）双参数接口，兼容 Claude Desktop、Cursor、Cline、OpenClaw 等 MCP 客户端。
• API Key 不入库，通过环境变量完成安全配置。

单文件 HTML / Vanilla JS / CSS，生成、解析、美化、批处理全部浏览器本地闭环。

• UI 层负责文本输入、拖拽接收、样式调整和预览；解析层集成 jsQR 在浏览器内识别图片二维码。
• 绘制层通过 QRCode.js 或定制 SVG 逻辑生成 PNG / SVG 输出。
• DOM Drag & Drop API 支持多文件批量处理；SVG 导出保证印刷和二次设计场景下的清晰度。
• 全链路不经过后端，无数据上传风险，适合直接分享 HTML 文件使用。

FastAPI + Jinja2 partial + SQLAlchemy + MySQL，覆盖公开 SSR 渲染、后台 JSON API、AI 对话、媒体管理和安全防护。

• 前端 SSR 层以 10 个 Jinja2 partial 模块组织首页渲染，通过 StreamingResponse 和懒加载策略优化首屏可见性。
• 后端 FastAPI 路由和服务层承载内容读取、留言、AI 对话、媒体管理和后台管理操作。
• 数据层以 14 张 MySQL 表管理资料、项目、照片、媒体、留言、访问日志和安全日志等实体关系。
• 安全层：TrafficGuardMiddleware + CSRF + Session Token + IP 限频 + Nginx 限流 + fail2ban 构成联动防护。
• Tailwind CSS 从 CDN 运行时编译切换为静态编译，首屏阻塞资源清零，TTFB 从 262ms 降至约 20ms。

Hugging Face 生态在双 T4 环境中完成 8B 模型的 SFT / QLoRA 微调验证。

• 数据层构建中文 instruction/input/output 样本，覆盖身份问答、技术解释、产品文案和客服回复。
• Transformers + Datasets + PEFT + TRL + bitsandbytes 组织完整微调流程，ChatML 模板统一对话格式。
• BitsAndBytesConfig 使用 4bit NF4 + double quantization 降低显存压力；LoRA 注入 q_proj、k_proj、v_proj、o_proj、gate_proj、up_proj、down_proj 等关键模块。
• paged_adamw_8bit 优化器、gradient accumulation、k-bit 训练适配低成本 GPU 实验环境。
• Adapter 保存、压缩、重新加载和推理验证形成完整闭环。

FastAPI 动态生成 robots.txt、sitemap.xml、llms.txt 和 JSON-LD，公开知识节点对齐搜索与 AI 生态。

• 路由层提供 /robots.txt、/sitemap.xml、/llms.txt 等公开入口；sitemap 自动输出首页、照片列表、进度页和已发布照片详情页。
• robots.txt 明确开放 Google、Bing、百度、搜狗、360、神马等搜索引擎和 OpenAI、Perplexity、Applebot、Google-Extended、CCBot 等 AI crawler。
• 同时屏蔽 /admin、/api、/passport、/partial、/uploads 等非公开路径。
• llms.txt 以 Markdown 描述站点身份、主题范围、代表项目和 AI 训练/引用政策。
• JSON-LD 以 Person、WebSite、ProfilePage、CollectionPage、CreativeWork、ItemList 等 Schema.org 类型建立实体关系。
• pytest 覆盖 robots、sitemap、llms.txt 和首页/照片/进度页结构化数据输出。

Pandas + Scikit-learn + XGBoost 构建人格预测分析管道，从数据清洗到分类解释完整闭环。

• 数据层完成缺失值处理、异常值过滤、特征编码和标准化。
• XGBoost + Scikit-learn Pipeline 组织训练和验证，GridSearchCV 做参数搜索和多折验证。
• 标准化与独热编码放入管道，降低数据预处理泄漏风险。
• 模型结果转译为 CRM 打标、A/B 测试和个性化触达的讨论基础。

requests + asyncio + rvest 构建异步多源采集流程，输出结构化研究素材。

• asyncio 并发池提升多页面采集效率；随机延迟、User-Agent 切换和 Cookie 会话维持提升抓取稳定性。
• 清洗层负责字段抽取、去重、格式标准化和异常过滤；输出字段和清洗口径提前标准化。
• 最终输出为 CSV / 表格文件，方便后续情感分析和政策研究复用。