Zhao Junquan

Genel amaçlı araç platformu (AiNative-Tools)

Çekirdek Proje Yinelemeli Geliştirici Yapay Zeka Yerel Stüdyo LangChain tarzı İş Akışı DEMO

Projenin arka planı

Sınır ötesi e-ticaret içerik üretimi, otomatik ürün modifikasyonu, görüntü işleme ve toplu teslimat için tasarlanan AiNative-Tools, ürün toplama, İstem orkestrasyonu, yapay zeka metin yazarlığı, beyaz arka plan görüntüleri, sahne görselleri, paket teslimatı ve çalışma zamanı gözlemlenebilirliğini yerel bir Studio çalışma alanına entegre eder. Sistem, kaynak bulma, listeleme, varlık oluşturma ve yapılandırılabilir, devam ettirilebilir ve izlenebilir üretim iş akışlarına teslimi düzenlemek için dizin sözleşmelerini, görev kuyruklarını, eklenti bildirimlerini ve durum akışlarını kullanır. Mühendislik şekli, e-ticaret operasyonları etrafındaki LangChain İş Akışını takip eder: her ürün grubu, kararlı girdi, İstem düzenleme, model çağrıları, yapılandırılmış ayrıştırma, görüntü araçları ve dağıtım araçları aracılığıyla hareket eder.

Sorumluluklarım

Sınır ötesi e-ticaret içerik iş akışlarının ürünleştirilmesinden sorumluydum; veri toplama, ürün içeriğini yeniden düzenleme, çeviri, görsel üretme ve teslim süreçlerini uçtan uca yerel bir Studio akışında birleştirdim. İş süreçlerinin ayrıştırılmasından araç sınırlarının tasarımına kadar kapsamı belirledim; tekrarlanan işlemleri yapılandırılabilir, izlenebilir, kurtarılabilir ve ileride genişletilebilir hâle getirdim.

Teknik çözüm

FastAPI + TaskManager + Manifest 3 katmanlı kontrol düzlemi; burada görevler, gerçek zamanlı WebSocket durum senkronizasyonu ile alımdan toplu olarak teslime kadar ilerler.

Ön uç Studio Shell, vanilya JS'deki görev sıralarını, toplu işlemleri ve araç giriş noktalarını yönetir; arka uç, FastAPI eşzamansız rotalar aracılığıyla yerel/bulut/AI görev kanallarını yönetir.
Manifest katmanı, yerel SUM aracı komut dosyalarını otomatik olarak tarar ve görüntü işleme, paketleme ve geliştirme yeteneklerini yapılandırılabilir araç formları olarak kaydeder.
Temel üretim zinciri: ürün URL'si/Excel girişi → Scraper → PromptComposer → AIClient → JSON Ayrıştırıcı → Painter/PackTool teslimatı.
AClient, Gemini / OpenAI Uyumlu model protokol farklılıklarını normalleştirir; Yapılandırılmış Çıkış Ayrıştırıcısı, model çıktısını aşağı akışlı görüntü araçları tarafından JSON sarf malzemesiyle sınırlandırır.
Prompt Registry, pazar dili ikamesini, sahne dilimlemeyi ve Sandviç formatlı paketlemeyi destekler, böylece farklı ürün partileri aynı işlem hattı üzerinden istikrarlı bir şekilde çalışır.
Key Pool, durum anlık görüntüleri ve toplu dizinler birlikte yeniden denemeler, eksik görüntüler, yeniden çeviri ve yeniden paketleme için kurtarma sınırları sağlar.

Öne çıkan sonuçlar

Proje, dağınık işlem araçlarını görsel, sıraya alınmış ve kurtarılabilir bir Studio kontrol düzlemine yükseltir. Ürün URL'si / Excel girişinden görüntü-metin koleksiyonuna, yapay zeka analizine, beyaz arka plan ön işlemesine, toplu sahne görüntüsü oluşturmaya ve teslimat paketi derlemesine kadar tam bir döngüyü desteklerken dizin sözleşmeleri, durum anlık görüntüleri, Key Pool zamanlaması ve günlük yeniden oynatma yoluyla uzun toplu kararlılığı artırır. Toplu iş klasörleri kararlı giriş Şeması görevi görür, kendi kendine oluşturulan TaskStateStore, Checkpoint olarak çalışır, SharedGroupManager, Bellek benzeri Durum sağlar ve görüntü / paketleme komut dosyaları, iş akışına Araç Katmanı bileşenleri olarak katılarak başarısız çalıştırmalar, yeniden çalıştırmalar, görüntü tamamlama, çeviri tamamlama ve yeniden paketleme için net kurtarma yollarını korur.

FastAPI Python 3.12 Pydantic Yalın JavaScript Studio kabuğu WebSocket durum akışı Manifest tabanlı eklenti sistemi TaskManager çoklu kuyruk Gemini / OpenAI API'si İstem Oluşturucu Key Pool Planlama Selenyum / Firefox Yastık / OpenCV XLSX / CSV Veri Alma Toplu Arşivleme ve Kurtarma İstemi Kayıt Çalıştırılabilir Sıra Yapılandırılmış Çıkış Ayrıştırıcı State Store Bellek Benzeri Durum LangChain

Geliştirme günlüğünü oku

Lite Studio

Masaüstü İstemcisi Devam Eden Bakım

Projenin arka planı

LLM araç çağrısı karmaşıklığı büyümeye devam ettikçe, geçici komut dosyaları artık yüksek frekanslı, çok dönüşlü, araçlar arası yapay zeka iş akışlarını sürdüremez. Lite Studio, dağınık yardımcı programları kalıcı, izlenebilir ve genişletilebilir bir yerel yapay zeka iş istasyonuyla değiştirerek konuşma durumunu, model yapılandırmasını, bağlam sıkıştırmasını ve eklenti orkestrasyonunu uzun vadeli bakımı yapılabilir bir sistemde birleştirir.

Sorumluluklarım

Lite Studio’yu dağınık yapay zekâ araçlarından yerel bir masaüstü iş istasyonuna dönüştüren ürünleştirme sürecini yönettim. Oturum yönetimi, model yapılandırması, bağlam sıkıştırma, eklenti çağrıları ve dışa aktarma sınırlarını belirledim; sonraki geliştirmelerin izlenebilir ve teslim edilebilir olması için dokümantasyon, API sözleşmeleri ve iş akışı temel çizgileri oluşturdum.

Teknik çözüm

pywebview yerel masaüstü çalışma zamanını barındırır; Vue + SQLite + eklenti sistemi, masaüstü AI iş istasyonunu oluşturur.

Pywebview masaüstü katmanı, Python arka ucuyla bir işlemi paylaşır; ön uç, bridge.js aracılığıyla LLMEngine / PluginHost'u çağırır ve akış olaylarını ve eklenti durumunu alır.
context_ledger, konuşma özetlerini ham geçmiş yığınlaması yerine yapılandırılmış düğümler olarak ekleyerek uzun konuşma sıkıştırması ve grafik tabanlı anlayış için yapılandırılmış bir giriş noktası sağlar.
bridge.js, akış yanıtlarını, düşünce zinciri aktarımlarını ve eklenti olaylarını ön uç için tek bir standart olay formatında birleştirir.
5 katmanlı bir montaj modeli, modül bağımlılığı yönünü kısıtlar: Depolama → Ağ Geçidi → Motor → PluginHost → Ön Köprü, uzun vadeli yinelemede örtülü birleştirmeyi azaltır.
SQLite oturumları, mesajları, ön ayarları ve context_ledger'ı yönetir; tüm yerel veriler harici hizmetler olmadan bağımsızdır.

Öne çıkan sonuçlar

Proje dokümantasyonu, 80'den fazla API sözleşmesini ve 12 temel iş akışını kapsayan ekibin birleşik mühendislik referansı haline geldi. context_ledger, uzun konuşma yönetimini, artımlı özet düğümü ekleme yoluyla sert kesmeden yapılandırılmış sıkıştırmaya dönüştürür. Bunun üzerine bağımsız bir Web Demo sayfası oluşturuldu ve tüm etkileşim (kenar çubuğunun daraltılması, model değiştirme, düşünce süreci görselleştirmesi, bellek arşivleme ve çok formatlı dışa aktarma) eski bir yulaf ezmesi tasarım sisteminde yeniden oluşturuldu ve ürün deneyiminin tamamını sergilemek için arka uç gerektirmedi.

Python 3.8+ pywebview SQLite Arka Rüzgar / Vue Memory Bağlam Defteri Graph

Geliştirme günlüğünü oku

OpenClaw Sentinel

Multi-Agent MIT License GitHub Repo

Agent yönlendirme güvenlik sınırları + WebSearch alt Agent düzenlemesi

Projenin arka planı

Çok araçlı Aracı iş akışlarında, ana Aracı varsayılan olarak tüm arama, araştırma ve yürütme araçlarına sahipse, yüksek maliyetli API'ler kolayca aşırı kullanılır ve hafif görevler tek bir bağlamda derin araştırmayla karışır ve bu da maliyet israfına, bulanık sınırlara ve güvenlik riskine neden olur.

Sorumluluklarım

OpenClaw Sentinel'in tanımına ve teslimine bağımsız olarak sahip olundu; çok araçlı Agent iş akışlarındaki arama maliyeti, araç izinleri ve yürütme sınırları yeniden kullanılabilir bir yönlendirme-yönetim modeline dönüştürüldü. Bir MCP entegrasyonunun taşınabilir bir Ajan yönetişim çözümü haline gelmesi için davranış sınırı tasarımına, araç çağrısı politikasına, doğrulama akışına ve açık kaynak sürümüne liderlik ettim.

Teknik çözüm

Çift katmanlı bir Aracı yönlendirme modeli: Ana Aracı, hafif arama ve yürütmeyi yönetir; Bir web araştırmacısı Alt Temsilcisi derin araştırmaları yürütür.

Ana Aracı Soru-Cevap, kod işlemleri, görev planlama ve hafif erişimden sorumludur; Alt Aracı yalnızca arama/doğrulama/akıl yürütme/özetleme gerçekleştirir ve yerel olarak yürütmez.
Ön ayarlar, izin verme/reddetme listelerini ve araç çağırma politikalarını bildirerek ana Aracının yüksek maliyetli araştırma araçlarını aşırı kullanmasını engeller.
Genel sorular varsayılan olarak DuckDuckGo hafif aramasındadır; yalnızca karmaşık araştırma, çok kaynaklı doğrulama, mimari değerlendirme veya açık kullanıcı istekleri Perplexity MCP'ye yönlendirir.
Çözüm, doğrulama komut dosyaları, yükleme komut dosyaları ve iki dilli README ile birlikte gelir ve taşınabilir bir Aracı aracı yönetim şablonu oluşturur.

Öne çıkan sonuçlar

Maliyet katmanlı arama ve derin araştırma, uygulama ve araştırma sorumluluğu izolasyonunun açık bir şekilde izolasyonu ve katı güvenlik sınırları sunar: depoda sır yok, API anahtarının açığa çıkması yok, gerçek yapılandırma yüklemesi yok. Proje, topluluğun gelişimi için MIT lisansı, iki dilli README, ön ayarlar, kurulum komut dosyası ve doğrulama komut dosyasıyla birlikte gelir.

OpenClaw MCP Sub-Agent Agent düzenlemesi Şaşkınlık API'si DuckDuckGo Temsilci Yönlendirme Araç Sınırı

Geliştirme günlüğünü oku

MiMo Vision MCP

Vision MCP Eklentisi MIT License GitHub Repo

Salt Metin LLM Agent’lari için MCP Vision Bridge

Projenin arka planı

Salt metinden oluşan LLM'ler (DeepSeek, Qwen, vb.) akıl yürütme ve kodlamada mükemmeldir ancak yerel vizyondan yoksundur. Bu proje, Xiaomi MiMo v2.5'i standart bir MCP Sunucusu olarak kapsıyor ve mimo_image_analyze aracı aracılığıyla yalnızca metin içeren aracılara görüntü anlayışı sağlıyor; MiMo'nun algıladığı ana model nedenleri.

Sorumluluklarım

Yalnızca metinle çalışan Agent’lar için görsel anlama köprüsünün tasarımını ve teslimini bağımsız olarak üstlendim. Tek bir model çağrısını kurulabilir, yapılandırılabilir ve yeniden kullanılabilir bir MCP aracına dönüştürdüm. OpenClaw, Claude Desktop, Cursor ve benzeri istemcilerin bu yeteneği güvenilir biçimde kullanabilmesi için kullanım senaryolarını, çağrı sınırlarını, güvenli yapılandırmayı ve açık kaynak teslimini tanımladım.

Teknik çözüm

Python MCP SDK, MiMo v2.5'i bir MCP Sunucusu olarak sarar, böylece salt metin Aracılar isteğe bağlı olarak vizyon bağlayabilir.

MCP Sunucusu protokol bildirimini, araç kaydını ve Stdio/SSE aktarım uyarlamasını yönetir.
MiMo API Adaptörü, yerel dosya/URL görüntü kodlamasını, API isteklerini ve metin sonucu normalleştirmesini yönetir.
Çift parametreli bir arayüzü destekler: image_path (gerekli) + prompt (isteğe bağlı), Claude Desktop, Cursor, Cline, OpenClaw ve diğer MCP istemcileriyle uyumludur.
API anahtarları kod tabanının dışında tutulur ve ortam değişkenleri aracılığıyla güvenli bir şekilde yapılandırılır.

Öne çıkan sonuçlar

Tek bir server.py dosyasında eksiksiz bir MCP görüş köprüsü uygulandı ve Agent araç zincirindeki görüş boşluğu dolduruldu. Ekran görüntüsü hata ayıklamasını, kullanıcı arayüzü analizini, OCR çıkartmayı, grafik yorumlamayı ve belge analizini destekler. Tasarım gevşek bir şekilde bağlanmıştır, değiştirilebilir ve düzenlenmesi kolaydır: ana model görüntü mantığından ayrı kalırken görüntü isteğe bağlı olarak eklenir. OpenClaw Agent ortamında istikrarlı bir şekilde çalıştı.

MCP MiMo v2.5 Vision AI Python Salt metin LLMı Görüntü Analizi OCR Aracı Aracı

Geliştirme günlüğünü oku

QCode Toolkit (SVG QR Kodu)

Yalnızca Ön Uç Aracı Tek Dosya, Derlemeye Gerek Yok Çevrimiçi Deneyin

Projenin arka planı

Günlük iş akışları genellikle toplu QR kodu oluşturma ve kod çözme gerektirdiğinden ve mevcut araçların çoğu reklam ağırlıklı, ücretli veya ağa bağımlı olduğundan, bu proje kurulum gerektirmeyen, arka uç içermeyen, yalnızca ön uç içeren bir QR kodu yardımcı programı oluşturur.

Sorumluluklarım

Bağımsız olarak sahip olunan QCode Toolkit'in ürün planlaması, etkileşim tasarımı ve sürüm teslimi, QR kodu oluşturma, stil oluşturma, toplu işleme ve SVG indirme etrafındaki araç sınırlarını tanımlar. Odak noktası, kullanılabilirliği, paylaşılabilirliği ve uzun vadeli bakım maliyetini dengelerken arka uç bağımlılığı olmadan döngüyü tamamen tarayıcıda kapatmaktı.

Teknik çözüm

Tek dosyalı HTML / Vanilla JS / CSS — QR kodlarını tamamen tarayıcıda oluşturun, ayrıştırın, biçimlendirin ve toplu olarak işleyin; arka uç gerekmez.

Kullanıcı arayüzü katmanı metin girişini, sürükleyip bırakmayı, stil ayarlamalarını ve önizlemeyi yönetir; ayrıştırma katmanı, tarayıcıdaki görüntülerdeki QR kodlarını tanımak için jsQR'yi entegre eder.
İşleme katmanı, PNG / SVG çıktısı üretmek için QRCode.js veya özel SVG mantığını kullanır.
DOM Sürükle ve Bırak API'si, çoklu dosya toplu işlemeyi destekler; SVG dışa aktarma, baskı ve ikincil tasarım senaryolarında netlik sağlar.
İşlem hattının tamamı hiçbir zaman bir arka uca dokunmaz; veri yükleme riski yoktur, bağımsız bir HTML dosyası olarak paylaşıma uygundur.

Öne çıkan sonuçlar

Verileri platformlar arasında yerel, özel ve taşınabilir tutarken QR oluşturmayı, kod çözme sonrasında yeniden çizim stilini ve toplu tanımayı kapsayan gerçek bir tarayıcıya hazır yardımcı program sundu.

Vanilla JS HTML5 / CSS3 Tek Dosya Uygulaması Toplu İşleme SVG Dışa Aktarma Sürükle ve Bırak API'si

Repo Geliştirme günlüğünü oku

QuanWen.art

Tam Yığın Sitesi İçerik Merkezi AI-Yerel İki dilli

Projenin arka planı

QuanWen.art, uzun vadeli çalıştırılabilir bir tam yığın Web Sistemi olarak tasarlanmış, kendi kendine oluşturulmuş bir kişisel dijital içerik merkezidir. Proje vitrinlerini, fotoğraf makalelerini, ilerleme güncellemelerini, AI sohbetini, iletişim mesajlarını ve yönetici yönetimini tek bir mimaride birleştirerek kişisel site içeriği yayınlama, veri bakımı, erişim koruması ve ölçeklenebilir büyüme yetenekleri sağlar.

Sorumluluklarım

QuanWen.Art'ın bağımsız ürün ve mühendislik sahibi olarak site konumlandırma, içerik yapısı, genel sunum, arka uç operasyonu ve güvenlik bakımının tam planlamasından ve tesliminden sorumluydum. Güncellenebilirliğini, erişilebilirliğini ve güvenlik sınırlarını korurken projeleri, fotoğraflı makaleleri, ilerleme günlüklerini, yapay zeka sohbetini, iletişim mesajlarını ve yönetici yönetimini uzun süredir devam eden bir dijital içerik merkezine entegre ettim.

Teknik çözüm

FastAPI + Jinja2 kısmi parçaları + SQLAlchemy + MySQL, genel SSR oluşturmayı, yönetici JSON API'lerini, yapay zeka sohbetini, medya yönetimini ve güvenliği güçlendirmeyi kapsar.

Ön uç SSR katmanı, ana sayfa oluşturmayı düzenlemek için 10 Jinja2 kısmi modülünü kullanır ve StreamingResponse ve yavaş yükleme stratejileri aracılığıyla ekranın üst kısmındaki görünürlüğü optimize eder.
Arka uç FastAPI yönlendirme ve hizmet katmanı; içerik okuma, ziyaretçi defteri, yapay zeka sohbeti, medya yönetimi ve yönetici işlemlerini yönetir.
Veri katmanı profiller, projeler, fotoğraflar, medya, mesajlar, erişim günlükleri ve güvenlik günlüklerine ilişkin varlıkları yönetmek için 14 MySQL tablosu kullanır.
Güvenlik katmanı: TrafficGuardMiddleware + CSRF + Oturum Tokeni + IP hızı sınırlama + Nginx hız sınırlaması + fail2ban, derinlemesine bir savunma sistemi oluşturur.
Tailwind CSS, CDN çalışma zamanı derlemesinden statik derlemeye geçerek, oluşturmayı engelleyen tüm kaynakları ortadan kaldırdı; TTFB 262 ms'den ~20 ms'ye düşürüldü.

Öne çıkan sonuçlar

QuanWen.Art'ı statik bir portföy sayfasından çalıştırılabilir bir dijital içerik merkezine yükselterek bağımsız olarak tam kapsamlı, kendi kendine oluşturulmuş bir Web Sistemi teslim etti. Ön uç, parçalı akış oluşturma için StreamingResponse'u kullanıyor; kısmi modüller, ilk ekranın daha erken görünürlüğünü sağlıyor ve ana sayfayı monolitik bir şablondan bakımı yapılabilir modüler bir yapıya dönüştürüyor. Arka uç, genel API'leri, yönetici yönetimini, yapay zeka sohbetini, medya yüklemelerini, ziyaret kayıtlarını ve içerik hizmetlerini FastAPI aracılığıyla birbirine bağlayarak sunumdan operasyona kadar tam bir döngü oluşturur. Veri katmanı, profilleri, projeleri, fotoğrafları, mesajları, medyayı, ziyaretleri ve hız sınırı kayıtlarını desteklemek için 14 MySQL tablosunu kullanır ve daha iyi kullanılabilirlik için veritabanı öncelikli/statik geri dönüş stratejisini kullanır. Güvenlik katmanı, oturum açma korumasını, CSRF'yi, Oturum Belirteci'ni, IP hızı sınırlamayı, trafik katmanı kontrolünü, anormal istek engellemeyi ve Nginx/fail2ban koordinasyonunu kapsayarak projeye gerçek üretim dağıtımı için gereken mühendislik bütünlüğünü sağlar.

AI-NATIVE Akış FastAPI Jinja2 SQLAlchemy MySQL i18n İki Dilli İçerik Merkezi Modüler Kısmi Parçalar Performans Optimizasyonu 2026

Geliştirme günlüğünü oku

Qwen3-8B Çin Destek Temsilcisi İnce Ayarı

LLM İnce Ayarı QLoRA Destek Temsilcisi Kaggle T4

Projenin arka planı

Bu proje QuanWen.Art web sitesi destek aracısı senaryosunu hedefliyor ve Kaggle'ın ikili Tesla T4 kaynak kısıtlamaları altında 8B açık kaynaklı bir LLM için parametre açısından verimli ince ayarı araştırıyor. Temel model olarak Qwen/Qwen3-8B'yi kullanarak kimlik soru-cevap, teknik açıklamalar, ürün kopyası oluşturma ve destek yanıtlarını kapsayan Çince talimat verilerini enjekte ederek veri oluşturma, ChatML şablonu dönüştürme, 4 bit nicelenmiş yükleme, SFT ince ayarı, Adaptör kaydetme ve yeniden yükleme tabanlı çıkarım doğrulamadan bir mühendislik döngüsünü tamamlıyor.

Sorumluluklarım

Bağımsız proje sahibi olarak, QuanWen.Art destek aracısı senaryosu etrafında bir 8B açık kaynak modeli için dikey ince ayar doğrulamasını tasarladım ve yürüttüm. Eğitim hedefini tanımladım, Çin desteğinin ve kimlik kalite güvencesi verilerinin kapsamını belirledim, düşük maliyetli GPU deneme yolunu planladım ve eğitim doğrulamasından sitenin destek topluluğuyla gelecekteki entegrasyona kadar fizibilite döngüsünü tamamladım.

Teknik çözüm

Çift T4 GPU'larda Hugging Face ekosistemi — 8B modeli için SFT / QLoRA ince ayar doğrulaması.

Veri katmanı; kimlik soruları, teknik açıklamalar, ürün metinleri ve müşteri hizmetleri yanıtları için instruction/input/output biçiminde Çince örnekler oluşturur.
Transformers + Veri Kümeleri + PEFT + TRL + bit ve baytlar tam ince ayar hattını oluşturur; ChatML şablonu konuşma formatını birleştirir.
BitsAndBytesConfig, VRAM basıncını azaltmak için 4 bit NF4 + çift niceleme kullanır; LoRA, q_proj, k_proj, v_proj, o_proj,gate_proj, up_proj, down_proj modüllerine enjekte edilir.
paged_adamw_8bit iyileştirici, degrade birikimi ve k-bit eğitimi, düşük maliyetli GPU deneme ortamlarına uyum sağlar.
Bağdaştırıcıyı kaydetme, sıkıştırma, yeniden yükleme ve çıkarım doğrulama işlemleri tam bir kapalı döngü oluşturur.

Öne çıkan sonuçlar

Düşük maliyetli bir bulut GPU ortamında Qwen3-8B için Eğit -> Kaydet -> Paketle -> Yeniden Yükle -> Çıkarım ince ayar döngüsünü tamamlayarak yeniden kullanılabilir bir 8B düzeyinde SFT / QLoRA mühendislik şablonu oluşturdu. Proje, sınırlı VRAM altında Çin dikey senaryo ince ayarının fizibilitesini doğruluyor ve daha sonraki QuanWen.Art desteği-külliyat entegrasyonu, özel Soru-Cevap genişletme ve sahaya özgü bir destek aracısı için mühendislik temelini oluşturuyor.

Qwen3-8B SFT QLoRA PEFT Hugging Face BitsAndBytes ChatML Destek Temsilcisi

Kaggle

GEO / SEO Okunabilirlik Altyapısı - Yapay Zeka Arama ve Yapılandırılmış İndeksleme

GEO SEO llms.txt Yapılandırılmış Veri

Projenin arka planı

Kişisel bir web sitesi yalnızca insan ziyaretçilere yönelik görsel bir sayfa olmamalıdır; aynı zamanda arama motorlarının, yapay zeka arama sistemlerinin ve model eğitim tarayıcılarının güvenilir bir şekilde anlayabileceği genel bir içerik düğümü haline gelmelidir. Bu proje QuanWen.Art'ı sayfa düzeyindeki sunumdan robots.txt, sitemap.xml, llms.txt ve JSON-LD yapılandırılmış verileriyle makine tarafından okunabilen bir siteye yükseltir.

Sorumluluklarım

QuanWen.Art'ın harici keşfedilebilirliği ve makine tarafından okunabilirliğinin genel yönetimine sahip oldu; genel içerik, özel yollar, arama motoru taraması ve AI tarayıcı erişimi arasındaki sınırları tanımladı. Politika tasarımı ve semantik içerik organizasyonundan üretim doğrulamaya kadar olan döngüyü yönettim, siteyi ziyaretçilere yönelik bir portföyden arama motorlarının, yanıt motorlarının ve LLM sistemlerinin tutarlı bir şekilde anlayabileceği halka açık bir bilgi düğümüne yükselttim.

Teknik çözüm

FastAPI dinamik olarak robots.txt, sitemap.xml, llms.txt ve JSON-LD'yi oluşturarak genel bilgi düğümlerini arama ve yapay zeka ekosistemiyle uyumlu hale getirir.

Rota katmanı /robots.txt, /sitemap.xml, /llms.txt ve diğer genel giriş noktalarını sağlar; site haritası ana sayfayı, fotoğraf listesini, ilerleme sayfalarını ve yayınlanan fotoğraf ayrıntı sayfalarını otomatik olarak çıkarır.
robots.txt açıkça Google, Bing, Baidu, Sogou, 360, Shenma arama motorlarına ve ayrıca AI tarayıcılarına (OpenAI, Perplexity, Applebot, Google-Extulated, CCBot) izin verir.
Özel yolların yanlışlıkla dizine eklenmesini önlemek için /admin, /api, /passport, /partial ve /upload'ları aynı anda engeller.
llms.txt, Markdown'da site kimliğini, tema kapsamını, temsili projeleri ve AI eğitim/alıntı politikasını açıklar.
JSON-LD, varlık ilişkileri kurmak için Schema.org'daki Person, WebSite, ProfilePage, CollectionPage, CreativeWork ve ItemList'i kullanır.
pytest, ana sayfa/fotoğraflar/ilerleme sayfaları için robotları, site haritasını, llms.txt'yi ve yapılandırılmış veri çıktısını kapsar.

Öne çıkan sonuçlar

Bu yükseltme, QuanWen.Art'ı bir portföy yüzeyinden, makinelerin yorumlayabileceği halka açık bir bilgi düğümüne dönüştürüyor. Arama motorları site haritasına dayalı keşifleri takip edebilir; Yapay zeka sistemleri, konu kapsamını ve yetki sınırlarını anlamak için llms.txt dosyasını kullanabilir; Yapılandırılmış veriler, arama ve yanıt motorlarının yazar, web sitesi, projeler ve içerik koleksiyonları arasında bağlantı kurmasına yardımcı olur. Doğrulama, robotları, site haritasını, llms.txt ve JSON-LD'yi kapsar ve üretim uç noktaları hizmet yeniden başlatıldıktan sonra HTTP 200 döndürür.

FastAPI robots.txt sitemap.xml llms.txt JSON-LD Schema.org AI Crawler pytest

Geliştirme günlüğünü oku llms.txt sitemap.xml

Kişilik Tahmini ve Kullanıcı Davranışı Analizleri

Veri bilimi Akademik

Projenin arka planı

Kullanıcı segmentasyonu ve operasyonel strateji desteği için kişilik tahmininin değerini değerlendirerek, kullanıcı davranışı öngörüleri için bir makine öğrenimi analiz hattı oluşturdu.

Sorumluluklarım

Veri işleme, özellik yorumlama, model karşılaştırma ve sonuç iletişiminin kapsamını tanımlayan, araştırma tarzı bir kişilik tahmini sorusunun doğrulanabilir bir veri analizi görevine dönüştürülmesine sahip olundu. Model çıktılarını, daha sonra CRM etiketleme, A/B testi ve kişiselleştirilmiş destek tartışmaları için iş tarafından okunabilir kullanıcı segmentasyonuna ve davranışsal içgörülere dönüştürmeye odaklandım.

Teknik çözüm

Pandas + Scikit-learn + XGBoost, veri temizlemeden sınıflandırma ve yorumlamaya kadar bir kişilik tahmin analizi hattı oluşturuyor.

Veri katmanı, eksik değer işlemeyi, aykırı değer filtrelemeyi, özellik kodlamayı ve standardizasyonu yönetir.
XGBoost + Scikit-learn Pipeline eğitim ve doğrulamayı organize eder; GridSearchCV, hiperparametre araması ve k-katlı çapraz doğrulama gerçekleştirir.
Veri ön işleme sızıntı riskini azaltmak için boru hattının içine standardizasyon ve tek sıcak kodlama yerleştirilir.
Model sonuçları, CRM etiketleme, A/B testi ve kişiselleştirilmiş erişim için tartışma temellerine dönüştürülür.

Öne çıkan sonuçlar

Ham verilerden yorumlanabilir model çıktılarına kadar eksiksiz bir analiz iş akışı geliştirerek CRM etiketleme, A/B testi ve kişiselleştirilmiş sosyal yardım stratejileri hakkında daha fazla tartışma için bir temel sağladı.

Pandalar / Numpy XGBoost Scikit-learn Veri Görselleştirme

Geliştirme günlüğünü oku

Çok Kaynaklı Web Koleksiyonu ve Kamu Duyarlılığı Motoru

Veri mühendisliği Ölçeklenebilir Boru Hattı

Projenin arka planı

Video yorumları ve uzman haberleri için bir toplama motoru oluşturduk, politika araştırması ve kamuoyu duyarlılığının izlenmesi için sürekli olarak kazıma, temizleme ve yapılandırılmış çıktılar ürettik.

Sorumluluklarım

Dağınık web, yorum ve haber verileri ihtiyaçlarının yeniden kullanılabilir bir veri toplama görevine dönüştürülmesine sahip olundu; koleksiyon kapsamı, alanlar, temizleme kuralları ve dağıtım formatı tanımlandı. Amaç, tek seferlik manuel toplama işlemini politika araştırması, kamuoyu gözlemi ve daha sonra duyarlılık analizi için sürdürülebilir bir veri mühendisliği iş akışına taşımaktı.

Teknik çözüm

request + asyncio + rvest, yapılandırılmış araştırma materyalleri üreten, eşzamansız, çok kaynaklı bir toplama hattı oluşturur.

asyncio eşzamanlılık havuzları, çok sayfalı toplama verimini artırır; rastgele gecikmeler, Kullanıcı Aracısı rotasyonu ve Çerez oturumu bakımı, kazıma stabilitesini artırır.
Temizleme katmanı, alan ayıklamayı, veri tekilleştirmeyi, format standardizasyonunu ve anormallik filtrelemeyi yönetir; çıktı alanları ve temizleme özellikleri önceden standartlaştırılmıştır.
Nihai çıktı, aşağı yönlü duyarlılık analizi ve politika araştırmasının yeniden kullanımına hazır CSV/tablo dosyaları olarak yapılandırılmıştır.

Öne çıkan sonuçlar

Kazıma ve temizlemeden yapılandırılmış sonuçların kaydedilmesine kadar eksiksiz bir iş akışı oluşturuldu, ham web içeriğinin manuel olarak düzenlenmesi azaltıldı ve duyarlılık analizi ve rakip izleme için genişletilebilir bir temel bırakıldı.

Python / eşzamansız rvest Kazımaya Karşı Önlemler Veri Boru Hattı

Geliştirme günlüğünü oku

Yingdao RPA otomasyonu

RPA otomasyonu Verimlilik

Projenin arka planı

Zhiying EPR'de sık, tekrarlanan, hataya açık iş akışlarında manuel çabayı azaltmak için RPA otomasyonu tanıtıldı.

Sorumluluklarım

ERP operasyonlarında tekrarlanan arka ofis iş akışlarının otomasyonla yeniden tasarlanmasına, yüksek frekanslı manuel adımların belirlenmesine ve tıklamaların, form bakımının ve sonuç kontrollerinin otomatikleştirilebilir iş düğümlerinde yeniden düzenlenmesine sahip oldu. RPA akışının bir komut dosyası demosu olarak kalmak yerine günlük işlere hizmet edebilmesi için süreç standardizasyonuna, istisna senaryo haritalamasına ve operasyon tarafı kullanılabilirlik doğrulamasına odaklandım.

Teknik çözüm

Yingdao RPA, istisnalar için geri dönüş yönetimiyle tekrarlanan arka uç işlemlerini yeniden kullanılabilir otomasyon düğümlerine böler.

Akış katmanı, tek seferlik sürdürülemez komut dosyalarını ortadan kaldırarak oturum açma, menüde gezinme, form girişi ve sonuç onayını standart eylem düğümlerine ayrıştırır.
Yürütme katmanı, arka uç işlemlerini tamamlamak için klavye/fare simülasyonunu ve koşullu tetikleyicileri kullanır; istisna geri dönüş katmanı açılır pencereleri, zaman aşımlarını ve yeniden denemeleri yönetir.
Otomasyon hatalarının riskin artmasını önlemek için kritik düğümlerde manuel onay kontrol noktaları korunur.

Öne çıkan sonuçlar

Tekrarlanan arka ofis eylemlerini yeniden kullanılabilir otomasyon iş akışlarına dönüştürerek, istikrarlı iş süreçlerinde sürekli kullanım için manuel tıklamalardan ve hatalardan kaynaklanan yürütme değişkenliğini azalttı.

Yingdao RPA'sı EPR Otomatik Tıklama İş Akışı Düzenlemesi İşlemeyi Yeniden Dene

Amazon ABD FBM Derin Listesi

Strateji Operasyonları Prodüksiyon Canlı

Projenin arka planı

Amazon ABD FBM tarafından seçilmiş listelemelerde amaç, deneyim odaklı toplu listelemeye güvenmek yerine yeni ürün keşfi, varlık hazırlığı ve listeleme ritmini daha sağlam bir temele oturtmaktır.

Sorumluluklarım

Amazon ABD FBM derin listeleme çalışması için sahip olunan ürün seçimi kararı, listeleme temposu ve varlık hazırlama koordinasyonu, deneyime dayalı listelemeyi daha incelenebilir, veriye dayalı bir iş akışına dönüştürüyor. Operasyon stratejisi ve yapay zeka görsel araç zincirinin daha istikrarlı bir şekilde işbirliği yapabilmesi için pazar trendlerini, anahtar kelime değerlendirmesini, varlık kalitesini ve listeleme ritmini birbirine bağladım.

Teknik çözüm

SellerSprite + Google Trends + AI görsel araç zinciri, kaynak bulma kararları, varlık hazırlığı ve listeleme ritmi incelemesi için kapalı bir döngü oluşturur.

Veri değerlendirme katmanı, anahtar kelime ısısına, rekabet yoğunluğuna ve marj potansiyeline odaklanır; trend ve anahtar kelime verileri kaynak bulma önceliklerini kısıtlıyor.
Varlık üretimi katmanı, ürün görüntüsü optimizasyonunu yapay zeka sahne oluşturmayla zincirler; AI görsel araç zinciri, görüntü üretimi tutarlılığını artırır.
Operasyon inceleme katmanı listeleme temposunu, varlık kalitesini ve alt performansı izleyerek kaynak bulma kurallarını ve varlık standartlarını sürekli olarak iyileştirir.

Öne çıkan sonuçlar

Devam eden uzun vadeli iyileştirmeler için listeleme kalitesine, tutarlı sunuma ve verimli varlık hazırlığına odaklanarak, giderek daha istikrarlı ürün seçimi ve lansman ritimleri geliştirildi.

SellerSprite Google Trends Seçici FBM ürün listeleme Orijinal Beyaz Arka Plan Varlıkları

Painter-Harness

Görüntü modelleri için toplu oluşturma ve çok turlu düzenleme temeli

Çekirdek Proje Yinelemeli Geliştirici Harness

Görüntü-Model Kablo Demeti Donanım Düzeyinde Çok Dönüşlü Düzenleme Önek-Önbellek Dostu

Projenin arka planı

Görüntü modelleri durum bilgisizdir: bir çağrı, toplu ilerleme hafızası olmadan, önceki görüntünün neden başarısız olduğuna dair bilgi olmadan ve referanslarla tutarlılık garantisi olmadan tek bir görüntü üretir. Ancak ürün detaylı görsel üretimi uzun süren, çok adımlı, oturumlar arası bir görevdir.

Painter-Harness modelin dışındaki katmanı sağlar. Bileşim sözleşmeleri, kısıtlama iskelesi, model yönlendirme, dışsallaştırılmış durum ve hata kurtarma, çalışma zamanı tarafından gerçekleştirilir; model sadece boyar.

Bir oturumu korumak için modele bağlı kalmadan, yapay zeka görüntü oluşturmayı ve Harness katmanı aracılığıyla çok turlu konuşma düzenlemeyi doğal olarak destekler. Oluşturulan herhangi bir görüntü yeni bir temel haline gelebilir, ek referansları kabul edebilir ve ürün sabitleri ve kopya kısıtlamaları oturum boyunca sabit kalırken sırayla varyantlar üretebilir.

Aracı = Model + Donanım ortak tanımı altında bu proje, görüntü modellerinin ikinci yarısını oluşturur.

Sorumluluklarım

Bu çalışma zamanı katmanını tasarladı ve uyguladı. Odak noktası hızlı ayarlama değil, çıktı tutarlılığı, protokol uyumluluğu, kota planlama ve tekrar oynatılabilir geçmiş sorumluluğuyla birlikte sözleşme tanımı, durum yerleştirme, arıza kurtarma ve izin sınırlarıdır.

Teknik çözüm

Model çağrılarının deterministik kodla çevrelendiği dört katmanlı bir yapı.

Scaffold

Ürün sabitleme, görünür kopya izin verilenler listeleri, meta veri oluşturulmama kuralları ve renk doğruluğu, yapılandırılmış kısıtlamalar olarak kodlanır ve birikmiş bağlama bağlı kalmadan her çağrıda birleştirilir. Kompozisyon, her düğümün bağımsız bir görev haline gelmesiyle düğümler olarak daraltılır.

Runtime

Dizinleri tarar, görevler oluşturur, istekleri birleştirir, modelleri gönderir, çıktıları toplar ve bunları diske arşivler. Model ailesi farklılıkları tek bir bağdaştırıcı katmanı tarafından emilir: oluşturma ve düzenleme aynı görev soyutlamasını paylaşır, desteklenmeyen isteğe bağlı parametreler ise toplu işlemi kesintiye uğratmadan adım adım bozulur. Eşzamanlılık, aralık, zaman aşımları ve kotalar çalışma zamanı tarafından merkezi olarak planlanır.

Kablo Demeti Yetenekleri

Çok turlu düzenleme, yerel model oturumunun korunmasına dayanmaz; çalışma zamanı buna sahiptir. Her görüntü bir oturum taşırken oturum durumu, referanslar ve değişken kökeni modelin dışında kalır. Her dönüş, temel görüntüden, eklenen referanslardan ve mevcut talimattan bağımsız bir istek olarak yeniden oluşturulur. Tek turlu API'lere sahip modeller bu nedenle çok turlu düzenleme olanağı sağlar; sonuçta ortaya çıkan değişkenler saklanır, geçerli görüntü haline gelebilir ve oturumlar boyunca devam ettirilebilir durumda kalır.

Montaj sırası, kararlı kısıtlama öneki → değişken düğüm ve talimat olarak sabitlenir. Önek önbelleğe almayı destekleyen modeller, tekrarlanan kısıtlama girişini amorti ederek ve uzun gruplar ve çok turlu düzenlemelerde üretim maliyetini önemli ölçüde azaltarak önbelleğe doğrudan ulaşabilir.

State

İlerleme çalışma zamanının dışında yaşar. Toplu denetim noktaları, çalıştırmalar arasında tamamlanan düğümleri atlar; dönüş arşivleri, tüm partiyi yeniden çalıştırmadan eklemelerin, düzenlemelerin ve varyant karşılaştırmalarının devam etmesine olanak tanır.

Guardrail

Durum ve günlük akışı gerçek zamanlı olarak gerçekleşir. Başarısızlıklarda hata sınıfı, kota kaynağı ve yeniden deneme geçmişi korunur ve görevler istenildiği zaman iptal edilebilir. Yüksek maliyetli üretim, otomasyon aracı kataloğunun dışındadır. Ölçeklendirme ve boyut yakınsaması isteğe bağlı işlem sonrası aşamalar olarak mevcuttur.

Öne çıkan sonuçlar

Model aynı kalıyor; Teslimat determinizmi çalışma zamanından gelir. Dizin sözleşmeleri girdileri öngörülebilir hale getirir, yapı iskelesi çıktıları tutarlı tutar, denetim noktaları bir düğümdeki hataları içerir ve oturum durumu, iyileştirme sırasında bağlamı korur.

Çok turlu düzenleme bir Harness yeteneği haline geldiğinde, model seçimi artık yerel oturum desteğiyle kısıtlanmaz: tek turlu modeller düzenleme zincirine girebilir. Kararlı önek derlemesi, önbelleğe duyarlı modellerin tekrarlanan kısıtlamaları daha da azaltmasına olanak tanır. Tek bir yapılandırılmış düğüm seti, çok dilli varyantları destekleyebilirken, tek bir görüntünün toplu oluşturulması ve çok turlu düzenlenmesi aynı araç katmanı üzerinden yürütülür.

Python 3.12 · FastAPI · Pydantic · Yalın JavaScript kontrol katmanı

Araç Planlama · Eşzamanlılık Düzenleme · Kota Havuzu · Yeniden Deneme ve Düşürme Çoklu Aile Yönlendirme · Kanal Oluşturma / Düzenleme · Parametre Uyumluluğu Kısıtlama İskelesi · Yapılandırılmış Düğüm Sözleşmeleri · Çıktı Ayrıştırma ve Doğrulama Donanım Düzeyinde Çok Dönüşlü Düzenleme · Değişken Köken · Referans Oturumları Kararlı Önek Düzeneği · Önek Önbellek İsabetleri · Tek Dönüşlü Model Uyumluluğu · Maliyet Amortismanı Dışsallaştırılmış Durum · Toplu Kontrol Noktaları · Bellek benzeri Durum Gözlemlenebilir Günlük Akışı · İptal Edilebilir Görevler · İzin Yakınsaması

Uluslararası Ticaret için Yapay Zeka Toplu Tasarımı: JSON İş Akışı Oluşturucu

Tek tıklamayla standart, yüksek düzeyde kontrol edilebilir SD / Midjourney otomatik görüntü işleme JSON meta verileri oluşturun

Sanatsal Yönlendirme Stili

Temel İhracat Malları

Sorumluluklarım

Yapay zeka görüntü istemi iş akışı demosunun ürünleştirilmesine, dış ticaret ürün görüntülerine yönelik stil, ürün, kompozisyon ve görüntü oluşturma parametrelerinin yapılandırılabilir İstem JSON'a dönüştürülmesine sahip olundu. Odak noktası, parametreli görsel üretimi anlamak için görüntü oluşturmayı elle yazılmış istemlerden yapılandırılmış, yeniden kullanılabilir ve kanıtlanabilir bir arayüze taşımaktı.

Teknik çözüm

Dış ticaret ürün ayrıntısı görüntü oluşturmayı yapılandırılmış bir İstem JSON'unda soyutlayarak stili, ürün özelliklerini, kompozisyonu ve işleme parametrelerini yapılandırılabilir, önizlenebilir ve yeniden kullanılabilir hale getirir.

Parametre katmanı ürün türünü, görsel stili, satış noktalarını, arka planı, kamera/lens ve çıktı özelliklerini yönetir.
Form parametreleri yapılandırılmış Prompt JSON'da birleştirilir; çıktı, daha sonra ComfyUI, Flux veya diğer görüntü oluşturma iş akışlarıyla entegrasyon için alan kısıtlamalarını korur.
Anında önizleme, "parametre değişikliği → görsel amaç değişikliği" anlayışını güçlendirerek elle yazılan istemlerin yeniden kullanılması ve değiştirilmesi maliyetini azaltır.

Plan panoya kopyalandı! Kararlı Difüzyon / Yolculuk Ortası otomasyonuna hazır.

Generating JSON system blueprint...

Hakkımda — anlatı şiiri ile bilimin buluşması

Yetkinlik alanlarım

01. Ticaret araştırması ve platform operasyonları

02. Full-stack mühendisliği ve web mimarisi

03. Agent mühendisliği ve DevOps merkezi

04. Açık kaynak ürünleri ve ön yüz estetiği

Öne çıkan projeler ve üretim atölyeleri

Genel amaçlı araç platformu (AiNative-Tools)

Projenin arka planı

Sorumluluklarım

Teknik çözüm

Öne çıkan sonuçlar

Lite Studio

Projenin arka planı

Sorumluluklarım

Teknik çözüm

Öne çıkan sonuçlar

OpenClaw Sentinel

Projenin arka planı

Sorumluluklarım

Teknik çözüm

Öne çıkan sonuçlar

MiMo Vision MCP

Projenin arka planı

Sorumluluklarım

Teknik çözüm

Öne çıkan sonuçlar

QCode Toolkit (SVG QR Kodu)

Projenin arka planı

Sorumluluklarım

Teknik çözüm

Öne çıkan sonuçlar

QuanWen.art

Projenin arka planı

Sorumluluklarım

Teknik çözüm

Öne çıkan sonuçlar

Qwen3-8B Çin Destek Temsilcisi İnce Ayarı

Projenin arka planı

Sorumluluklarım

Teknik çözüm

Öne çıkan sonuçlar

GEO / SEO Okunabilirlik Altyapısı - Yapay Zeka Arama ve Yapılandırılmış İndeksleme

Projenin arka planı

Sorumluluklarım

Teknik çözüm

Öne çıkan sonuçlar

Kişilik Tahmini ve Kullanıcı Davranışı Analizleri

Projenin arka planı

Sorumluluklarım

Teknik çözüm

Öne çıkan sonuçlar

Çok Kaynaklı Web Koleksiyonu ve Kamu Duyarlılığı Motoru

Projenin arka planı

Sorumluluklarım

Teknik çözüm

Öne çıkan sonuçlar

Yingdao RPA otomasyonu

Projenin arka planı

Sorumluluklarım

Teknik çözüm

Öne çıkan sonuçlar

Amazon ABD FBM Derin Listesi

Projenin arka planı

Sorumluluklarım

Teknik çözüm

Öne çıkan sonuçlar

Painter-Harness

Projenin arka planı

Sorumluluklarım

Teknik çözüm

Scaffold

Runtime

Kablo Demeti Yetenekleri

State

Guardrail

Öne çıkan sonuçlar

Uluslararası Ticaret için Yapay Zeka Toplu Tasarımı: JSON İş Akışı Oluşturucu

Sorumluluklarım