正在加载张智睿的作品集…
01 · ABOUT ME
关于我
我是张智睿，2026 届毕业生，求职方向为 AI 应用开发与 AI 全栈开发。我的项目经历覆盖企业 AI 产品、服饰电商内容生产和自动化工作流。
在 Tapix 项目中，我参与视频生成与无限画布开发；在 NEIHE 项目中，我基于既有框架主导全栈优化、模型服务集成和企业私有化部署。
在服饰电商场景，我搭建 ComfyUI 工作流，处理服饰替换、批量生成与素材交付。开发过程中使用 AI Coding 工具辅助实现，并结合需求沟通、代码复核与验收推进交付。
专业能力 · 项目实践
前后端功能开发 · 模型 API 集成 · 生成任务管理 · 无限画布交互
Tapix · 产品开发Agent 工作流 · RAG 知识检索 · MCP 工具接入 · Dify / n8n · 自动化脚本
个人旅行 Agent · 开发中工作流搭建 · 自定义节点 · LoRA 训练 · 批量生成与精修 · 素材交付
ComfyUI · 内容生产Docker / Nginx · 私有化部署 · 需求沟通 · PRD 撰写 · UAT 验收
NEIHE · 企业交付Claude Code / Codex · PI / DeepSeek Harness · Skills · 多智能体协作
PROJECT DIRECTORY
项目速览
查看项目背景、我的职责与成果。
02 · THE WORK
项目经历
企业 AI 产品与内容生产实践：我的职责、具体实现与交付成果。
AI 全栈开发 · 项目参与
电商创作需要连续完成素材准备、内容生成与后续编辑。用户需要随时查看任务进度，在生成失败时重试，并把结果继续用于画布创作。
企业部署负责人 · FDE 工程师
基于既有框架主导全栈优化，整合模型服务、完善素材管理，并完成企业内网私有化部署与客户交付。
AIGC 工作流开发
面向服饰电商搭建服饰替换、多图编辑与批量生成工作流，结合 LoRA、自定义节点、Excel 和飞书支持内容生产与素材交付。
工作流搭建 · 节点开发 · 批量交付
展示内容取自原始作品档案，资料仍待完成公开发布审核。
Agent 开发 · 个人探索
开发中的本地优先旅行规划助手：围绕多模型调用、来源检索和信息核验，设计可查看依据、可调整的旅行方案。
多模型调用 · 信息检索 · 方案核验
已放置开发版本界面截图，功能与效果仍在验证。
开发中 · 当前展示设计方向，功能与效果仍在验证。
03 · AI WORKFLOWS
AI 工作流
从 AI 协作开发，到具体业务中的工作流
先看我如何组织需求、Agent 与工程验证，再看内容生产、图像生成和知识问答中的流程设计。
AI DEVELOPMENT WORKFLOW
我把需求、上下文、模型分工和工程验证串成一套开发流程：由我确认方向与边界，Agent 按任务协作，结果通过检查后再交付。
先明确边界，再组织执行；用验证证据决定是否交付。
每一步都有明确产物。展开阶段，查看我的处理方式。
让 AI 收集资料并协助澄清需求，由我复核用户场景与业务边界。在 PRD 的基础上继续追问系统需要做什么、做到什么程度，再比较可行架构，记录选择理由与接受的代价。
架构从实际业务出发：先明确功能需求，再用约束与质量属性筛选方案，让每个选择都有依据。
系统要做什么？
细化 PRD 中的业务场景、核心功能与验收条件。
哪些边界不能逾越？
明确预算、周期、团队能力、既有系统与部署环境。
系统要做得多好？
把性能、可靠性、安全性和可维护性转成可验证的目标，并排定优先级。
有哪些可行搭法？
围绕同一组需求与目标，提出不同的模块划分、数据流和部署方式。
用什么换什么？
比较收益、复杂度、成本与风险，明确哪些质量目标需要让步。
为什么选择这一种？
记录选择理由、接受的代价、适用条件与后续验证方式。
业务或规模变化时，回到需求起点，重新检查约束、质量目标与方案取舍。
没有银弹，只有取舍。任何架构决策，本质都是用 A 换 B。
取舍示例：拆分独立服务，可以换来独立部署与扩缩容能力，同时增加通信、数据一致性和运维成本。是否值得，取决于当前业务规模、隔离需求与团队能力。
架构决策记录：业务背景 → 候选方案 → 选择理由 → 接受的代价 → 验证方式与重评条件。
在 Trellis、OpenSpec、oh-my-claudecode 等方案中按需选择。以 Trellis 为例，先完成 bootstrap，结合真实代码补齐规范，让新会话也能接续工作。
承接需求阶段的架构决策依据，将选定方案落实为模块边界、接口契约与验证路径。使用 brainstorming、architecture-copilot 与 grill-with-docs 等方法审查方案；关键结构调整、新依赖和抽象都需要说明收益与代价。
新会话载入规划和任务上下文；复杂工作拆成有边界的任务。各执行者返回补丁、日志和报告，由主编排器处理冲突、集成变更并更新状态。
先完成任务检查与主会话最终验证，再区分任务改动和无关脏文件。提交与实现、收尾分开：工作提交存在后才归档；可复用规则同步写入项目规范。
让审查主动寻找反例、遗漏和跨模块问题。按清单改进并同步文档；任务事实留在任务目录，稳定经验进入规范，为后续开发提供上下文。
Harness 提供规则、状态与工具接入；主编排器据此拆解和调度任务，人工保留关键决策。
每轮注入任务状态与上下文
LEAD ORCHESTRATOR
读取上下文 → 分析 → 规划 → 拆解任务
task.json / phase / log 持久保存进展
人工审批 确认执行范围与授权
任务分派 · Hooks / Tasks / Agents / CLI Wrapper
分析架构、实现代码、检查正确性，返回补丁与报告。
比较方案、参与实现，审查前端与交互体验。
修改项目文件、调用工具、运行检查，返回结果与日志。
收集代码、补丁、测试与日志 → 比较建议 → 解决冲突 → 集成变更 → 更新任务状态
Build / Test / Review / Diff / Security
未通过 ↺ 返回主编排器，重新规划、分派与复验
通过 ↓ 交付代码与说明，由我验收
任务完成后，保留决策依据与验证记录；下一次开发从这些积累继续。
以 Trellis 项目为例，按信息的有效范围分别保存。
.trellis/tasks/需求、设计、计划、调研与完成证据
.trellis/spec/跨任务稳定的契约、约定与经验
.trellis/workspace/开发日志、交接说明与后续线索
Git commits代码、文档与规范的逻辑提交单元
新会话审查 → 优化清单 → 修复与复验 → 更新文档和规范 → 下一轮开发
ComfyUI 项目实践
从工作流搭建到批量内容交付
5 个章节、27 页作品档案，展示服饰电商应用、环境部署、工作流开发、自动化脚本与模型训练。
原始作品档案的公开发布审核尚未完成，账号、客户信息与项目指标仍需核对。
05 · AI IMAGE GALLERY
AI 图像作品
图像生成与编辑作品，展示 AIGC 内容制作实践。
06 · CONTACT
联系我
正在寻找 AI 应用开发与 AI 全栈开发岗位。欢迎联系我，进一步交流项目经历、技术实现与岗位需求。
Open to AI application and full-stack development roles. Let's discuss my projects and your team's needs.
OPEN TO AI DEVELOPMENT ROLES扫码联系，交流岗位与项目经历。
