40+ 个项目，
5 个至今在生产环境持续运行。

盯住 X（Twitter）上的高价值账号，自动评分筛出值得写的内容，生成小红书文案，人工审核后发布。93 条开发日志，整份档案里投入最深的一个。

• 多模型分工控成本：便宜的模型做评分和事实核查，贵的 Claude 只负责最后写文案，还有一个专门补背景调研——各干各擅长的活。
• 生产环境的细节：抓取静默失败会自动发飞书告警，去过重，不刷屏；依赖镜像锁死版本，防止悄悄漂移；生产库和本地库分开，随时可回滚。
• 从抓取到发布：评分、人审、发布、告警，全在一条链上。

把微信变成随身的 AI 入口：对话、记备忘、记账、打卡、每日晨报，全在微信里完成，背后是云服务器上 24 小时待命的 Claude。

• 备忘自动归位：随手发一句话，它自己分清这是想法、链接、提醒还是笔记，时间也解析好。
• 记账和打卡也在微信里：说句「咖啡 25」自动记上账，月底分类汇总；说句「今天背单词了」就打卡，连续天数自动累计。
• 邮件晨报：每天八点扫五个邮箱，白名单、关键词、AI 语义三层过滤，贵的模型只精读最后剩下的几封，摘要推到微信。
• 安全隔离：「聊天的 AI」和「能改文件的 AI」用两套独立配置和权限，聊天大脑只能读写数据，碰不到命令行。

24 小时盯着 13 只美股。平时用不花钱的纯规则检测，出现异动才唤醒 AI 做归因分析，结论推到飞书。

• 规则值守，AI 按需出场：没有异动的日子，一分钱 AI 成本都不花——给客户做方案，替客户省的就是这种钱。
• 无人值守：命中信号后自动唤起 Claude 完成分析并成文，全程没有人碰。
• 去重状态机：同一个信号只提醒一次，不轰炸手机。

人和 AI agent 同时改同一个文件，普通编辑器会把对方的修改吃掉。Lithe 实时热重载，谁的改动都不丢。

• 公开发布：GitHub 提供安装包下载，MIT 开源 —— github.com/Labyrinth-xx/lithe。
• 核心难点：无锁读写、后台文件监听，再加一套三态冲突消解（忽略 / 重载 / 冲突提示），用纯函数实现，可以单测。
• 轻：Rust + Tauri，整个应用 23MB，完全离线。下面那套写作系统的文章，每天就在它里面改。

AI 时代的密码管理器：AI agent 干活越来越多地要用你的密钥——krypt 让它「用得了，但看不见」。

• 给 AI 的授权通道：agent 通过 MCP 申请使用密钥，弹窗人工批准、全程留审计日志，输出再加双层脱敏兜底——明文永远不过 agent 的手。
• 加密不自造轮子：Argon2id 派生密钥 + AES-256-GCM 逐条加密，全部用标准加密库实现，39 项安全路径单元测试。
• 明文也不过屏幕：界面永不显示明文，复制不经前端直达系统剪贴板、30 秒自动清空，空闲自动锁库，支持 Touch ID。MIT 开源 —— github.com/Labyrinth-xx/krypt。

教 AI 用一个具体的人的声音写文章。AI 起草，人逐句改；每一处修改的理由都沉淀成一条规则，写下一篇之前自动加载——规则库跟着每周复盘一直在长。

• 把「文笔」拆成可执行的规则：句长怎么配、标点怎么用、哪些句式一出现就删，攒了 20 多条，每条都来自一次真实的修改。
• 有违规记录，有每周复盘：AI 犯过的毛病会被记下来点名，下次生成前重点盯防——同一个坑不掉第二次。
• 成稿面向普通读者：产出是让不懂技术的人也读得下去的 AI 科普文章。

让写日记这件事上瘾：连续打卡、GitHub 式热力图、心情曲线、足迹地图——把每天一篇的坚持变成看得见的积累。

• 心情与足迹：日记开头记一个心情、一组坐标，仪表盘自动长出心情曲线和足迹地图。
• 适合 AI 时代：日记就是自己文件夹里的纯文本，方便整理、转移，无需复杂的导出，也不会无端丢失；可以通过 AI 提取信息、分析想法、复盘经历、疏解情绪——让日记不再只是日记本身，而是自己内心的数据库。
• 数据永远在自己手里：插件只做统计和展示，日记内容不出本机。MIT 开源 —— github.com/Labyrinth-xx/diary-dashboard。

类 claude.ai 的极简聊天前端，填上自己的 API 密钥，就能用上所有主流大模型。从零到能上线，用了两天。

• 密钥安全：用户的 API key 只存在浏览器本地，服务器数据库一份不留，服务端只做转发。
• 跨会话记忆：模型可以主动保存、更新、删除关于用户的记忆，项目之间严格隔离。
• 完整工程：OAuth 登录、Postgres、Docker 一键部署、自动 HTTPS。MIT 开源 —— github.com/Labyrinth-xx/ai-chat-relay。

从一个每天都在发生的麻烦开始：出门前想知道 Circle 线下一班还有几分钟，得掏手机、开 App、点好几层。TubeNext 把答案放到抬眼就能看的地方——iPhone 桌面和锁屏上的小组件。

• 问题出在自己身上，需求就想得细：按当前时间自动判断是「去学校」还是「回家」，方向不用手选；主界面只有一个大数字——下一班，几分钟到。
• 原生 iOS 工程：Swift/SwiftUI，主 App、桌面小组件、锁屏小组件三个形态，接伦敦交通局 TfL 实时数据。
• 细节没糊弄：App 和小组件之间用 App Group 共享数据，Xcode 工程文件手工维护，发现代码重复当天就抽掉了。MIT 开源 —— github.com/Labyrinth-xx/TubeNext。

在一家流体控制行业的外贸公司里，AI 每天干的是真实生意里的活，主线是国际站发品和日常运营。

• 国际站发品：从产品资料整理到发品文案，AI 起草、人把关，一条一条真实上架。
• 日常运营：客户公司背调、询盘处理，每一步都记在运营日志里，随时可查。
• 分工写得很死：AI 出方案，人拍板。给企业做 AI 落地，这条线画不清楚，事情就做不成。