中文技术开发者，长期关注 AI Agent 生态与多模态应用。偏好做「小而完整、装完就能用」的本地工具——不需要 GPU、不需要服务器、不需要注册账号，双击就能跑起来。
| 🔭 正在做 | dsh-jev-highlight —— 给 AI 的长回答画重点的 DSH 插件 · Stillroom —— 判断优先的本地多模态生成工作台 |
| 🤖 关注方向 | 编码代理的 Skill 与 harness 编排 · Agent 记忆与长期档案机制 · 多模态生成 API 的工程化封装 |
| 🧰 主力技术栈 | Python · JavaScript / Node.js · C# / .NET 8 · YAML（Agent 预设与 Skills） |
| 🌱 在折腾 | 把重复的信息整理交给自动化流水线，人只处理「值得判断」的那部分 |
| 📍 坐标 | 深圳 Shenzhen · 开放 AI / LLM 方向机会 |
一句话概括我的偏好：能用代码写死的流程，就不要交给模型猜。
给 AI 的长回答画重点。 一个运行在 DeepSeek Harness 里的开源插件：它不修改 AI 的输出，只在阅读时把回答里「最该看的部分」高亮出来。
- 用 StartLux / Jev 决策模型判断段落、列表、代码块、表格行的重要程度；
- 用 CSS Custom Highlight API 上色，页面节点一个都不动；
- 支持设置页配置 Key、思考模式与三档阈值；
- MIT 开源，从想法到可用版只花了不到两周。
DeepSeek Harness StartLux TypeScript CSS Custom Highlight API
判断优先的本地多模态生成工作台。 你只说一句需求，代码跑完六步流水线，模型只回答窄问题。
理解需求 → 找参考 → 生成 → 评估 → 精修 → 交付
↑ ↑ ↑
└ 判断链（Jev） └ 预算 / 白名单 / 审批 / 限流都在这一层强制生效
流程顺序、回修上限、通过条件都写死在代码里；参考来源分三层（历史作品 / 用户知识库 / 联网兜底）；数据留在本机 SQLite，密钥不进云端。
Python PySide6 Local-first MCP
面向电商的「数据 + 知识」双轨问答引擎。 把订单 CSV 和业务规则 Markdown 拖进来，系统自动清洗、识别字段、构建用户画像与文档索引；业务人员用一句中文提问，就能拿到带引用来源的答案。
- 意图路由：知识问答走混合检索，统计问题走 Text2SQL；
- 画像池与文档池分池召回，关键结论必须带
[来源N]； - 多租户 + 私有化部署，33 道业务黄金题、LLM-as-a-Judge 通过率 97.0%。
Python FastAPI Vue 3 pgvector RAG
把 GitHub Trending 装进一台复古 CRT 终端。 零依赖 Node.js，磷光绿扫描线 + 瀑布入场动效；支持 daily / weekly / monthly 切换与 vim 式键盘导航。后端做了 ETag / 304、single-flight、SWR 和失败冷却。
每天 09:00（GMT+8）自动抓取、生成中文简评并归档到仓库。
Node.js Vanilla JS Automation
更多项目
| 项目 | 一句话 |
|---|---|
| codex-skill-manager | 双击即用的 Windows 小工具：三列查看并双向搬移 Codex 技能 |
| dsh-super-learning-architect | 把大模型从「倒课讲师」改造成苏格拉底式私教的 Agent 预设 |
| jev-lab | 最简 Jev 调用演示器：单页看清请求、概率分布、耗时与 token |
| codex-canvas-format-mismatch | Codex 渲染不了 .canvas.tsx 的实测取证报告 |
| AgnesStudio | Stillroom 的早期版本（历史归档） |
| 方向 | 具体能力 |
|---|---|
| AI / Agent 工程 | 多模态生成 API 封装 · MCP 工具协议 · Skill 与 Agent 预设编排 · 长期记忆 · 本地 RAG · 提示词评测与版本化 |
| 桌面应用 | PySide6 + Qt Quick · CustomTkinter · PyInstaller 单文件 / onedir 打包 |
| 工程与自动化 | 零依赖 Node 服务 · 定时流水线（抓取 → AI 加工 → 归档 → 通知）· SQLite 存储与检索 · ETag / single-flight / SWR |
| 跨栈经验 | Windows 原生工具链（GDI / 注册表 / ctypes）· Git 仓库治理 · 中英文技术文档 |
把「看趋势」这件事交给流水线，每天 09:00（GMT+8）自动运行：
展开流水线细节
09:00 抓取 GitHub Trending (since=daily)
│ 失败自动重试 3 次
▼
解析 → 生成 markdown
▼
AI 为每个仓库写一句中文简评 → 写回归档文件
▼
git commit → push 到 GitHub
▼
发送日报邮件（Top 5 增速 + 看点速览 + 完整榜单链接）
几个刻意的取舍：
- 时区锁死
Asia/Shanghai：避免跨时区机器把 09:00 的榜归档到前一天； - 内容与已归档文件一致时跳过提交：不制造空 commit；
- 归档与简评合并成一个 commit：不留碎提交。
归档成果：历史 GitHub 日榜汇总。
- GitHub：@Zorien-ai
- 邮箱：q93304989@gmail.com（推荐）· 747055153@qq.com
- 合作方向：AI Agent 工具链 · 多模态应用工程化 · 桌面端 AI 工具 · 本地优先的自动化流程。欢迎 issue 或邮件。
最后整理于 2026-10-28 · 由每日 GitHub Trending 流水线维护的部分见上方归档