全部项目

完整归档，含首页未展示的项目。

带硬性熔断机制的 BTC 永续合约波段交易系统，用一小笔验证性资金起步。

问题: 主观交易不可复制、没有审计轨迹；做系统化交易，既需要一个对「能不能预测」诚实的策略，也需要人单靠自己提供不了的执行纪律。
方法: 基于 Freqtrade + Smart Money Concepts 策略层，用 Coinglass 订单流数据（资金费率、持仓量、清算位）做辅助 sidecar。执行循环内置三道独立熔断；仓位随结构确认金字塔式加仓、止损棘轮上移，止盈按5因子结构反转评分分级减仓。
结果: 5 个执行层 bug 只有实盘 dry-run 才发现（代码审查看不出来），其中 2 个曾静默破坏风险预算计算，均已修复。15 个预注册的暴跌前兆指标里，有 2 个技术上过了门槛；在形成期样本里，经过基准率和独立性检验后没有一个站得住（2022 年起的样本外时段还没跑）。

FreqtradePythonDockerCoinglass API

自动发现、评分并生成多语言开发信的 B2B 外贸获客流水线。

问题: 人工逐个搜索海外企业名录、手写开发信、逐条跟进——这套流程规模上不去。
方法: Python 流水线：Serper Maps API 发现线索 → 爬虫 + DeepSeek 评分做情报补全 → AI 生成目标市场语言的邮件/WhatsApp/LinkedIn 草稿 → 微信推送人工审批 → autopilot 模式对高置信度草稿自动发送、低置信度转人工。以 Docker 打包部署。
结果: 192 条线索全流程处理，AI 平均评分 6.37/10，单条线索 API 成本约 $0.006。回复率和退信率尚未测量。

PythonFastAPIDeepSeek APISerper APIPlaywrightDockerSQLite

撮合海钓船家与钓友的微信小程序平台。

问题: 海钓出海全靠电话和熟人介绍，钓友订船前既比不了价，也看不到真实评价。
方法: 独立完成全栈搭建：UniApp/Vue3 小程序前端 + Supabase 后端（行级权限做零信任数据隔离），钓友/船家/导钓三种角色体系，带已读回执的即时聊天，以及基于60种鱼类图鉴的 AI 拍照识鱼功能。
结果: 三种角色的10+核心模块全部独立交付；实名认证和小程序内支付已设计到位，只差企业营业执照才能申请微信支付商户号。

UniAppVue 3SupabasePostgreSQL RLSWeChat Mini Program

帮不会英语的中国父母模拟双语家庭环境的手机 App。

问题: 不会英语的中国父母没法为孩子创造双语沉浸环境，市面英语启蒙产品大多是单向内容投喂，缺乏真实互动反馈。
方法: 本地端到端音频管线：语音活动检测捕捉家长的中文，触发对应英文单词的 TTS 播放，随后打开 8 秒窗口监听孩子的英文仿说尝试，用编辑距离匹配变体词表判定命中。命中后手机震动，弹出全屏中英翻译卡引导家长的回应话术。
结果: 词表匹配器测得 22 真阳性 / 0 假阳性（命中率100%，误报率0%）。双向语音交互全链路已打通，真机验收是进入下一里程碑前唯一剩下的一项。

FlutterDartOn-device ASR/TTS/VADDrift (SQLite)

以 GitHub 为中心、纯 Markdown 的个人知识库，用 Claude Code 当图书管理员自动归档。

问题: 个人知识（AI 对话记录、文章、书籍、视频转写）散落在各种工具里，没有一个持久、可检索、不被厂商锁定的归宿——手动整理这些内容，量一大基本都半途而废。
方法: 一套零自研工具的流水线：现成的转换器把任意来源统一转成 Markdown 扔进 inbox/，再由 Claude Code 当图书管理员——按来源 ID 查重、按类型路由进结构化目录、补全 frontmatter、建立双向链接、更新 Dataview 动态索引，整套流程由一份成文规则约束，而不是临场判断。
结果: 端到端支持 4 种来源类型（AI 对话导出、网页文章、书籍/长文档、视频转写）；接入新来源只需 2 步（加一个转换脚本、加一行路由规则），核心结构零改动。敏感信息扫描跑两道——归档时一次，push 时 GitHub Actions 的 gitleaks 再扫一次——才允许内容进远端仓库。

MarkdownObsidianClaude CodeGitHub ActionsDataviewgitleaks

每日 BTC 盘面分析 Agent，ETH 和 SOL 作上下文：只分析、没有下单权限。预测只追加，并由脚本打分。每日运行在 Codex CLI 上。

问题: 主观分析会漂移：预测从不打分，复盘靠记忆。我想要一套每个判断都能事后对照结果的流程，并且让机器在结构上就没法替我下单。
方法: 纯标准库的 Python 采集器抓取公开交易所数据——趋势与技术指标、成交量分布、现货和合约 CVD、持仓量、资金费率、仅作辅助的订单簿深度，以及一份估算的清算分布。自检门决定这份数据能不能下结论。自 2026-09-28 起，日报由 Codex CLI 来写：先写多空两边，再写可证伪的 24 小时和 7 日情景。预测只追加。同一天起，评分写进单独的文件，过去的预测不再被改写。它不下单，也不提供个性化建议。
结果: 截至 2026-10-15，日志里有 40 条预测：24 小时 20 条、7 日 20 条，其中 4 条是当日补充，不进入主样本。主样本里，24 小时预测 16 条全部终评，方向命中 9/16（56%），始终判断为震荡的基线是 10/16（62.5%）。7 日预测 16 条里 13 条终评（3 条缺数据），方向命中 4/13（31%），基线是 7/13（54%）。这些预测目前还没有超过这条基线。Brier 分数还算不出来（n=0），因为较早的记录里没有概率。方法论 v1.4，评分 v2.0。

PythonCodex CLIGit