做过的事。

一个不许瞎编的求职工具。

市面上不少 AI 简历工具，为了提高匹配度，给你凭空加个升职都不眨眼。OutRung 的出发点正好相反：不编。你把以前的简历上传一次，它会把里面的真实经历整理成一份个人档案；之后找岗位、给每个岗位打匹配分、给值得投的岗位写简历，全都以这份档案为准。模型可以取舍、可以删减、可以换个说法，但档案里没有的东西，一个字也加不上去。这条规矩是流程层面强制的，不是靠提示词嘱咐一句了事。工程师只有我一个，设计、开发、运维全包，所以 AI 真正上生产要花多少功夫，我心里很清楚：评测、链路追踪、告警，还有每个月的云账单。项目入选了 Microsoft for Startups。

• 有据可查的简历流水线基于 Azure AI Foundry 的多阶段大模型流水线：解析岗位、打匹配分、生成简历，每一句话都能在档案里找到出处。
• 拿真实翻车案例做评测生产环境上万次大模型调用全程留痕。哪次翻车了，脱敏之后就是一条新的回归测试。
• 整套生产环境FastAPI、PostgreSQL 和 Docker 跑在 Azure 上，基础设施全用 Terraform 管；CI/CD、告警、成本预算、自动备份一样不少，数据库只走 Tailscale 内网。
• 智能体开发代码用 Claude Code 和 Codex 写，跑在我自己搭的工程框架里：仓库专属的技能、守卫钩子、多智能体 PR 评审，上线前还有一道人工把关。

• 40+位用户自己找上门，来自搜索和领英
• ~10k次生产环境大模型调用，全程留痕
• 1名工程师：我
• 0条 AI 编出来的经历

• 大模型流水线
• 评测
• Azure AI Foundry
• FastAPI
• PostgreSQL
• Terraform
• Docker
• Claude Code

让一台 3D 打印的显微镜学会数细菌。

检测饮用水里的细菌，传统流程是这样的：取样，送实验室，培养一天等菌落长出来，再由技术员盯着显微镜一个个数。可最需要这个结果的地方，往往离实验室最远。2015 年，剑桥几个搞生物、物理和工程的研究人员一拍即合，想把整套检测塞进一个盒子里，走到哪测到哪。显微镜是 3D 打印的，软件这块归我：从相机控制、设备上的操作界面，到跑在树莓派上找菌落、数菌落的计算机视觉和深度学习模型。设备先后去坦桑尼亚、印度和墨西哥做过实地测试。当时我还在读光子学博士，这个业余项目，就是我入行 AI 的起点。

• £2M政府资助，来自 EPSRC、BBSRC 和 Innovate UK
• 10×出结果比现有试剂盒快，硬件成本还不到一半
• 2017剑桥大学副校长影响力奖，团队获奖
• 1项授权专利，涉及检测卡盒和样本处理

• 计算机视觉
• 深度学习
• 边缘 AI
• 树莓派
• Python
• Flask
• Vue.js

帮机构把 AI 真正用起来，而不只是做个演示。

Softwire 替各类机构开发软件，AI 这条线归我管：先和客户一起想清楚什么值得做，再和他们的人一起把它做出来。我是 Softwire 第一个拿到 Anthropic 认证架构师的人。工作一部分是亲自下场交付；一部分是帮整个组织安全地用上 AI，从和编程智能体搭档的工程师，到自己搭小工具的财务、人事团队；还有一部分，是这一切开始之前的需求调研和方案。

• AI 会计产品一家会计初创公司想把 AI 做进产品核心，需求就这一句。财务规则写成确定性代码，杂乱的报表交给大模型读，换模型、改提示词都得先过评测。从需求调研到上线，七周。
• 业务部门自己上手基于 Copilot Studio 和 Power Automate 的培训和低代码计划，让人事、财务、市场团队自己搭自动化。
• 团队级编程智能体为人在环路的编程智能体做 harness 和上下文工程，让各个水平的工程师都能用它写出好代码。
• 敏感个人数据上的 AI推动 AI 获批处理敏感个人数据：数据驻留、治理和风险，让业务、技术、风控三方就同一条路达成一致。

• 7周，从需求调研到上线
• 1stSoftwire 第一个 Anthropic 认证架构师

• 大模型
• 评测
• Agent harness
• 上下文工程
• Copilot Studio
• Power Automate
• 人在环路

在金融科技公司做 AI，发给投资人的每一个字都在监管之下。

SyndicateRoom 是一家线上风投平台，专投英国早期初创公司。我的活儿是让数据和 AI 在全公司真正用起来：给投资人做产品，给团队做工具，再配上培训。按英国的规定，凡是发给投资人的内容都属于金融推广，要受监管，所以合规必须在每个系统设计之初就考虑进去，而不是做完了再补。最拿得出手的是投资人报告：被投公司每个月发来几千条动态，根本没人看得过来；现在每位投资人收到的是一封简短的邮件，只讲自己投了的那几家公司。

• 投资人报告大模型读完当月被投公司的全部动态，给每位投资人单独写一份只关于自己持仓的摘要。
• 知识平台一个 RAG 知识库，整合了官网、播客、政府政策和用户数据，通过 MCP 和 REST 接口开放出来，用来起草网页、社媒帖子、广告文案和投资人画像，合规规则直接内置。
• 运营看板募资活动数据、目标和 KPI 集中到一处，按角色分权限查看。周报从这里出，董事会讨论方向和广告投放也看它。
• 初创公司评分用贝叶斯模型和树模型，筛选高潜力的英国初创公司。
• 团队 AI 赋能用 n8n 和 Python 搭自动化流程，给设计和市场团队培训 AI 工具、MCP 服务器、提示词写法，以及怎么把人留在环节里。

• 70%AI 投资人报告的打开率，之前不到 20%
• 30%同一批邮件的点击率，行业基准 5%

• RAG
• MCP
• 大模型
• n8n
• Python
• 梯度提升
• Streamlit
• GA4

读博时做出的颜色，现在按公斤生产。

Sparxell 是从我读博的那个剑桥实验室孵化出来的，做的正是我花了四年研究的东西：把纤维素排列到足够精细，它自己就会把光反射成颜色，不用染料，也不含塑料。在实验室里，这种颜色是在微流控芯片上一滴一滴做出来的；奢侈品牌要的却是按公斤算的量，而且哪一批色差偏一点，他们一眼就能看出来。我作为研发负责人，组建并带领一支六人的科学家团队，把放大生产当成一场漫长的实验来做：定好每批要测什么，看数据，只改一个变量，再来一轮。

• 从实验室到中试决策矩阵、逐批表征、紧凑的反馈循环，一轮一轮迭代，直到工艺在中试规模上站得住。
• 奢侈品牌项目为 LVMH、Moncler、Gucci 等品牌做了十余个付费创新项目，合计 25 万英镑。每个里程碑都按时交付，预算一分没超。
• 资金与知识产权作为技术负责人拿下 300 万英镑资助，包括一项欧盟 EIC Accelerator 和四项 Innovate UK 项目，另有三项时尚与美妆方向的专利申请。公司 500 万英镑的种子轮和 A 轮融资，底气就来自我验证过的这套技术。

• 1000×产能放大，从每天几克到每天几公斤
• 3×产品性能提升
• −90%材料成本
• £3M拿下的政府资助

• 工艺放大
• 材料表征
• 实验设计
• 团队管理

三年，专啃别家公司啃不动的硬骨头。

想做的产品市面上还没有，自家工程师又卡住了，这种时候公司就会来找 TTP。于是每隔几个月就是一个新难题，花的是客户的钱，赶的是客户的工期。我负责医疗器械、生命科学、先进材料和制造业几家长期客户：主持需求调研，管预算、控风险，把技术上的取舍掰开揉碎讲给出钱的高管听，自己手上的工程活也没少干。不少需求乍一听根本不可能，而我们的活儿，就是把它做出来。

• 配药机器人视觉给配药机器人装上“眼睛”，再加上判断逻辑。发药这件事不能靠猜，所以凡是拿不准的识别结果，必须一律安全兜底，还得在现有硬件的能力范围内做到。
• 无 PFAS 过滤材料疏油的过滤材料，但不用 PFAS 这类通常靠它疏油的“永久化学品”。拿到两项授权专利。
• 微流控与传感微液滴系统，以及用声波操控和检测纳米颗粒的器件。

• £3M的开发项目，由我作为客户负责人统筹
• 2项授权专利，涉及过滤与微结构材料

• Python
• OpenCV
• OCR
• 微流控
• 微加工
• 精密测量

别让你的 AI 智能体花着 Opus 的钱说“你好”。

智能体一跑就是好几个小时，每条消息，哪怕只是一句“谢谢”，都会发给预设的那个模型，而那通常是最贵的。LazyRouter 就卡在中间：先让一个又快又便宜的小模型看一眼请求，再按价格和 ELO 评分，把它交给能胜任的、性价比最高的模型。用法很简单：在 YAML 里列好模型，请求时写 model: 'auto' 就行。OpenAI、Anthropic 和 Gemini 都收在同一个兼容 OpenAI 的接口后面；哪个模型被限流，自动切到水平相近的；对话太长，自动压缩历史，让提示词缓存一直命中。OpenClaw 的用户拿它跑自己的智能体。差不多同一时期，我还给开源记忆系统 Hindsight 写了 OpenClaw 集成，让智能体跨会话也记得住事。

• 3家模型厂商，共用一个接口：OpenAI、Anthropic、Gemini
• 1行配置就能开启：model: 'auto'

• Python
• FastAPI
• LiteLLM
• 大模型路由
• 提示词缓存
• 智能体记忆

一个只能靠自己跑完的实验，一次二十秒。

2018 年，我参加了欧洲航天局第 70 次抛物线飞行，从波尔多起飞。飞机先猛拉升，再收油门，翻过顶点划出一道抛物线，这二十秒左右，机舱里的一切都飘起来。然后改平，再来一次，一趟飞下来三十多回。我们研究的是乳液，也就是一种液体以小液滴的形式悬在另一种液体里，想看看重力不再把它们分开时会怎样。整套实验装置由我设计搭建：Arduino 和树莓派负责控制，OpenCV 分析摄像头画面，再加一个网页界面操作。二十秒，出了问题根本来不及伸手去修，所以每一道抛物线，装置都得自己把事情做对。直到今天，这仍是我上过最好的一课：为没人能插手的那一刻做设计。

• ~20 s每道抛物线的失重时间
• 31道抛物线，一趟飞行
• 70th欧洲航天局第 70 次抛物线飞行

• Arduino
• 树莓派
• OpenCV
• Flask
• Vue.js
• 流体力学