让 AI 工具,
解决实际问题。

我是 Harvey Xia,现居香港,以产品思维推动 AI 应用落地。

我通过 AI 辅助开发,将业务需求转化为实用工具。我关注完整的交付过程:做什么、怎样运作,以及如何验证结果。

体验工作流程
专注领域
AI 应用 · 业务分析 · 产品交付
所在地
香港
精选作品
6 个项目 · 1 个在线演示 · 5 个公开代码库
工作方式
AI 辅助开发,结果由人审核

精选作品

三个重点项目,以及三个聚焦业务规则、系统集成与个人规划的案例。

PandaMart PMS

库存、采购与 AI 助手交互演示

从供应商发票,到小型团队可以信赖的库存记录。

PandaMart 运营面板,使用预置演示数据展示待处理发票、库存风险与采购趋势
运营面板 · 使用生成业务数据的公开演示

库存与采购平台串联发票审核、库存、有效期和供应商往来款项。优先在本地运行的助手回答运营问题,也可选配大语言模型。

状态
公开演示
产品中的 AI
基于规则的助手;可选接入 LLM;浏览器端 OCR
证据
在线演示与源代码
局限
预置演示数据,并非客户部署
查看设计决策

业务问题

小型零售团队如何将收到的发票转成可靠的库存记录,同时避免直接信任自动提取的文字?

工作流程

提取发票字段、逐项审核,再确认交易。将库存不足、临期批次和应付款汇入同一运营视图。即使没有配置大语言模型,规则型助手仍可使用。

演示验证了什么

公开演示采用浏览器内的模拟后端和预置记录。图片与 PDF 的 OCR 由浏览器内的 Tesseract 执行;助手通过本地规则查询演示数据。这是可供检查的工作流程,并非客户生产部署的证明。

在登录页选择演示账户。记录保存在浏览器内,可随时重置示例数据。

完整案例与证据

imagePicker

优先本地运行的照片工作流程开发中

从大量照片中,有依据地筛选出值得保留的一组。

imagePicker 分组对比,使用 Qwen 生成的家庭图片
分组对比 · 实际后端,Qwen 生成图片

将照片分组、可解释评分与编辑整合到优先本地运行的工作台。助手在执行更改前先展示计划。

状态
开发中,尚未发布
产品中的 AI
评分、分组与自然语言搜索
证据
实际后端截图;源代码
局限
尚未在真实相机照片上评估
查看设计决策

产品问题

摄影师如何审核建议,同时保留对原始文件的控制?

设计应对

将选择与删除分开。让评分可检查、相似照片可分组,并在助手执行操作前加入审核步骤。

仍需验证的部分

项目尚未正式发布。截图展示的是实际后端处理合成图片的结果,不能证明真实相机照片上的准确率;更广泛的评分测试与端到端模型评估尚未完成。

imagePicker 图库,展示后端对 Qwen 生成图片的评分
检查建议评分。
imagePicker 搜索猫的自然语言查询结果
查看自然语言搜索。

截图于 2026 年 10 月 30 日,来自当前 WebUI 和 Rust 后端,图库含 1,000 张 Qwen 生成图片。

探索 imagePicker 完整案例与证据

Blender MCP AI

AI 与工具集成开源

将自然语言请求,连接到能够执行操作的应用。

通过当前插件执行器在 Blender 中渲染的风格化乒乓球运动员
项目渲染示例 · 工具集成实验

Python MCP 服务与 Blender 插件通过本地命令桥,将兼容的 AI 客户端连接到 Blender 操作。

状态
开源
产品中的 AI
连接 AI 客户端与 Blender 的 MCP 桥接
证据
源代码与渲染示例
局限
工具执行成功不等于创作质量
查看设计决策

集成问题

助手如何从描述一个 3D 任务,转向调用 Blender 内可检查的操作?

实现方式

MCP 客户端与 FastMCP 服务通信,本地 TCP 桥将命令传给使用 Blender Python API 的插件。仓库展示了架构与操作定义。

能力边界

工具成功执行不等于创作结果优秀。输出仍需人工检查;此处的渲染图是示例产物,并非客户交付的证明。

探索 Blender MCP AI 完整案例与证据

更多案例

通过聚焦的小型研究,让业务规则与系统行为可被检查。

TradeOps

报价与审批流程本地案例研究

版本化报价、分离的申请人与审批人角色、币种规则及事务性审计记录。这个业务分析案例围绕一个问题展开:实际获批的是哪个版本?

状态
本地案例研究
产品中的 AI
无:业务规则研究
证据
本地 PostgreSQL 测试;备份与恢复检查
局限
模拟数据与角色
查看案例

值得测试的决策

拒绝对过期报价版本的审批、防止自我审批、以十进制定点运算处理金额,并在审计记录写入失败时回滚业务写入。

证据与限制

仓库记录了本地 PostgreSQL 测试与备份恢复检查。数据和角色均为模拟;生产身份认证、监控和部署不在本次验证范围内。

试试这些规则
探索 TradeOps 完整案例与证据

Integration
Reliability Lab

Webhook 与故障恢复本地工程研究

使用合成的承运商事件流程,结合持久化收件箱与 PostgreSQL 事务,研究重复投递、乱序更新及工作进程故障。

状态
本地工程研究
产品中的 AI
无:可靠性研究
证据
本地测试与恢复快照
局限
源代码未公开;持续运行尚未验证
查看案例

值得测试的决策

验证事件签名、按事件 ID 去重、隔离冲突载荷、拒绝过期版本,并限制重试次数后交由人工检查。

证据与限制

已记录本地测试与恢复快照。首次负载测试未达到延迟目标,数据库连接超时促成了重连退避修复。持续运行与真实故障注入仍未验证;这并非生产交付案例。

试试这些规则
完整案例与证据

PR Tracker

规则与个人规划尚未发布

让日期、记录和规划假设更容易检查。

优先本地运行的居留与申请规划应用,包含时间线、旅行记录及设备端规则型助手。

状态
尚未发布
产品中的 AI
设备端规则,并非 LLM
证据
源代码
局限
应用商店上架与独立审查仍待完成
查看设计决策

产品问题

规划工具如何说明估算依据,同时将个人记录留在用户设备上?

设计应对

区分用户输入的事实、计算结果与估算。导入前可审核,备份经过加密。助手采用规则,不将其描述为大语言模型。

能力边界

尚待应用商店发布与独立审核。估算仅供规划,应对照官方来源核实。

探索 PR Tracker 完整案例与证据

先看计划,
再作决定。

有用的自动化,为人的判断留出空间。

体验一个受 imagePicker 启发的照片筛选流程:调整条件、检查计划,再决定是否应用。

说明性演示,使用示例记录与确定性规则。不调用 AI 模型,不上传文件,也不发送服务器请求。

实现背后,
是判断。

我关注如何把业务问题,变成人们真正用得上的工具。

我的经历涵盖业务、商业工作与实际技术项目。我关注 AI 应用、业务分析和产品交付:理解问题与选择技术同样重要。

这些是借助 AI 完成的个人项目。我负责明确需求、指导实现、审核行为、测试结果并作出针对性修改。AI 工具协助生成代码;作品集则展示我的决策和项目的限制。

明确需求
谁在使用?他们要做什么决定?有用的结果应该是什么样?
指导实现
将需求转化为工作流程、清晰的要求与可审核的实现。
验证结果
检查正常流程、棘手情况与恢复路径。记录已验证的部分,以及仍需测试的内容。

对照一下岗位要求。

粘贴一份职位描述。看看哪些要求在本站有证据、哪些本站没有展示,以及哪些不是作品集能判断的。

在浏览器中运行,使用固定的关键词表。你的文字不会上传或保存。它呈现的是证据,不是招聘结论。

此工具需要 JavaScript,并完全在浏览器中运行。没有 JavaScript 时,请直接浏览本页的项目,或通过 GitHub 联系 Harvey。