讓 AI 工具,
解決實際問題。

我是 Harvey Xia,現居香港,以產品思維推動 AI 應用落地。

我透過 AI 輔助開發,將業務需求轉化為實用工具。我關注完整的交付過程:做甚麼、怎樣運作,以及如何驗證結果。

體驗工作流程
專注領域
AI 應用 · 業務分析 · 產品交付
所在地
香港
精選作品
6 個項目 · 1 個線上示範 · 5 個公開程式庫
工作方式
AI 輔助開發,結果由人審核

精選作品

三個重點項目,以及三個聚焦業務規則、系統整合與個人規劃的案例。

PandaMart PMS

庫存、採購與 AI 助手互動示範

從供應商發票,到小型團隊可以信賴的庫存記錄。

PandaMart 營運面板,使用預設示範資料展示待處理發票、庫存風險與採購趨勢
營運面板 · 使用生成業務資料的公開示範

庫存與採購平台串連發票審核、庫存、有效期和供應商往來款項。優先在本機運行的助手回答營運問題,也可選配大型語言模型。

狀態
公開示範
產品中的 AI
基於規則的助手;可選接入 LLM;瀏覽器端 OCR
證據
線上示範與原始碼
局限
預置示範資料,並非客戶部署
查看設計決策

業務問題

小型零售團隊如何將收到的發票轉成可靠的庫存記錄,同時避免直接信任自動擷取的文字?

工作流程

擷取發票欄位、逐項審核,再確認交易。將庫存不足、臨期批次和應付款匯入同一營運畫面。即使沒有設定大型語言模型,規則型助手仍可使用。

示範驗證了甚麼

公開示範採用瀏覽器內的模擬後端和預設記錄。圖片與 PDF 的 OCR 由瀏覽器內的 Tesseract 執行;助手透過本機規則查詢示範資料。這是可供檢查的工作流程,並非客戶正式部署的證明。

在登入頁選擇示範帳戶。記錄儲存在瀏覽器內,可隨時重設範例資料。

完整案例與證據

imagePicker

優先本機運行的相片工作流程開發中

從大量相片中,有依據地篩選出值得保留的一組。

imagePicker 分組比較,使用 Qwen 生成的家庭圖片
分組比較 · 實際後端,Qwen 生成圖片

將相片分組、可解釋評分與編輯整合到優先本機運行的工作台。助手在執行變更前先展示計劃。

狀態
開發中,尚未發佈
產品中的 AI
評分、分組與自然語言搜尋
證據
實際後端截圖;原始碼
局限
尚未在真實相機相片上評估
查看設計決策

產品問題

攝影師如何審核建議,同時保留對原始檔案的控制?

設計回應

將選取與刪除分開。讓評分可檢查、相似相片可分組,並在助手執行操作前加入審核步驟。

仍需驗證的部分

項目尚未正式發佈。截圖展示的是實際後端處理合成圖片的結果,不能證明真實相機相片上的準確率;更廣泛的評分測試與端到端模型評估尚未完成。

imagePicker 圖庫,展示後端對 Qwen 生成圖片的評分
檢查建議評分。
imagePicker 搜尋貓的自然語言查詢結果
查看自然語言搜尋。

截圖於 2026 年 10 月 30 日,來自目前的 WebUI 和 Rust 後端,圖庫含 1,000 張 Qwen 生成圖片。

探索 imagePicker 完整案例與證據

Blender MCP AI

AI 與工具整合開源

將自然語言請求,連接到能夠執行操作的應用程式。

透过目前外掛執行器在 Blender 中算圖的風格化乒乓球運動員
項目算圖範例 · 工具整合實驗

Python MCP 服務與 Blender 外掛透過本機指令橋,將相容的 AI 用戶端連接到 Blender 操作。

狀態
開源
產品中的 AI
連接 AI 用戶端與 Blender 的 MCP 橋接
證據
原始碼與算圖範例
局限
工具執行成功不等於創作質素
查看設計決策

整合問題

助手如何從描述一個 3D 任務,轉向呼叫 Blender 內可檢查的操作?

實作方式

MCP 用戶端與 FastMCP 服務通訊,本機 TCP 橋將指令傳給使用 Blender Python API 的外掛。儲存庫展示了架構與操作定義。

能力邊界

工具成功執行不等於創作結果優秀。輸出仍需人工檢查;此處的算圖是範例產物,並非客戶交付的證明。

探索 Blender MCP AI 完整案例與證據

更多案例

透過聚焦的小型研究,讓業務規則與系統行為可被檢查。

TradeOps

報價與審批流程本機案例研究

版本化報價、分離的申請人與審批人角色、幣種規則及交易式審計記錄。這個業務分析案例圍繞一個問題展開:實際獲批的是哪個版本?

狀態
本機案例研究
產品中的 AI
無:業務規則研究
證據
本機 PostgreSQL 測試;備份與還原檢查
局限
模擬資料與角色
查看案例

值得測試的決策

拒絕對過期報價版本的審批、防止自我審批、以十進制定點運算處理金額,並在審計記錄寫入失敗時回滾業務寫入。

證據與限制

儲存庫記錄了本機 PostgreSQL 測試與備份還原檢查。資料和角色均為模擬;正式環境的身份驗證、監控和部署不在本次驗證範圍內。

試試這些規則
探索 TradeOps 完整案例與證據

Integration
Reliability Lab

Webhook 與故障復原本機工程研究

使用合成的承運商事件流程,結合持久化收件箱與 PostgreSQL 交易,研究重複傳遞、亂序更新及工作程序故障。

狀態
本機工程研究
產品中的 AI
無:可靠性研究
證據
本機測試與還原快照
局限
原始碼未公開;持續運作尚未驗證
查看案例

值得測試的決策

驗證事件簽章、按事件 ID 去重、隔離衝突內容、拒絕過期版本,並限制重試次數後交由人工檢查。

證據與限制

已記錄本機測試與復原快照。首次負載測試未達到延遲目標,資料庫連線逾時促成了重新連線退避修復。持續運行與真實故障注入仍未驗證;這並非正式交付案例。

試試這些規則
完整案例與證據

PR Tracker

規則與個人規劃尚未發佈

讓日期、記錄和規劃假設更容易檢查。

優先本機運行的居留與申請規劃應用程式,包含時間線、旅遊記錄及裝置端規則型助手。

狀態
尚未發佈
產品中的 AI
裝置端規則,並非 LLM
證據
原始碼
局限
應用程式商店上架與獨立審查仍待完成
查看設計決策

產品問題

規劃工具如何說明估算依據,同時將個人記錄留在使用者裝置上?

設計回應

區分使用者輸入的事實、計算結果與估算。匯入前可審核,備份經過加密。助手採用規則,不將其描述為大型語言模型。

能力邊界

尚待應用程式商店發佈與獨立審核。估算僅供規劃,應對照官方來源核實。

探索 PR Tracker 完整案例與證據

先看計劃,
再作決定。

有用的自動化,為人的判斷留出空間。

體驗一個受 imagePicker 啟發的相片篩選流程:調整條件、檢查計劃,再決定是否套用。

說明性示範,使用範例記錄與確定性規則。不呼叫 AI 模型,不上傳檔案,也不傳送伺服器請求。

實作背後,
是判斷。

我關注如何把業務問題,變成人們真正用得上的工具。

我的經歷涵蓋業務、商業工作與實際技術項目。我關注 AI 應用、業務分析和產品交付:理解問題與選擇技術同樣重要。

這些是借助 AI 完成的個人項目。我負責釐清需求、指導實作、審核行為、測試結果並作出針對性修改。AI 工具協助產生程式碼;作品集則展示我的決策和項目的限制。

釐清需求
誰在使用?他們要做甚麼決定?有用的結果應該是甚麼樣?
指導實作
將需求轉化為工作流程、清晰的要求與可審核的實作。
驗證結果
檢查正常流程、棘手情況與復原路徑。記錄已驗證的部分,以及仍需測試的內容。

對照一下職位要求。

貼上一份職位描述。看看哪些要求在本站有證據、哪些本站沒有展示,以及哪些不是作品集能判斷的。

在瀏覽器中運行,使用固定的關鍵詞表。你的文字不會上傳或儲存。它呈現的是證據,不是招聘結論。

此工具需要 JavaScript,並完全在瀏覽器中運行。沒有 JavaScript 時,請直接瀏覽本頁的項目,或透過 GitHub 聯絡 Harvey。