行测错题裁剪器
Windows + macOS · Windows 版已在闲鱼售卖并获得盈利
本地桌面工具双平台真实付费验证
Wrong Question Cropper
ARCHITECTURE × AI × PRODUCT
AI VIBE
CODING 作品集
从建筑学硕士研究生，
到 AI-Native Product Builder。
建筑学训练让我习惯在复杂约束、真实人群与落地结果之间做判断。现在，我把这种训练迁移到产品：从自己和朋友的真实摩擦出发，用 GPT、Codex、DeepSeek 与 Agent 工具，把问题变成可以使用、上线、甚至获得付费验证的产品。
01 / SYSTEM THINKING
行测错题裁剪器
5REAL BUILDS软件 / 游戏 / 生活工具
“建筑学不是绕路，
ARCHITECTURE IS HOW I LEARNED TO STRUCTURE COMPLEXITY.
而是我理解复杂系统的起点。
WHY ARCHITECTURE MATTERS
我的专业背景，
是产品能力的来源。
观察人 / 行为 / 场景
→
结构系统 / 路径 / 约束
→
推演方案 / 取舍 / 边界
→
落地可用 / 可测 / 可迭代
建筑设计不是“画一个好看的形态”，而是在使用者、功能、结构、环境、规范和成本之间完成系统解。产品也是如此：界面只是表面，真正决定体验的是需求定义、流程关系、边缘情况和反馈循环。
01空间与人因洞察
从真实场景和行为出发，而不是先假设用户需要什么。
02复杂系统拆解
把大问题拆成路径、模块、依赖与优先级。
03方案表达能力
用图、流程和原型把抽象判断变成可讨论的方案。
04细节与落地意识
不是“能运行”就结束，而是持续处理真实使用中的细节。
01
COMPUTER SOFTWARE
电脑软件
把高频、重复、低价值的手工流程，重新设计成一个可复盘、可导出、可售卖的本地工具。
01DISCOVER / 发现问题
“错题在 PDF 里，但复盘却发生在 PDF 之外。”
备考时，大量题目散落在几百页 PDF 中。截图、裁剪、跨页拼接、整理答案、重新排版，每一步都重复且耗时。
长 PDF→截图→拼图→整理→复盘
02THINK / 思考解决方式
不要优化截图步骤，
不要优化截图步骤，
而是重做整条错题工作流。
核心判断：让用户直接在原 PDF 中完成“定位 → 框选 → 组织 → 答案 → 导出”，减少工具切换与重复劳动。
- 原 PDF 内直接操作
- 多区域 / 跨页处理
- 题本与章节结构化管理
- 结果可一次性导出
03BUILD / 实践解决问题
AI 加速实现，
AI 加速实现，
我持续处理边缘情况。
借助主流大语言模型与 Agent 辅助编码、定位报错和迭代；我负责复现问题、约束需求、判断交互以及验收。
04OUTCOME / 产出成果
从“给自己用”到“有人愿意付费”。
完成 Windows 与 macOS 版本；Windows 版在闲鱼进行售卖并获得盈利。产品从个人需求跨过了真实付费验证这一关。
2桌面平台
✓真实售卖
¥获得盈利
PRODUCT LOGIC
界面不是结果，完整闭环才是。
01导入 PDF
→02题本 / 章节
→03框选 / 跨页
→04拼接 / 答案
→05PDF / JPG ZIP
“God is in the details.
常被归于 Mies van der Rohe · 细节决定产品能否真正被使用。
02
GAME / WECHAT
游戏
从“做一个能玩的小游戏”，走到规则、反馈、关卡、道具与上线闭环。
水果益智小游戏
微信小游戏 · 已正式上线
“Play is where system logic becomes visible.”游戏，是反馈循环最直接的试验场。
01DISCOVER / 发现问题
“能点”不等于“好玩”。
最初版本可以运行，但缺少持续目标、难度变化和策略空间。用户完成一次操作后，没有足够理由继续挑战。
02THINK / 思考解决方式
把单一玩法变成“目标 + 压力 + 补救”。
通过关卡推进建立目标感；通过高压挑战增加难度；通过后退、洗牌、额外牌等道具提供策略与补救空间。
03BUILD / 实践解决问题
规则验证、状态处理、反馈迭代。
借助 AI 协助开发与排错，持续验证方块状态、关卡条件、道具次数、操作反馈和界面节奏。
04OUTCOME / 产出成果
完整上线，而不是停在本地 Demo。
完成开始页、基础关卡、高压挑战和道具机制，并以微信小游戏形式正式上线。
MECHANIC LOOP
从一个动作，构建可重复的反馈循环。
点击方块→即时反馈→完成目标→解锁挑战→再次尝试
03
LIFE TOOLS
生活类工具
三款从网页下载、本地离线使用的小工具。它们都不是为了“凑作品”，而是因为自己或朋友真的遇到了问题。
Small frictions
deserve serious design.
越高频、越细碎的问题，越容易被忽略。我的做法是把它们重新组织成一个足够轻、足够清晰、能够长期使用的小产品。
六艺记录
把散落的训练记录，变成可以回看的训练秩序。
01 发现问题
训练数据散落在备忘录、相册和聊天记录里；当下记得，过几天很难回看。
02 思考解决方式
不做复杂健身平台，只保留“昨日回看、动作分类、日历、离线查看”这些高频动作。
03 实践解决问题
用 AI 辅助快速实现和调试，持续根据真实训练习惯调整信息层级和操作步骤。
04 产出成果
形成可从网页下载、本地离线使用的训练记录工具，让复盘更稳定。
My Word Atlas
每道错题，沉淀一个可搜索的词语坐标。
01 发现问题
错题解析里出现的词语会反复遗忘，收藏很多，却无法形成可检索、可复用的知识结构。
02 思考解决方式
把“错题”降到来源层，把“词语”提升为主对象，并关联释义、来源与易混信息。
03 实践解决问题
借助 AI 逐步实现搜索、词条结构和数据整理，并通过实际录入反复调整字段。
04 产出成果
形成可下载离线使用的个人词语库，让错误不只被记录，而是转化为可复习资产。
练字助手
把“今天练什么”变成一眼就能回答的问题。
01 发现问题
练字时新学与复习混在一起，进度模糊，容易出现“练过但没有复习”的断层。
02 思考解决方式
把产品简化为“复习 / 新学 / 进度”三件事，减少选择和记录负担。
03 实践解决问题
通过 AI 协助搭建页面与逻辑，并围绕日常使用持续减少不必要的信息。
04 产出成果
形成可离线使用的练字管理工具，让练习节奏、待复习量与新学进度清晰可见。
VIBE CODING METHOD
我的 AI 协作方式
我能看懂一部分代码，也能定位基础问题，但实现过程中需要 AI 辅助。我的价值不在于假装是传统工程师，而在于让 AI 进入一个有产品判断、有边界、有验收的工作流。
HUMAN / ME
负责判断
- 发现真实问题
- 定义用户路径
- 做功能取舍
- 复现与描述 Bug
- 体验验收
- 决定下一轮优先级
PROBLEM↓SCOPE↓BUILD↓TEST↓SHIP
AI / AGENTS
负责加速
- 方案发散与对比
- 生成代码与原型
- 解释报错
- 辅助定位问题
- 修改与重构
- 重复性任务自动化
GPTCodexDeepSeekAgent ToolsAI 加速实现 / 人负责产品判断
SELECTED BUILDS / 2026
我想做的，不只是“用 AI 写出来”。
而是把真实问题做成真实产品。
建筑学训练给了我系统思维、场景观察和表达能力；五个项目让我把这些能力迁移到需求、交互、迭代与上线。下一步，我希望在更大的真实业务里继续做这种从 0 到 1 的产品工作。
5 REAL BUILDS · 3 CATEGORIES · ONE PRODUCT LOGIC