逐风03 的银灰发动漫头像逐风03 / 茆子豪03 年 · 数学系研究生 · KOSX.ai 实习生

学数学,
也把 AI 做进
真实任务里。

做 AI 实测、模型评测网站,也修自己用到的工具。
从知识库接入到开源兼容修复,把遇到的问题继续做下去。

记录尝试,少吹牛。写 AI,也写学生搞钱和真实踩坑。

我正在做的作品ModelTest
modeltest.cc↗
ModelTest 实际网站截图,展示同题模型作品和评分结果
让模型同题作答,
把评分和翻车现场摆出来。

个人项目 · 产品设计与 AI 辅助开发

↗

图:项目网站实际截图 · 2026.10 源码快照

文章更新至 2026.11.12;模型数字对应 ModelTest 第一期,论文为合作成果。点击可查看来源。

做事的方法

我能参与的,是这几步。

01

把需求拆成能做的任务

从用户要完成的事出发,定义流程、原型和验收条件。

KOSX 招聘信息原型 / SafeFlow 接口协作
02

把回答变成可检查的结果

设计题目与评分锚点,保留原回答、失败记录和适用边界。

ModelTest / 6 篇实测与工作流文章
03

遇到工具故障,继续往下查

从日志追到输出通道和会话接口,修复问题,再留下测试与使用说明。

DeepShian 兼容修复 / 原型与部署实践

个人项目 / Python · JavaScript

ModelTest逐风 AI 模型评测站

不是只给一个分数。把题目、真实回答、评分依据和作品放在同一处,让读者自己检查结论。

主导需求、题目与展示体验,借助 AI 编程工具实现和核验。本站分数只描述对应题目。

设计任务→采集答卷→规则与复核→网页展示
接得进
Python 运行器适配 OpenAI-compatible 与 Anthropic Messages SSE,保留多轮历史、用量和错误。
判得清
8 项任务设置评分锚点,结合规则与人工复核;新短题独立版本计分。
交得出
JavaScript 展示答卷与匿名作品对比;Cloudflare Pages 部署,Worker + D1 记录访问。
看实现细节与项目边界

开源兼容修复 / Obsidian · DeepSeek Harness

DeepShian工具没有回答,就继续查到桥接层。

把 Harness 接进知识库之后,继续维护原插件的修复分支:补回遗漏正文,分离思考和答案,恢复历史会话。

看修复内容、代码与验证记录
输出补全与去重只补缺失的尾部
会话历史回放兼容新旧接口
交付33 项测试分支验证记录

基于 zhenghaoyang24 原插件,AI 辅助开发;公开 fork 尚未发布新版本,不代表原项目已合并。

团队项目 / Rust · SQLx · PostgreSQL

SafeFlow模拟银行 Agent 安全执行

5 人比赛团队。我负责转账代码、参与部分审计代码,也承担项目协调与交接。第一次带队的教训,也单独写了复盘。

看我负责的部分
确认草案与版本金额使用整数分
执行幂等与事务同键改参拒绝
恢复原单与回执结果未知先查原单

使用模拟资金;完整公共流程与真实权限接入尚待联验。

从哪里来,现在做什么

数学训练,
放进具体的事里。

IEEE Sensors Journal1 篇合作论文 · 第二作者

↗

腕戴式双视角手势识别。SignSync 竞赛项目获第 22 届微软创新杯镇江区域赛一等奖、中国区优胜奖;论文方法为合作研究成果。

查看完整经历与简历
  1. KOSX.ai

    产品原型 / AI 应用评测实习 · 远程

    使用 Python + SQLite 完成招聘信息管理原型;围绕真实任务实测工具,结合日志、命令输出与文件回读定位问题。

  2. 南京师范大学(211 / 双一流)

    数学 · 硕士在读

    继续数学训练,也继续做 AI 产品、评测和应用项目。

  3. 南京信息工程大学(双一流)

    数学与应用数学(师范)· 本科

    英语六级 574 分;第 15 届全国大学生数学竞赛(数学 A 类)省二等奖。

实习与合作

带一个具体问题,
我们聊聊怎么做。

关注 AI 产品、Agent 应用与模型评测方向的机会。