关于逐风

我是逐风。
这些是我的来时路。

数学系研究生，家里第一代大学生。现在做 AI 工具实测和数学建模。这里讲这些方向是怎么一点点走出来的。

谷底是什么样子

师范专业是家里选的。报志愿时我没有自己的答案，就接住了家里给的那个。读进去才发现，不喜欢是瞒不住的——装出来的兴趣，撑不过一个学期。

早八晚八泡在图书馆，日程满得像模范生。可晚上合上书，说不出今天到底做成了什么。力气是真花了，地方是真没到。

家里第一代大学生，意味着每个关键路口——选什么专业、往哪个方向走、要不要去实习——都没有人可问。不是不想问，是身边没人走过这条路。

后来凭数学背景进了一家量化公司实习，以为总算对了一次口。结局是被开除。那次教会我的事很朴素：会做题和会做事，是两回事。

在 X 上从零开始，公开记录自己在做什么、做错了什么。一开始没人看，也写。公开最大的作用不是被看见，是堵住退路——话说出去了，人就得跟上去。

不把 AI 当搜索引擎，当合伙人。学习、写作、研究，全部重建一遍：先自己把问题想清楚，再让 AI 挑错、补全、往深里追问。变化不只是快了多少，是我能做出以前根本做不出的东西。

还有一个更早的瞬间。大一结束那个暑假，我刷到一位学长的朋友圈——他在一家 AI 公司实习，凌晨两点还在写代码。底下有人问：这么拼图什么？他说：

「因为好玩，每次找到 bug 就像在破案。」

我愣在那里。长这么大，我没做过一件自己觉得好玩的事。从那以后，「好不好玩」成了我选方向的第一条标准。

进入研究生阶段后，我继续学数学，也在 KOSX 实习，做 AI 工具实测、模型评测网站和团队项目。

最近的折腾是把 DeepSeek Harness 接进 Obsidian。从接入时报错，到继续维护 DeepShian 的兼容修复分支，工具出问题后，我也开始试着往代码里追。

第一次带队做复杂项目时，我常用自己补位解决问题。后来把协作记录交给 GPT 复盘，才开始认真拆任务、交接和排期。这些经历都写进了近期文章，没有只留下好看的结果。

下面保留的是网站在 2026-08-27 版本中记录的早期快照，自媒体数据并非当前值：

最近在做什么，放在近况页。项目的角色、产出和边界会持续补充。

不把正在学习包装成已经掌握，不拿没验证过的结论维护聪明人设。写错了就改，改的地方会标注。

优先记录四件事：做了什么，结果如何，判断错在哪里，下一步怎么修正。少用形容词，多用事实。

允许答案慢慢形成。文章和复盘放在时间里互相校正，不急着给一切下结论。

如果你也在做 AI 工具实测或数学建模，可以在 X 上打个招呼。具体的任务、踩过的坑和做出来的东西，都可以聊。