作品与探索

Case Study

问题：多数饮食记录工具只能记下一顿吃了什么，却很难让人真正收获更好的下一次判断：照片、体感、趋势和用户纠错彼此分散，结果是每次分析都像重新猜一遍，复盘留不下能继承的经验。

设计：以本地优先工作台组织餐食照片、原材料、每日问答、营养库和用户更正；由 Web UI 与 CLI 提供录入、待办和回顾入口，再用 JSON Schema 校验 Agent 结果，并以追加历史而非静默覆盖的方式保留修正。

• 把今日建议、今日状态、食物照片、原材料分析、食品营养库与记录记忆放进同一条本地反馈链路里。
• 每日状态支持逐题作答、单题草稿、跳过和版本历史，避免把缺失信息伪装成结论。
• Agent 工作流通过 CLI 待办、上下文导出、schema 校验和结果提交串起来，而不是后台自动分析。

Case Study

问题：并行使用多个 coding agents 时，活跃、等待、失败或可能停滞的状态分散在不同工具里，很难在不读取完整工作内容的前提下快速判断哪里需要关注。

设计：以本地优先、只读的事件汇总层组织状态，Windows Desktop 集中提供 Home、Doctor、Agents、Companion、Demo、Appearance、Settings 和 About；浏览器 dashboard 保留为次级检查界面，CLI 用于高级配置、ingest、脚本和诊断。

• Windows Desktop 优先，将本地服务状态、诊断、集成配置、demo 和 companion 控制收进统一桌面入口。
• 按集成来源明确区分精确 hooks、窄范围 notify、待验证实现和手动实验 bridge，避免夸大支持范围。
• 明确只读与数据最小化边界，不控制 agent、不批准权限，也不持久化 prompt、transcript、tool I/O 或 session 历史。

Case Study

问题：本地学习和排查 Hadoop 集群时，环境、节点角色、配置和示例任务常常分散，初学者很难快速进入 HDFS/YARN/MapReduce 调试现场。

设计：用 Docker Compose 组织三节点教学集群，外置 conf/ 配置，配合 .env、命名卷、共享 SSH 密钥和 helper scripts，把启动、检查、进容器和 WordCount 演示串成可复现流程。

• 三节点完全分布式角色设计，方便观察 HDFS、YARN 与 MapReduce 的协作关系。
• Hadoop XML 配置外置到 conf/，配合 .env 参数化，便于教学中解释每个配置项。
• 用 Docker 命名卷持久化集群数据，并通过共享 SSH 密钥卷建立节点互信。