杨蓉

扣子 (Coze) 搭建 · 豆包智能体 · 2026.05

小食官 · 豆包饮食教练智能体

把朋友"每天手动把三餐发给豆包却得不到结构化反馈"的真实痛点，做成一个有长期记忆、会定时提醒、能周复盘的饮食教练智能体。

不写代码是一个工程决策

用户的硬约束是"必须在她已习惯的豆包 App 里用"。自研后端连这条都满足不了，还要自接视觉模型、自搭数据库、长期付 token 费和运维。评估后选择扣子搭建 + 一键发布豆包，多模态/数据表/发布渠道全是平台原生能力，零运维。识别约束 → 让约束决定技术栈，而不是用技术自尊去写代码。

核心决策：纯提示词建档不可靠 → 重构成确定性问答节点工作流

最初让主提示词多轮收集 7 个字段。实测 LLM 自己记"已收集哪些"+ 自己决定收尾不可靠：会漏问、循环、不结束；扣子的提示词优化器只能改措辞改不了架构，甚至把收尾逻辑整段删掉导致死循环。解法：拆成顺序执行的「问答」节点，物理上不可能漏问/循环。识别"不能信 LLM 自觉"的边界、用确定性结构兜底——这是 AI 应用工程最核心的判断。

其他可逐条 defend 的决策

• 修掉一个 LLM 应用最危险的隐藏 bug：sex 字段不约束输出会存"女性"原话，恰好蒙对女性 BMR 公式，男性用户算错——靠"演示通过"的隐藏 bug。修法：字段描述强制只输出 F/M。
• 让自然语言理解和确定性计算各归各位：时长字段用 target_weeks（LLM 把"两个月"换成周），目标日期由代码反推。
• 产品策略编码进提示词：日常反馈不报每日热量数字（避免热量焦虑），仅周报出现数字（复盘需要）。

扣子 Coze · 工作流编排 · Prompt 工程 · 多模态识别 · BMR 业务逻辑

微信小程序原生 + CloudBase serverless · 2026.05

MyriadRun · 追星记录小程序

帮粉丝记录追星生活、量化"为 TA 奔波了多远"、一键生成纪念卡的微信小程序——但它反攀比：核心是记录自己，不是比谁去得多。

最关键决策：砍掉预置内容库

预置库体验最好但三大长期成本——持续人力维护、封面版权、冷启动流失。一人团队扛不起持续内容运营——这不是"做不出"，是"判断不该做"。MVP 全部手动录入，预置库彻底砍掉。录入侧把边界处理做进 UI：

里程口径迭代 B → B′，并做成 app 内可见的诚信说明

初版 B（每场往返×2）在同城连开多场时不合理 → 改 B′：单程、同城多场按"趟"计、只算去过且选了城市的场次。这套口径用单测锁死（改动必须同步改测试）。更关键的是——把估算口径明明白白写给用户看：

反攀比的产品价值观（贯彻到交互）

全栈交付：canvas 自绘分享物（不引地图 SDK / 不引图表库）

工程硬约束

• CloudBase .update() 深合并 -502001 坑 → 坐标一律扁平标量存（lat/lng），踩一次后预判下一处提前修。
• 惰性创建修幽灵用户：拆 ensureUser 为只查不建的 getUser，落库挪到"提交本命"那刻。
• 核心纯逻辑（haversine / B′里程 / 纪念数据聚合 / 离线队列）33/33 单测全绿。
• 发布工程：微信四道闸 + 备案"服务内容标识"须与微信类目一致 + 6 集合权限"仅创建者可读写"（无服务端 app 唯一安全红线）。

微信小程序原生 · CloudBase · canvas 自绘 · TDD 单测 · 自适应投影算法

Python AI 内容管线 · 2026.04–05 · 端到端完整跑通

digitme · Markdown → 配音解说视频自动管线

写一份带"配音脚本"的 Markdown，自动产出竖屏配音解说视频——克隆音色、硬烧字幕、零付费 API。这是作品集里唯一端到端完整跑通、产出过真实成品的项目。

input → output 对照

输入是一份双层 Markdown——可见部分给 Gamma 排版，每页一段 <!-- narration --> HTML 注释给本地 TTS 配音。一份文本同时驱动"排版"和"配音"两条流水线，互不干扰（Gamma 渲染时忽略 HTML 注释）。

# 一九九九到二零零一｜动词时代
- 专辑：第一张创作专辑、爱情万岁、人生海海
- 高频词性：动词 > 名词 > 形容词
- 关键词：跑、追、撞、笑、唱、走、爱、要
- 句式短、动作密：「我不愿让你一个人」「再爱我一次」

<!-- narration: 最早的三张专辑，动词的占比高到吓人。
歌词里全是跑、追、撞、笑、走、爱、要…… -->

同一份 outline.md 跑出：规范化 1080×1920 slide PNG → CosyVoice 克隆音色配音 → 切句 SRT → ffmpeg 合成。完整成品视频 12MB / 9 页带配音带字幕。

核心工程决策

• 判断 HeyGen 付费数字人长期不可持续 → 自研 CosyVoice 本地方案。功能做减法（砍掉数字人只留配音）换长期零成本——这是产品判断不是技术妥协。
• 双 venv subprocess 架构：CosyVoice 依赖（torch/whisper/onnxruntime）与本项目冲突 → 单独装独立 venv，主流程用 subprocess 拉起 worker。关键坑固化在 CLAUDE.md：解析 venv python 路径必须 follow_symlinks=False，否则子进程 sys.prefix 指向系统 Python，CosyVoice 全 ModuleNotFoundError。
• 内容寻址缓存避免重复烧钱/重算，并兜底救回过一次事故：分镜/TTS/配图三类产物按 sha256(关键输入) 缓存。一次误覆盖 outline.md，用 .cache/tts/ 内容寻址逐段比对，9/12 段字节级命中，确认对话重建版本无损。
• 字幕字号的"魔法常数"钉进 CLAUDE.md：ffmpeg subtitles 滤镜从 SRT 转 ASS 时 PlayResY 默认 288，FontSize 在此坐标系计量。canvas 从横屏改竖屏后，font_size 数值不变但物理像素翻倍——这种不直观耦合写进文档防复踩。
• tag 前缀防覆盖：所有产物按 <project>_xxx 命名——直接响应"绝不静默覆盖用户产物"原则（曾误覆盖过一次旧 wav，从此前缀隔离）。

Python · 本地 TTS (CosyVoice) · ffmpeg · 双 venv subprocess · sha256 内容寻址缓存

CDP 浏览器自动化 + 多站异构 · 2026.04–05

跨平台 UGC 采集 + 静态化部署管线

把分散在 4 个技术栈完全不同的平台上的百万级公开 UGC，零失败率地采集、清洗、静态化并部署上线。

规模与可靠性

最硬的一条：scraper 静默重定向污染检测

爬虫最危险的不是抓不到（会报错），是"看似抓到了，抓的是别的东西"——URL 失效后站点静默重定向到另一个页面，HTTP 200 + 数据完整，肉眼无法发现。

检测法：对同源多次抓取建立元素级唯一 ID 集合，跑两两交集——交集 ≥95% 即被重定向到那个兄弟页（实测一例 dataId 交集 148/150）；与所有兄弟交集 0% 但元数据时间集中在某远年份 + 极低回复数 → 被重定向到了主页/错误页。几条 grep 就能跑出来，比人肉逐个验 URL 快一个量级。

这条决定了"零失败率"是真的，不是自我安慰——多数爬虫工程师只会处理"抓不到"（会报错的失败），想不到"抓到的是别的东西"（HTTP 200 但内容错位的失败）。

配套工程纪律

• 断点续跑契约：脚本第一行"已有文件就跳过"。长任务跨午夜 + 关机重启 + 误删 + 浮层被关多次，最终 2095 个 ID 全到——靠的就是这条契约，不是"一次跑完别出事"的侥幸。
• 风控误报 vs 真风控的判别：captcha 正则一度过宽（正文出现"安全检查"四字就触发，实为登机流程描述）。判别法：直接 CDP 拉 document.title 看真实页面状态——能正常加载就是脚本误判，加载不出才是真风控。
• 多站异构适配：4 个源技术栈完全不同——问答站需 CDP 登录态 + 嵌套滚动容器；BBS 用 trafilatura 抽正文 + 固定短 UA；新版论坛切 nForum 接口 + cookie；删除帖走 Wayback CDX 拉历史快照差集。没有"一个爬虫打天下"。
• 大文本数据工程纪律：百万级文本绝不全量进上下文/内存；脚本筛元数据落盘成索引，按键回查原文件。
• 静态化部署工程：CF Pages 20k 文件 / 25MB 单文件硬上限 → 字体子集化（GB2312 一二级 6763 字）+ Variable Font 单文件 + 多项目拆分 + cp -al 零拷贝 staging dist。另踩并解掉 Three.js 3D 展厅"每图配独立 SpotLight = O(N²) shader 灾难"。

CDP 浏览器自动化 · 多站异构适配 · 断点续跑 · 静态化部署 · 字体工程