spike的案例列表
本地多智能体编程助手
在8GB显存的消费级笔记本上，独立设计并实现了一个全本地运行的多智能体编程助手。系统包含七个可独立开关的机制：显存约束下的串行调度（解决Windows显存不回落问题）、预算感知派单、生成中骨架早拒、带自动失效的策略记忆、跨家族/同模型双提案聚合、五层工具调用可靠性栈、运行时体征监测。搭建了36任务×4配置×3重复的评测矩阵，判分逻辑全部经参考答案验证。整个系统在本地Ollama上运行，不依赖云端API。本人在项目中负责全部架构设计、机制实现与实验评测。
端侧AI食材识别系统
独立完成从模型训练到端侧部署的全链路AI系统。基于CLIP迁移学习实现食材识别（准确率94.26%），通过知识蒸馏将605MB大模型压缩至6MB（压缩100倍），再经量化感知训练（QAT）部署到256KB RAM的国产开发板（RK2206）上，以纯C整型推理运行。同时实现YOLO11L-seg实例分割替代传统网格切块，按掩码面积估算克重，误报率下降61%。系统打通“HarmonyOS移动端+FastAPI云端+端侧硬件”三端协同，经MQTT/WebSocket实时通信。本人在项目中负责全部模型训练、蒸馏压缩、量化部署、端侧C推理与三端联调。
端侧AI食材识别系统
独立完成从模型训练到端侧部署的全链路AI系统。基于CLIP迁移学习实现食材识别（准确率94.26%），通过知识蒸馏将605MB大模型压缩至6MB（压缩100倍），再经量化感知训练（QAT）部署到256KB RAM的国产开发板（RK2206）上，以纯C整型推理运行。同时实现YOLO11L-seg实例分割替代传统网格切块，按掩码面积估算克重，误报率下降61%。系统打通“HarmonyOS移动端+FastAPI云端+端侧硬件”三端协同，经MQTT/WebSocket实时通信。本人在项目中负责全部模型训练、蒸馏压缩、量化部署、端侧C推理与三端联调。
案例判断参考
spike的案例列表
本地多智能体编程助手
在8GB显存的消费级笔记本上，独立设计并实现了一个全本地运行的多智能体编程助手。系统包含七个可独立开关的机制：显存约束下的串行调度（解决Windows显存不回落问题）、预算感知派单、生成中骨架早拒、带自动失效的策略记忆、跨家族/同模型双提案聚合、五层工具调用可靠性栈、运行时体征监测。搭建了36任务×4配置×3重复的评测矩阵，判分逻辑全部经参考答案验证。整个系统在本地Ollama上运行，不依赖云端API。本人在项目中负责全部架构设计、机制实现与实验评测。...
端侧AI食材识别系统
独立完成从模型训练到端侧部署的全链路AI系统。基于CLIP迁移学习实现食材识别（准确率94.26%），通过知识蒸馏将605MB大模型压缩至6MB（压缩100倍），再经量化感知训练（QAT）部署到256KB RAM的国产开发板（RK2206）上，以纯C整型推理运行。同时实现YOLO11L-seg实例分割替代传统网格切块，按掩码面积估算克重，误报率下降61%。系统打通“HarmonyOS移动端+FastAPI云端+端侧硬件”三端协同，经MQTT/WebSocket实时通信。本人在项目中负责全部模型训练、蒸馏压缩、量化部署、端侧C推理与三端联调。...
端侧AI食材识别系统
独立完成从模型训练到端侧部署的全链路AI系统。基于CLIP迁移学习实现食材识别（准确率94.26%），通过知识蒸馏将605MB大模型压缩至6MB（压缩100倍），再经量化感知训练（QAT）部署到256KB RAM的国产开发板（RK2206）上，以纯C整型推理运行。同时实现YOLO11L-seg实例分割替代传统网格切块，按掩码面积估算克重，误报率下降61%。系统打通“HarmonyOS移动端+FastAPI云端+端侧硬件”三端协同，经MQTT/WebSocket实时通信。本人在项目中负责全部模型训练、蒸馏压缩、量化部署、端侧C推理与三端联调。...
