我的作品

围绕模型构建的平台，让 AI 功能从演示走向生产：能够规划、执行和验证的智能体，以及架设在企业自有系统之上的 MCP 服务器。围绕它们的是跨模型服务商的路由、面向长任务的持久化工作流、按客户隔离的记忆，以及让每一次写操作都有人把关的防护机制。本站背后正在运行的 MCP 服务器就是现成的例子，同样的工程也曾运行在一个服务一千多个租户、以智能体为核心的 AI 工作流平台上。整套系统运行在自托管的基础设施上，因此没有任何数据离开本地。

一款面向 macOS 和 Linux 的开源终端应用，由 Webanion 以 MIT 许可证发布：保存的命令可在一个标签页里并排打开最多四个终端，采用 Termi 记住的布局，并能随应用一起启动；还有拆分、重新打开、命令面板、快捷键表、内置指南，以及侧边栏里的 CPU、内存和网络数据。Electron、React、TypeScript、xterm.js 和 node-pty，用 electron-vite 构建，用 Vitest 测试，并带有一个 MCP 服务器，让助手可以管理保存的命令。源码见 github.com/webanion/termi。

一家合作社金融机构此前把社员档案、储蓄、贷款和投资人资本分散在纸质记录与电子表格之间，既无法审计任何一个网点，也无法干净地完成日终结账。我们构建了一套系统把这些全部收拢：社员登记、每日收款、从申请到放款的完整贷款流程、多网点总账、投资人资本，以及一份记录谁做了什么的审计日志。工作人员在每笔收款发生时当场记录，管理者审批贷款并完成日终结账，而权限模型决定每个角色能看到什么、能做什么，而不是简单地把按钮藏起来。本案例研究中展示的一切都运行在预置的演示数据上；真实的社员档案从不出现在作品集材料中。

BD

全职

现场办公

静态作品集网站既承载不了五种语言的内容，也跟不上背后写作的节奏，于是我们用一个平台取代了它。一套无头 CMS 保存每一份案例研究、文章和记录；一个 Next.js 前端以英语、孟加拉语、西班牙语、印地语和中文呈现它们；一台 MCP 服务器则把同样的内容开放给 AI 助手，让被问及这些工作的智能体去读取源头，而不是根据抓取结果猜测。搜索、媒体管理、审批流程和一个公开的发现层都运行在它之上。证据是递归的：你正在阅读的这个页面，正由本条目所描述的系统提供。

工作室自己的基础设施，运行在自托管的 Kubernetes 集群上，于 2026 年 2 月规划，此后每天维护：网站、CMS 和 MCP 服务器，以及它负责维护的客户平台，都通过 Cloudflare 隧道提供服务；每个数据库每晚导出并校验；指标和告警规则推送到手机；家门之外有一个宕机监控；还有一个容器镜像仓库和一个 npm 仓库；一个私有控制台把合并、运行、镜像、Pod 和节点汇集在同一个页面上。

构建和部署从 GitHub 的托管 runner 搬到了家中的一个 runner 池。过去每次运行都从一台全新机器开始，发布还要等排队、等故障恢复；现在由一台构建机在线时承接每个任务，常开服务器上的备用 runner 则由一个看门狗看守，一旦拿不准，它优先保证还能继续发布。镜像进入私有容器镜像仓库，工作室的程序库进入私有 npm 仓库，两者都在自家环境内，每次运行的记录也会归档，留存时间超过 GitHub 的保留期。最慢的部署从八分二十四秒缩短到三分零五秒，CI 也快了三分之一。

一个带版本、与框架无关的软件包家族，Webanion 的每个前端和后端都以它为起点，服务端有一层 NestJS，客户端有 React、Vue 和 Expo 绑定：支持通行密钥和单点登录的身份认证、功能开关、审计日志、多租户数据、加密、文件、文档、消息、实时与离线、webhook、worker 和一套 UI 组件库。每个包都有自己的私有仓库和独立发布，从工作室的私有 npm registry 安装，工作室的控制台会显示哪个消费方在哪个版本上落后。