定位图由「电商管理 × 数据科学」复合背景汇聚,落到核心动作「端到端决策落地」,再展开为三个聚焦方向。 三个方向各是一个链接,激活后到作品页按对应方向筛选;其余标签只作定位说明,不可点。电商管理数据科学端到端决策落地AI Agent 工程机器学习建模运筹优化

数据科学 × AI Agent 工程

zako-mio

电商管理 × 数据科学复合背景,聚焦 AI Agent 工程、机器学习建模与运筹优化;长于在不确定环境中做端到端决策落地。

向下看主线

本站是怎么做的

这套站点自身即作品,也是前端能力系统的首个真实调用方

本站做法结构图:公开项目仓库经采集、口径规范与门控三条管道,产出索引、指标与图表三类产物, 再分发到首页、作品、聚合、关于四个呈现面。源管道产物呈现公开项目仓库每日回源,不手抄采集sources → domain口径规范先定口径再采数门控读真实产物 + 负向夹具projects.json过契约校验的索引metrics.jsonE 指标 + 人工确认登记charts / topology构建期 SVG 与分层复算首页定位与枢纽作品全量索引与筛选聚合数字与口径边界关于画像与联系
上面这张图是本页要说的全部:左侧是源,中间是管道,右侧是产物与呈现面。 下方的三条只是把同一件事讲成句子;两处⛔ 不各说一遍细节。
  • 数据每日从各项目仓库重采,指标在构建期算完再纯静态导出—— 运行时不发任何数据请求,无 JS 也能读到全部内容。
  • 门控一律读真实产物(样式令牌 / 导出结果 / 指标登记),不读源码自述; 每道都内置负向夹具,用来证明判据不是恒真。
  • 所有数据与图形都在本地可复现:取用的能力层记录与产物一一对应, 清单与仓库不一致时构建直接失败。
门控清单与能力层取用明细可展开

门控 · 读什么,怎么证明判据可判假

  • scripts/gate_contrast.py:读 src/app/globals.css 的真实令牌 · 含 --selftest 负向夹具
  • scripts/smoke_static.py:读 out/ 的静态导出产物 · 含 --selftest 负向夹具
  • scripts/gate_metrics.py:读 src/data/metrics.json + E4 确认登记 · 含 --selftest 负向夹具
  • scripts/gate_ia_division.py:读 out/ 的页面分工结构 · 含 --selftest 负向夹具
  • scripts/gate_theme_states.py:读 src/lib/theme.ts + globals.css + charts.json + out/ 的双模帧 · 含 --selftest 负向夹具
  • scripts/gate_interaction_surface.py:读 src/app/globals.css 的真实 :hover/:focus-within 规则集合 + scripts/interaction-surfaces.json 声明表 + out/ 全量产物 · 含 --selftest 负向夹具
  • scripts/gate_background_salience.py:读 src/app/globals.css 的背景层规则 + out/ 全量产物的 .backdrop 子树 · 含 --selftest 负向夹具
  • scripts/gate_motion_budget.py:读 globals.css 的 --dur-* 与 infinite 选择器 + src/lib/motion.ts 的兜底窗口 + out/ 全量产物的 [data-reveal] 计数 · 含 --selftest 负向夹具

能力层取用 · 记录 → 产物

  • echarts-declarative-chart-svg → src/data/charts.json:构建期 SSR 出双模 SVG(明/暗各一份),逐字节跨进程确定
  • cytoscape-js-graph-topology → src/data/topology.json:headless 拓扑计算(⛔ 非画布渲染,画布交互留给项目自身)

上表由 scripts/gate-manifest.json 派生;清单与 scripts/实际集合的一致性由门控机检(漏登记即构建失败),因此这里不会出现与仓库不符的陈述。

站点分区

每页只回答一个问题 · 从这里直达对应页