AI Full-Stack / Data Platform / Agent Engineering
秦鑫林
从真实业务需求出发，
把复杂问题拆解成可上线、可使用、可迭代的系统。
参与过职业赛训数据分析平台，也在开发多 Agent 软件开发工厂；擅长将模糊需求拆解为前端页面、后端接口、数据服务和 AI 辅助开发流程。
Profile
重庆邮电大学软件工程本科，2027 届
做过真实上线的数据分析平台，真实用户使用并持续反馈
能把需求拆成接口、页面、数据任务和报告流程
真实业务落地
上线平台与持续迭代
三层架构实践
前端 + 网关 + 数据服务
Agent 工程平台
任务拆解、审批、日志、回滚
线上工具交付
部署、反馈、修复、维护
Featured Projects
01
Dota2 职业赛训数据分析平台
AI 辅助全栈开发 / 数据平台开发 / 线上迭代
一个面向职业战队复盘场景的数据分析平台，采用 React 前端 + FastAPI 业务网关 + 数据任务服务的三层架构，将原本依赖人工查录像和截图的复盘流程工具化。
参与需求拆解、前后端开发、Replay 复盘、眼位热力图、BP 胜率、报告生成、数据物化和线上部署。
React 前端负责筛选交互、数据表格、指标卡片、地图可视化、Replay iframe 和报告入口。
FastAPI 网关负责 JWT 鉴权、统一 API、历史路径兼容、Replay 资源挂载、报告能力和审计日志。
数据任务服务负责 StarRocks → MySQL 同步、ETL、物化任务、增量同步、单场补数和必需表初始化。
System Notes
业务链路：模糊复盘需求 → 指标口径 → 后端接口 → 数据任务 → 前端页面 → 报告输出。
核心能力：比赛筛选、Replay 复盘、眼位热力图 / 散点图、BP 胜率、对线指标、HTML/Excel 报告。
真实结果：报告被职业选手用于赛前备战，BP 胜率与阵容评估功能曾被亚运冠军教练在 10w+ 在线直播中使用。
Impact
02
CODEK 多 Agent 软件开发工厂
AI Agent 工程平台 / 前后端分离 / 任务调度与审计
面向 AI 自动化开发场景的多 Agent 调度平台，将用户目标拆解为任务流，由不同 Agent 负责规划、开发、测试、交付和文档生成。
前端基于 React + Vite + TypeScript 实现项目看板、任务流转、运行日志、审批中心、成本看板和 Agent 状态展示。
后端基于 NestJS + Prisma + PostgreSQL 实现项目、任务、Run、Agent、审批、审计和事件管理。
Redis + BullMQ 用于后台任务队列，支持 Agent 任务排队、顺序执行、失败处理和自愈修复。
设计文件写入、Shell 命令、环境变量、网络请求、Git 操作的权限检查、人工审批和审计记录。
System Notes
多 Agent 分工：Neo、Trinity、Morpheus、Link、LittleAssistant 分别承担规划、开发、测试审查、交付和文档生成。
可控性设计：审批中心、运行日志、状态机、SSE 实时推送、Git 分支 / worktree / diff / 回滚 / 合并流程。
工程目标：让 AI 开发过程可控、可追踪、可恢复，而不是一次性生成代码。
Impact
AI-Assisted Engineering Workflow
AI 工程化工作流
我把 AI 当作开发流程的一部分，而不是一次性的代码生成器。
我不只是使用 AI 生成代码，而是把 AI 工具接入需求拆解、原型验证、代码开发、构建校验、权限约束和上线反馈的完整开发流程。
在实际项目中，我会使用 ChatGPT 进行需求拆解、方案分析和问题定位；使用 Gemini / Coze 快速验证原型和页面初版；使用 Cursor 完成代码开发、多文件重构、Bug 修复和接口联调；再通过 git diff、lint/build 和人工 review 控制修改范围与交付质量。
我关注 AI 协作开发的效率，也关注它的可控性。AI 不应该无边界地修改项目，而应该被任务上下文、权限规则、操作确认、日志记录和回滚机制约束。
在 CODEK 多 Agent 软件开发工厂中，我进一步将这种思路平台化：围绕目标拆解、Agent 分工、任务执行、审批确认、运行日志、后台队列和回滚恢复，探索 AI Agent 在真实软件开发流程中的工程化落地。
01
需求拆解与原型验证
ChatGPT / Gemini / Coze
使用 ChatGPT 进行需求拆解、方案分析和问题定位，使用 Gemini / Coze 快速验证原型和页面初版，让想法先变成可讨论的界面和流程。
02
AI 协作开发
Cursor / Git / 多文件重构 / Bug 修复
使用 Cursor 完成代码开发、多文件重构、Bug 修复、接口联调和数据链路排查，并通过 Git 管理每次改动的边界。
03
质量控制
git diff / lint / build / 人工 review
AI 不能无边界地修改项目；我会用 git diff 控制修改范围，用 lint/build 验证结果，再通过人工 review 检查业务逻辑和交付质量。
04
Agent 工程化
任务上下文 / 权限约束 / 审批 / 日志 / 回滚
关注任务上下文、权限规则、操作确认、日志记录和回滚机制，让 Agent 的执行过程可控、可追踪、可恢复。
05
平台化探索
CODEK 多 Agent 软件开发工厂
在 CODEK 中进一步将这种工作流平台化，围绕目标拆解、Agent 分工、任务执行、审批确认、运行日志、后台队列和回滚恢复探索工程化落地。
我如何把需求落地
理解业务场景
先确认真实用户要解决什么问题：职业选手、教练和运营人员到底想看什么、在什么场景下使用、最终需要什么交付物。
拆解指标口径
把模糊需求拆成筛选条件、统计维度、时间范围、数据字段和报告口径，先让问题可计算、可验证、可复盘。
设计系统流程
按前端页面、后端接口、数据服务、异步任务和报告输出拆分系统边界，让每一层都能独立迭代和排查。
实现上线迭代
完成开发、部署、反馈、修复和持续迭代，用 git diff、lint/build 和线上验证控制 AI 辅助开发的修改范围与质量。
Skills by System
前端展示层
React / TypeScript / Next.js / Vite、Tailwind CSS / shadcn/ui、React Router、iframe + JWT，负责数据密集型页面、筛选交互、指标卡片、表格、地图可视化和报告入口。
后端业务网关
FastAPI / Node.js / RESTful API / JWT 鉴权 / API 网关 / 静态资源挂载 / 审计日志 / 异常处理，能把业务域拆成统一接口并支撑前端迭代。
数据任务服务
ETL、StarRocks → MySQL 同步、数据物化、增量同步、补数脚本、任务调度、.env 环境隔离，把原始 / 中间数据加工成前端和报告可直接使用的数据结构。
Agent 工程
ChatGPT / Cursor / Gemini / Coze、Agent Workflow、任务拆解、审批中心、运行日志、状态机、SSE 推送、Redis + BullMQ 队列、权限检查、Git diff / 回滚 / 审计记录。
部署与交付
Git / GitHub、阿里云 ECS、Ubuntu、Nginx、前后端分离部署、数据服务分离、构建发布、线上排查和持续迭代，关注系统能否被真实用户稳定使用。
Education Background
2021 - 2027
重庆邮电大学
软件工程 · 本科
主修课程
计算机网络、数据库、软件过程与项目管理、软件需求工程、软件测试、软件分析与设计
个人成绩
曾获专业排名 2/317
Work Experience
2026.3 - 至今
深瞳竞技（深圳）科技有限公司
AI 辅助全栈开发 / 数据平台开发
参与采用 React 前端展示层 + FastAPI 统一业务网关 + 数据任务服务三层架构的职业赛训数据分析平台，覆盖需求拆解、前后端开发、数据服务、可视化分析、部署上线与持续迭代。
将“想看某类对局 / 眼位 / 对线表现”的口头需求拆解为比赛筛选、Replay 回放、眼位分析、对线指标、BP 阵容评估和报告生成。
参与 shentong_backend 统一业务网关建设，支撑鉴权、API 路由、Replay 资源、报告能力、历史路径兼容和审计日志。
参与 shentong_data_service 数据服务，将 StarRocks 中心库数据同步、物化、补数并加工成前端和报告依赖的数据结构。
形成 ChatGPT 调研拆解、Gemini/Coze 原型验证、Cursor 工程化开发、lint/build 验证、上线反馈的 AI 辅助开发流程。
Other Works
Dota 2 Replay 视野状态数据挖掘工具
Replay 底层解析 / 结构化数据输出
从 Dota2 replay 底层 Entity Packet 中还原单位可见性，将半结构化 replay 数据加工为可用于英雄暴露、视野控制和守卫收益分析的逐秒 CSV 时间线。
解析 .dem 文件并追踪英雄、守卫和阵营状态。
通过 entity.index 映射 wordIndex / bitIndex，还原双方阵营可见性。
输出对齐 replay tick、暂停 tick 与游戏时钟的结构化 CSV。
Impact
版本路线优势数据分析系统
主动发现需求 / 数据验证 / 可视化分析
将职业选手对版本节奏的经验判断转化为可计算问题，分析优势路线与最终胜率之间的关系，并用可视化页面反馈结果。
统计路线优 / 劣情况下的比赛胜率。
将路线优势与胜负结果关联分析，辅助判断版本节奏。
与团队核对数据完整性、统计口径和业务逻辑。
Impact
2026 计算机设计大赛作品《古建探囊》
设计 / 开发 / 作品展示
面向文化数字化场景的 Web 端 3D 互动作品，结合传统文化 IP 与数字文旅交互，构建可在线体验的探囊式互动展示平台。
基于 React + Three.js 搭建 Web 端 3D 互动平台并部署上线。
围绕古建文化主题设计数字文旅交互体验与作品展示流程。
完成从概念设计、前端实现到线上可访问作品的完整交付。
Impact
我擅长把复杂业务需求拆解成系统
并用前端、后端、数据服务和 AI 工作流把它落地
Let's connect
求职方向：AI 全栈开发 / 数据平台开发 / Agent 工程实践。