让文档自动化、链路监控与 AI 反馈闭环，真正跑进日常工作流
Python · TypeScript · Java ｜ 专注工程落地，偏好把重复劳动沉淀成可复用的模板与规范
我写「能跑在真实工作流上的代码」：
- 文档自动化 — Markdown / PDF / Word 全链路处理，追求流程可复现与格式精准
- 监控与可观测性 — 链路、设备与实验资源的实时采集 → 诊断 → 告警闭环
- AI 工程化 — Agent 反馈闭环、检索复现与 Skill 工程基础设施
研究型与业务相关仓库保持私有；公开仓主打可复现的工程实践。
CC-Skills — Agent Skill 工程基础设施
Claude Code / DSH Skill 的统一环境管理：跨设备搭建手册、编写规范与依赖登记表，是多个 Skill（含飞书 23 域聚合入口 lark-cli）的共享底座。
Python
dsh-cognitive-feedback — AI 认知反馈闭环插件
在 AI 加速实现的同时，保留人类对问题表述、架构决策与调试推理的所有权：推理门禁、回讲检验与认知事件日志。
TypeScript
lab-monitor — 科研实验实时监控
本机、秒级、零 token 的实验监控骨架：采样 → 状态 → 诊断 → 告警 → UI/Agent 感知闭环，核心层零第三方依赖。
TypeScript
- multimer — 任务管理计时器，支持条件查询与数据可视化分析（Python）
- 研究方向（私有，欢迎交流）：法规依据两阶段检索复现、Markdown → Word 导出的流程可复现化
- 📄 文档自动化：Markdown → Word 导出的流程可复现与格式精准化
- 🔔 lab-monitor：实验监控的告警策略与 Agent 感知
- 🧠 dsh-cognitive-feedback：认知反馈场景的持续覆盖
- Email: x.dc0521@gmail.com
- GitHub: x-dc-coder