Archer Yu
后端开发工程师 | 平台后端 / 批量链路 / AI Native
从事平台后端开发，关注高数据量业务受理、批量执行、日志查询、可观测和 Agent 落地。工作之外持续沉淀 AI 辅助研发方法论，将项目级知识库、工程规则、Review 工作流和自动化工具链纳入日常交付。
Start Here
按访问目的进入
首页只保留最能证明主线的入口，完整项目和学习资产放到二级页面，避免信息堆叠。
Selected Evidence
精选证据项目
从公开项目中筛出最能说明主线的作品：方法论、执行层、信息监控、内容管线和展示面。
Engineering Playbook
可运行个人工程经验知识库，沉淀项目复盘、可复用 Pattern、Skills、Rules、检查清单和技术决策记录。
AI Auto Publisher
可运行多平台内容发布中间件，提供 REST/MCP 接口、任务状态、去重、重试和 API/Playwright 发布适配。
GitHub Sentinel
可运行GitHub 趋势项目监控与订阅系统，追踪 Star 增长、项目热度和开源技术机会。
InfoHunter
可运行AI 驱动的信息监控与情报分析系统，支持多源抓取、异步分析、趋势报告、飞书推送和 MCP 集成。
AI Video Matrix
可运行AI 视频矩阵运营自动化管线，覆盖内容规划、视频生成、素材变体、队列调度和多账号发布。
Personal Card
可运行基于 Astro 的个人作品集，将工作经历、公开项目、AI Agent 生态、技术栈和工程资产可视化展示。
Proof Stories
项目背后的工程判断
不按仓库数量堆叠，只保留能说明问题、方案和结果的精选项目。
Engineering Playbook
AI 辅助研发容易丢上下文、重复踩坑、浪费 token，历史经验难以在新项目中复用。
把项目复盘、技术决策、常见问题和工作流固化成可检索、可复用的工程知识库。
在新任务中快速复用历史判断，降低幻觉风险，让 AI 协作从临场对话变成可积累系统。
AI Auto Publisher
多平台发布链路重复、状态分散、失败重试和格式适配成本高。
抽象统一发布任务模型，把平台差异封装在适配层，并对外暴露 REST/MCP 能力。
形成可接入 AI 工作流的发布执行层，支撑内容生产后的自动分发。
GitHub Sentinel
高价值开源项目出现早期信号时容易被动错过，人工筛选 Trending 噪音较大。
通过定时抓取、增长指标和订阅规则把项目发现流程系统化。
沉淀为 AI Native 研发中的开源雷达，辅助技术选型和趋势判断。
InfoHunter
技术趋势、社媒内容和行业信号分散在多个平台，人工跟踪容易遗漏关键变化。
构建多源采集、异步分析、结构化摘要和主动推送链路，让信息监控变成可配置的后台系统。
把信息获取从人工刷新转为自动订阅和摘要消费，适合作为个人研发情报中枢。
AI Video Matrix
视频矩阵运营需要跨内容生成、素材处理、账号路由和发布执行多个环节，人工操作链路长。
用队列化、任务化的方式串联规划、生成、处理和发布执行。
把分散操作收敛为可监控的自动化流水线。
Personal Card
GitHub 仓库列表无法解释项目之间的关系，也难以呈现个人工程方法论。
把项目、Agent、笔记和工程资产结构化成可浏览的个人主页。
让公开作品从零散仓库变成完整的候选人展示面。
技术栈全景
横跨 13 项技术，覆盖前后端、AI/Agent、DevOps 全链路