I build local-first tools for experiments, academic writing, data visualization and practical decision-making.
我关注实验数据处理、科研文档与信息整理。目前的公开项目都来自真实需求：减少手工录入，让过程更容易检查，让结果更容易复现。
| Product | What it helps with | Latest release |
|---|---|---|
| WorkMaster | 聚合高校公开招聘信息，并以日历方式筛选和追踪 | 安装版 / 便携版 |
| PlotLab | 批量读取 Excel，生成可编辑、可复现的论文风格图表 | Windows EXE |
| MICP Predictor | 比较多种机器学习模型并预测 MICP 加固效果 | Windows EXE |
| Area | Project | Purpose | Built with |
|---|---|---|---|
| 🧪 实验数据 | stress-strain-ocr | 从实验视频 OCR 提取力值并生成应力—应变曲线 | OpenCV · EasyOCR |
| 🧪 实验管理 | specimen-hub | 管理试样、实验记录、图片和力学数据 | PySide6 · Pandas |
| 🧠 科研预测 | micp-predictor | 训练、比较并解释 MICP 预测模型 | scikit-learn |
| 📈 科研绘图 | plotlab | 将表格数据快速整理为论文风格图表 | Matplotlib · Excel |
| 📚 学术写作 | ref-brusher | 多源检索、核验并格式化参考文献 | PySide6 · Scholarly APIs |
| 📚 文档整理 | ref-reconstructor | 扫描 Word 文档并重构 GB/T 7714-2015 参考文献 | Streamlit · python-docx |
| 🗓️ 信息追踪 | workmaster | 聚合招聘信息并生成可检索日历 | FastAPI · Next.js · SQLite |
每个仓库都提供清晰的 README、架构说明、安装步骤和 MIT 许可证。可在对应的 Releases 页面下载稳定版本或源码包。
- Local first — 实验数据和私人文档默认留在用户自己的设备上。
- Reproducible — 依赖、运行方式、目录结构和自动检查都应当明确可复现。
- Honest limits — 科学预测和第三方元数据必须保留人工核验环节。
- Useful before clever — 先解决真实问题，再追求技术复杂度。
Bug 报告、功能建议和范围明确的 Pull Request 都欢迎。提交前，请移除实验机密、账号凭据及个人信息，并阅读组织级的 贡献指南 与 安全策略。
这些工具仍在持续打磨。如果它们恰好解决了你的问题，欢迎留下反馈，让下一版更好用。