AI 开发

共 5 篇

DATA+AI 的实践记录：AI Agent 如何接管真实的工作流、AI 做数据治理与做分析的边界、以及在 Tableau / BI 场景里落地智能分析的经验。

DeepSeek Harness 实践：dsh-workload-report插件

用 AI 干活说不清花在哪？这个 DSH 插件把「我的付出」与 Token 消耗按日期和工作区摊开，含日历热力图、时刻分析、工作区占比，并能一键导出一份可以直接发给客户的自包含 HTML 报告。

喜乐君为某大型金融机构交付《模型思维：业务数据分析认知课》全天内训：先用数字化四阶段定位企业在哪，再用「业务—数据—分析」三层框架统一业务、技术、分析三方的语言，最后用三类数据模型把讨论落到具体的表与指标，并用 AI 把整套方法论现场跑通一遍。

在数字化转型步入深水区的今天，业界对“大模型辅助分析”仍普遍存在一种误解——认为只要将海量数据丢给 AI，就能一键获得完美的商业洞察。然而，在真实的深度业务场景中，没有任何一个完美的分析模型是一蹴而就的。

以一个 macOS 时间追踪应用的真实重构为例，演示如何将 105 行硬编码的 app 分类规则逐步迁移为符合三范式的数据库驱动系统。每一步都有真实的 SQL 和 Swift 代码对照。

10 月 13 日，照见 TimeMirror 正式上架 Mac App Store。这是一款本地优先的 macOS 时间追踪与自我觉察工具，也是我用 AI 从零写出的第一个上架产品——从一句话原型到通过审核，全程 AI 协作开发。