Building AI tools, agents & evaluation systems — with a data science mindset.
我喜欢把想法做成能运行的工具，也关注它们是否可靠、可验证、可持续迭代。
主要在探索：LLM Agents · AI Coding · Agent Evaluation · Data + AI。
| Project | What it does |
|---|---|
| dsh-excel-chat · AI × Excel | 用自然语言操作 Excel；支持多步任务、公式检查与修复、变更对比和回滚。 |
| dsh-eval · Agent Evaluation | 自动运行 Agent Benchmark，采集轨迹，评估任务成功率、工具调用、成本与延迟，并比较不同版本。 |
| game-user-insights-agent · Data + AI | 从公开游戏社区行为数据提取用户特征，分析沉默风险，并探索 Agent 决策与离线评测。 |
| ai-agent-security-redteam · Agent Security | 多步工具调用安全测试、攻击用例设计与实验复现；Kaggle Bronze Medal。 |
| taptap-hotspot-intel · AI Automation | 游戏热点情报自动化系统：采集公开信号、分析热点并生成运营参考信息。 |
Also exploring: 井筒地质预测建模（Kaggle 铜牌） · Power BI 零售经营分析（BI 看板与指标建模）
- Problem first — 先明确要解决的问题，再选择工具和架构。
- AI-assisted development — 与 Codex 等 AI Coding 工具协作进行设计、实现与迭代。
- Verify the result — 重视测试、评测、可复现性，以及技术方案的适用边界。
欢迎体验、使用和参与改进这些项目。 开源不只是展示成果，更希望让工具被真正使用、让问题被发现、让想法继续演进。
- Try it / Use it — 欢迎按各仓库的 README 安装、运行、体验，并分享使用场景与反馈。
- Open an Issue — 遇到 Bug、文档不清楚、兼容性问题，或有新功能想法，都欢迎提 Issue。
- Submit a PR — 欢迎修复问题、补充测试、改进文档或实现功能；小贡献同样重要。
- Reproducible & respectful — 尽量公开方法、限制和复现步骤；贡献与使用请遵循各仓库的 License，并尊重第三方数据及素材权益。
Feedback, issues and pull requests are always welcome. Let's build and improve things together.