MyBlogLife

    ↑↓ 选择 · Enter 打开 · Esc 关闭

    开发 > Dev

    IT 技能 · 开发中的项目 · 后续规划

    留言板

    我做开发的方式很固定：从自己或身边人的一个具体麻烦出发，一个人把需求、架构、实现到部署一路推到「真的能用」。 目前独立开发了 9 个项目，覆盖 Web 全栈、桌面端、移动端和 LLM 应用。比起追新框架，我更在意两件事：做出来的东西是不是真有人在用，以及用户的数据放在哪里。

    擅长的事

    LLM 应用落地

    功夫多半在模型之外。MangaTL 靠作品术语库 + 整章上下文回灌稳定译名；AI_Resume 先用三层规则过滤挡掉无关邮件，只把真正要判断的交给 LLM，再用 LangGraph ReAct Agent 让模型自己查库。

    把杂乱资料变成数据

    JLPTsimu 的题库来自 PDF 真题和教材：切成 217 个原子任务并行推进、自动汇总进度；遇到 CIDFontType0 抽字乱码就回退 300 DPI OCR。

    隐私优先的设计

    PeriodLog 的数据默认只在本机，云同步是可选项，用 6 位码配对、不要账号。原则是：能本地跑就不上云，能不收集的信息就不收集。

    交付给不碰技术的人

    MangaTL 用 Electron + PyInstaller 打成双击即用的安装包，SkillsPaste 用 Tauri 打成离线 exe；这个站从 Django 服务器迁成 Cloudflare Pages 静态站，零运维。

    Frontend

    • React（Next.js 16 / App Router）
    • JavaScript / TypeScript
    • Tailwind CSS / shadcn/ui
    • React Native（Expo）
    • 浏览器插件（WXT）

    Backend

    • Python（FastAPI / Django）
    • Node.js / Bun（Elysia）
    • REST / WebSocket
    • 邮件收取（IMAP）

    AI / LLM

    • LLM API 集成（GLM / MiniMax / Claude / DeepL）
    • Vercel AI SDK
    • LangGraph.js（ReAct Agent）
    • 上下文设计（术语库 / 长上下文）
    • OCR / 检测（manga-ocr・YOLO・OpenCV）

    Database

    • Supabase（PostgreSQL + Auth + RLS）
    • PostgreSQL（Drizzle ORM）
    • SQLite
    • MySQL

    Desktop / CLI

    • Electron（+ PyInstaller 打包）
    • Tauri 2.x（Rust）

    Deployment

    • Cloudflare Pages / Workers
    • Vercel
    • AWS（Lightsail）
    • Docker Compose

    工程实践

    • 自动化测试（bun test / Vitest）
    • i18n（中 / 日 / 英）
    • 可访问性检查（pa11y）
    • 依赖安全（Dependabot）
    • Git / GitHub

    资格

    • JLPT N1（169 / 180）
    • BJT 商务日语 J2（516）
    • AWS Certified Cloud Practitioner
    • CATTI 日语三级笔译
    • CET-6（560）
    IT笔记GitHub

    MangaTL

    桌面 / Web

    日语漫画翻译嵌字：OCR + LLM + 自适应排版

    半自动的日语漫画翻译嵌字工具：输入一整话日文漫画，输出译文已经嵌回原气泡的中文版 / 英文版图片和 EPUB。 流程是气泡检测拿到坐标、manga-ocr 读出日文、LLM 带着作品级术语库和整章上下文翻译，再按气泡实际大小自适应排版渲染回去。 译文不是直接出成品，中间有一层审校 UI——AI 先预填，人逐句改完再渲染。

    主要功能&内容

    • 气泡检测（YOLO，失败时自动回退 OpenCV 轮廓）
    • manga-ocr 日文识别，气泡内外文本块都处理
    • 作品级术语库：人名 / 专名跨话统一
    • 整章已译文本回灌作为上下文，保证称呼和梗前后一致
    • 审校 UI：逐句修订、手动拖框补漏检的气泡
    • 自适应字号排版，塞不下也不省略成「…」
    • 输出嵌字图 / RTL 翻页 EPUB / LabelPlus 稿

    设计要点

    • 质量瓶颈在上下文而不在模型：翻译请求带着作品术语库和整章已译文本，而不是逐句孤立地翻
    • 人在回路：AI 预填、人逐句审校之后才渲染，成品可控
    • 检测有降级链：YOLO 失败回退 OpenCV 轮廓，一页出问题不会卡住整章
    • 翻译引擎可切换（GLM / Claude / DeepL），不绑死单一供应商

    技术栈

    • Frontend：React + TypeScript
    • Backend：Python（FastAPI）
    • 模型：comic-text-detector + manga-ocr
    • Desktop：Electron + PyInstaller
    • Deployment：Docker Compose / Windows 安装包

    近期更新

    1. 【v3】审校 UI + 术语库 + 整章上下文

      v3 把「一次性机翻」改成「AI 预填 + 人工逐句审校」的流程。 加了作品级术语库，和把整章已翻译文本回灌进 prompt 的上下文机制，跨话的人名和称呼终于稳定了。

    2. 【v5】桌面版：双击即用，不用配环境

      v3 要装 Docker、开终端、配 Python 环境，协作者根本跑不起来。 v5 用 Electron 做壳，FastAPI 后端经 PyInstaller 打成 exe 由壳拉起子进程，模型 / 数据库 / 字体全落用户数据目录。 产出 Windows NSIS 安装包，装完双击图标就能用。

    3. 【工作流】把翻译经验沉淀成可复用流程

      翻多了发现真正决定质量的不是模型，是上下文喂法。 于是把作品术语库、人物形象与语气文档、按情绪切换字体这几件事固化成了标准流程，新作品照着走就行。

    JLPTsimu

    Web

    JLPT 模拟考与学习数据分析

    JLPT 日语能力考试的线上模拟考系统，附带做题数据分析和个性化学习建议。 面向在日本 IT 公司工作的中国籍同事——既有已入职的老社员，也有新人。做完题不是给个分数就完了，而是把历次作答留存下来做时序分析，指出薄弱项，再推荐对应的学习资料。 项目里工作量最大的其实不是网站本身，而是题库：历年真题和词汇 / 语法书的结构化录入。

    主要功能&内容

    • 按级别（N1 / N2 / N3）的整套模拟考，含听力
    • 逐题富解析：解题说明 + 每个选项为什么对 / 错 + 关联知识点
    • 作答数据持久留存，跨次数做时序趋势分析
    • 薄弱项可视化与学习建议
    • 词汇 / 语法知识库，与题目互相连接
    • 邀请制账号 + 管理员后台

    设计要点

    • 数据主权优先：不用闭源模考站而是自建，作答记录才能做跨次的时序分析
    • 权限隔离放在数据库层：Supabase RLS + 邀请制账号
    • 最大的工作量在题库：拆成原子任务并行录入，抽字失败有 OCR 回退路径

    技术栈

    • Frontend：Next.js 16（App Router）+ React 19
    • Backend：Next.js Route Handler（Node Runtime）
    • Database：Supabase（PostgreSQL + Auth + RLS）
    • 解析：LLM 离线批量生成后入库
    • Deployment：Vercel

    近期更新

    1. 【立项】从「想找个现成的」到「自己做一个」

      本来想直接用现成的模拟考网站，但数据拿不到——没有 API、闭源，学员的作答记录留不下来。 既然核心诉求是「持续跟进学习情况」，数据主权就必须在自己手里，于是决定自建。

    2. 【题库】多会话并行录入，217 项任务完成 97%

      题库录入是纯体力活，单线程做不完，于是搭了个任务分派板：把工作切成 217 个原子任务，多个会话各自认领、独立推进、自动汇总进度。 目前 N2 / N3 历年真题、红蓝宝书词汇语法、IT 业务日语全部入库，合计完成 211 项。 过程中踩的坑也一并记下来了——比如某些 PDF 是 CIDFontType0，直接抽文字会乱码，得回退到 300 DPI 的 OCR。

    MangaNotifier

    Bot

    每日动画 / 剧集 / 漫画更新推送

    一个每天早上 7:00 往 QQ 群推送更新情报的机器人：今天哪部动画更新了、哪部剧集出了新一集、哪部漫画出了新话。 做它的起因很朴素——追的东西太多，全靠自己记不住，索性让机器人来记。

    主要功能&内容

    • 每日定时推送（动画 / 剧集 / 漫画三类）
    • 动画情报取自 Bangumi、剧集取自 TVMaze + TMDb、漫画取自 MangaDex
    • 经 NapCat 走 WebSocket 与 QQ 对接
    • 插件式 fetcher，加新数据源只写一个文件

    技术栈

    • Backend：Python
    • 数据源：Bangumi / TVMaze / TMDb / MangaDex
    • 对接：NapCat（WebSocket）
    • Deployment：长驻进程 + 定时任务

    近期更新

    1. 【上线】每日 7:00 推送跑起来了

      三个 fetcher（动画 / 剧集 / 漫画）+ QQ 推送打通，定时任务常驻运行。 写完才意识到，这种小工具的价值不在技术含量，在于它每天真的替你省了那一下。

    PeriodLog

    移动端

    本地优先的生理期记录与预测

    一款轻量的生理期记录与预测应用。 记录来潮日期、疼痛程度和当天的事件备注，基于历史数据用均值 ± 标准差预测下次的区间，超期会发本地提醒。 有一条设计原则贯穿始终：数据默认只存在手机本地，云同步是可选项，开了也只用一个 6 位码配对，不要账号、不收集身份。

    主要功能&内容

    • 快速打卡：日期、时段、疼痛程度、事件备注
    • 预测下次来潮区间（均值 ± 标准差）
    • 延迟提醒（本地推送，不经服务器）
    • 情绪阶段参考，默认折叠，点开才显示
    • 可选云同步：6 位码配对，无需注册账号
    • 三语界面（中 / 日 / 英）+ 深色模式

    设计要点

    • 敏感数据默认留在本机；同步是可选项，6 位码配对、不需要账号
    • 预测用均值 ± 标准差这类可解释的统计，而不是黑盒
    • 提醒走本地推送，不经过服务器

    技术栈

    • Frontend：React Native + Expo
    • 语言：TypeScript
    • 本地存储：expo-sqlite
    • 云同步：Cloudflare Workers KV（可选）
    • Deployment：Android APK / Web

    近期更新

    1. 【云同步】6 位码配对，不要账号

      换手机数据就没了，是纯本地存储绕不开的代价。 加了基于 Cloudflare Workers KV 的可选同步：写入即推送、开 App 即拉取，配对只用一个 6 位码。 这么设计是因为这类数据太敏感——宁可功能弱一点，也不要求用户交出身份。

    2. 【i18n】三语 + 深色模式 + 设置面板

      补齐中 / 日 / 英三语界面、深色模式，以及一个可以调提醒天数和同步开关的设置面板。

    MyBlogLife

    Web

    本站：三语静态个人站

    一个用于整合个人文章、创作、资源和朋友互动的个人网站项目。 网站包含多个子模块，例如文章系统（Ink）、图片画廊（Gallery）、朋友卡片系统（Friend_z）和资源分享板块。项目重点在于结构化内容管理、以及带有像素风格 UI 的个人展示平台。 该项目同时作为个人技术实验平台，用于实践 Web 开发、数据库设计、以及云部署等技术。

    主要功能&内容

    • 文章发布系统（Ink）
    • 图片与创作展示（Gallery）
    • RPG风格朋友卡片（Friend_z）
    • 资源分享模块
    • 中 / EN / 日三语 + hreflang
    • 纯静态部署，不用养服务器

    设计要点

    • 只读的站不养服务器：Django → 静态导出 + Cloudflare Pages，零运维
    • 三语用路径前缀（/en/ /ja/）+ hreflang，而不是查询参数或子域名
    • 设计系统 tokens 统一排版和配色，pa11y 做可访问性检查
    • 中文字体按页子集化：每页只带用到的字，首屏从约 5MB 降到 300KB 以内

    技术栈

    • Framework：Astro 7（静态输出）+ React 岛
    • 样式：原生 CSS + 设计 token（明暗双主题）
    • 字体：构建时按页子集化（思源宋体 SC / JP）
    • Deployment：Cloudflare Pages
    • 旧版：Django + SQLite @ AWS Lightsail

    近期更新

    1. 【重构】迁到 Astro：内容与样式分离

      静态站虽然不用养服务器了，但 63 个 HTML 里页头复制了 60 份，改一处文案要改三种语言三个文件。 于是用 Astro 重写：页面逻辑只写一次，项目、文章等内容变成数据文件；顺手加了明暗主题、页面切换动效，并把中文字体按页子集化。

    2. 【重构】从 Django 动态站迁到纯静态 + Cloudflare Pages

      一个基本只读的个人站，为了它常年养一台服务器并不划算——还要管 Gunicorn、systemd、证书续期。 于是把 Django 渲染的页面整站导出成静态 HTML（63 页，中 / EN / 日三语），部署到 Cloudflare Pages。 同时补了一套设计系统：统一的排版尺度与配色变量、语言切换器、hreflang、可访问性修正。

    3. 【部署】已部署上AWS Lightsail（$5档）

      已部署上AWS Lightsail（$5档）。 目前预计尝试1个月。后准备部署到免费的Orecle上去。

    开发日志全部 4 条

    1. 【部署】Lightsail 初始上线

      Django + Gunicorn + Nginx 部署到 AWS Lightsail（东京区，$5 档）。 配置 systemd 开机自启、rsync 一键部署脚本 deploy.sh。

    2. 【i18n】三语支持（中/日/英）

      实现 Django i18n 国际化，支持简体中文、日语、英语三语切换。 添加 locale/ 目录和 .po 翻译文件，所有页面文案均可翻译。

    3. 【修复】Gunicorn worker 卡死问题

      发现 Lightsail 实例上 Gunicorn worker 偶发卡死（gevent 兼容问题）。 改用 sync worker + 增加 timeout/max-requests 配置，问题解决。

    4. 【迁移规划】Lightsail → Oracle Cloud + Cloudflare

      规划将服务器从付费 AWS Lightsail 迁移到 Oracle Cloud Always Free（ARM A1，4核/24GB）。 Cloudflare 接管域名 www.mybloglife.com，实现 CDN / DDoS / HTTPS 自动化。 安装 oci CLI（v3.76.2）和 flarectl CLI 用于自动化配置。 生成完整迁移方案文档并同步到 Obsidian 仓库。

    MangaRe

    Web

    漫画资源信息数据库

    一个用于整理漫画资源信息的网站，用于管理漫画作品、作者、以及不同资源类型（TV动画、漫画合集、电影等）。 项目目标是打造一个 轻量级漫画资源数据库网站。

    主要功能&内容

    • 漫画资源录入
    • 标签分类管理
    • CSV / JSON 数据导入导出
    • 自动更新漫画情报（计划）
    • 漫画资源检索

    技术栈

    • Frontend：React + TypeScript
    • Backend：Node.js
    • Database：Supabase
    • Deployment：Vercel

    近期更新

    1. 【提速】静态导出，绕开冷启动和跨区延迟

      首屏慢的根因查下来是两件事叠加：Next.js 函数冷启动，加上 Supabase 跨区查询的往返延迟。 资源库的内容本来更新频率就低，没必要每次请求都动态渲染，于是改成静态导出 + 图片组件优化，首屏快了一大截。

    2. 【网络区域问题】发现国内无法访问Vercel部署的网站

      经国内朋友测试访问发现，国内无法访问Vercel部署的网站。 后续将先尝试在其它提供小流量免费部署的服务中，寻找解决该问题的方法。

    3. 【MangaRe_Log】2026.3.5~

      2026.3.5：加了图片查看器、更新多处页面与轮播/导航/侧栏，并新增平台链接迁移与 SQL。 2026.3.6：完成一次“成功运行”相关提交（项目可正常跑通）。 2026.3.7：做 Vercel 部署前收尾：书籍下载站与工具管理、RLS/存储策略、迁移脚本与文档。 2026.3.8：做导入链路（JSON 转换页与 import 页）以及资源历史、标题管理与前台页面改版。 2026.3.9：统一语言/平台选项、更新 Vercel 与迁移文档，并新增备份说明、导入模板、反爬与中间件（均未提交）。 2026.3.18：前几天也做了，但忘了做了啥了=w=。昨天在namecheap买了个域名【www.manga-re.com】，速来找想看漫画资源喵！

    开发日志全部 5 条

    1. 【部署前准备】Vercel 初始部署

      MangaRe 首次部署到 Vercel（2026-03-07）。 共 44 个文件，+1763 行代码。 Next.js 13 App Router + Supabase 数据库配置完成。

    2. 【数据导入】CSV/JSON 批量导入流程

      实现漫画/动画/电子书/本子多类型批量导入（2026-03-08）。 10 次迭代提交，完善 JSON 转换页、导入校验、错误提示。

    3. 【规范化】语言/标签字段标准化

      语言字段、分类 Tag 字段统一规范（2026-03-09）。 修复 pinyin / wanakana 中日文处理兼容问题。

    4. 【新功能】日语学习页面

      新增【日语学习】页面（2026-03-29）。 JLPT / BJT / 听力&口语三版块 + ⭐置顶内容标签页。 置顶标签页新增「各版块官方网站」横幅组（JLPT / BJT / NHK 三官网）。

    5. 【性能优化】页面加载速度分析

      分析 Vercel 部署慢的根本原因（Next.js 冷启动 + Supabase 跨区延迟）。 评估三个方案：Next/Image 组件优化、SSR/ISR、一键静态导出。 实施方案三：Image 组件优化 + 静态导出，大幅提升首屏速度。

    MyProfile

    Web

    人物档案与时间轴可视化

    一个用于整理和展示人物档案的数据管理网站。 项目支持将人物信息（时间轴、关系网络、事件记录、图片等）结构化存储，并以可视化页面展示人物的经历与关系。 该项目也用于测试 大规模 JSON 数据展示、复杂 UI 布局和时间轴组件设计。

    主要功能&内容

    • 时间轴事件展示
    • 人物关系网络
    • 人物资料模块化展示
    • JSON 数据导入导出
    • 后台编辑人物档案

    技术栈

    • Frontend：React（Next.js）+ TypeScript
    • Backend：Node.js
    • Database：Supabase
    • Deployment：尚未部署

    近期更新

    1. 【MyProfile_Log】2026.3.5~2026.3.9

      2026-03-05：项目首次提交，搭好后端骨架（实体、控制器、服务、安全、文档）。 2026-03-06：接入前端工程，实现导入/导出、时间线阶段、附件上传与事件/英雄照片管理，并做时间线 UI 重构。 2026-03-07：增强时间线（悬浮卡片、按年/月 API、左侧阶段与事件面板），并加入关系编辑与启动脚本。 2026-03-08：实现角色模拟对话（角色卡、DeepSeek/Mock 回复、前端对话面板）。 2026-03-09：新增人物照片面板，并在时间线与编辑页中整合事件/英雄/人物照片管理。

    开发日志全部 3 条

    1. 【世界观整合】来自深渊素材扫描与档案网站

      扫描本地来自深渊设定集（85 张人物设定图 + 100+ 背景原画 + BDBOX 立绘）。 搭建《来自深渊》档案网站（本地原型）：首页/世界·深渊/人物图录三个页面。 人物卡片网格、搜索过滤、模态框详情交互全部实现。

    2. 【MIA RPG】角色与故事设定整合

      将 MIA 原创角色（MIA、Zhen、Zoe 等）与来自深渊世界观深度整合。 生成人物档案 MD、故事线文档、虫铸巴别塔世界观详细设定。 同步到 Obsidian 笔记库。

    3. 【像素画】RPG 角色像素精灵图制作

      用 Pixellab 制作 MIA 角色像素精灵图（16x16 / 32x32 规格）。 整理 RPG Maker / GDevelop 精灵图导入规范文档。 同步像素画制作指南到 Obsidian 知识图谱。

    AI_Resume

    Web + 浏览器插件

    LLM 驱动的简历筛选系统（ATS）

    AI 驱动的简历筛选系统（ATS），面向 HR 和招聘团队。 简历从企业邮箱自动收进来 → 解析 → 大模型按岗位要求多维度评分 → 在看板上流转跟进。 v6 已经从最初的单体前端长成了三块：后端服务、Dashboard 前端，和一个给 HR 日常用的 Chrome 插件。 做下来体会最深的一点是：能用规则解决的就别调模型。三层规则预过滤挡掉大部分无关邮件，LLM 只花在真正需要判断的地方。

    主要功能&内容

    • 邮件自动收取：IMAP 定时抓取企业邮箱里的简历，两阶段并发架构
    • 三层规则预过滤（发件人域名 → 主题关键词 → 附件兜底），这一层零 LLM 成本
    • 简历解析：PDF / DOCX 提取纯文本
    • AI 多维度评分：按岗位要求打分，10 路并发
    • 院校层级量化：国内 985 / 211 / 双一流 + 国外 QS Top 300 → educationScore 评分维度
    • JLPT 等级提取：从简历识别 N1–N5，支持按等级筛选候选人
    • LangGraph 院校顾问 Agent：ReAct 模式自动调用数据库工具，输出 HR 能直接读的院校分析
    • 评分输出支持中 / 日双语，按岗位的 locale 字段切换
    • WebSocket 实时推送：简历处理完即时通知 Dashboard
    • 候选人管理：多条件筛选、排序、状态流转、CSV 导出
    • Chrome 插件：网页上划词即查院校，侧边栏接 AI 深入分析

    设计要点

    • 成本分层：规则能挡掉的就不调模型，三层预过滤这一层零 LLM 成本
    • 按负载选运行时：长连接、并发评分、常驻 WebSocket → 从 Edge Function 换成常驻 Bun 服务
    • 输出面向使用者：内部分级只用于排序，展示给 HR 的是他们本来就懂的标签

    技术栈

    • Frontend：React 19 + TypeScript + Tailwind CSS
    • Backend：Bun + Elysia（TypeScript ESM）
    • Database：PostgreSQL + Drizzle ORM
    • AI：Vercel AI SDK + MiniMax M2.7 / LangGraph.js
    • Extension：WXT + React 19
    • 邮件 / 解析：ImapFlow + pdf-parse + mammoth

    近期更新

    1. 【重构】后端从 Edge Function 换成自建 Bun + Elysia

      初版把逻辑塞在 Supabase Edge Function 里，很快就顶不住了：邮件轮询要长连接、批量评分要并发、WebSocket 要常驻，这些都不是 Edge runtime 擅长的事。 于是后端整个搬成 Bun + Elysia 的常驻服务，ORM 用 Drizzle，数据库回到自建 PostgreSQL。 评分也从规则引擎升级成大模型多维度打分，10 路并发跑；院校层级、JLPT 等级都量化成了可筛选的评分维度。

    2. 【Agent】LangGraph 院校顾问：让它自己去查数据库

      HR 看到一个没听过的学校，通常还要另开浏览器查半天。 于是加了个 ReAct 模式的 Agent：它自己决定要不要调数据库工具去查批次、国内排名、QS 排名，再组织成一段 HR 能直接读的院校分析。 一个细节是输出层刻意不暴露数据库里的 S/A/B/C/D 内部层级，只给 985 / 211 / 双一流 / QS 这类 HR 本来就懂的标签——内部分级是给排序用的，不是给人看的。

    3. 【插件】Chrome 扩展 v0.8.0：划词即查院校

      把院校快查做成浏览器插件，HR 就不用在招聘网站和系统之间来回切了：网页上选中校名 → 出图标 → 点开 tooltip。 容错上花的功夫比预想的多：划多了（连标点和 badge 一起选上）要能从文本里把校名提出来，划少了（选不完整）要给候选列表加「换一个」。日韩港台的院校优先显示原名汉字。 侧边栏接 Agent 做深入分析，切换院校会自动取消上一次的流式输出。259 个测试。

    开发日志全部 2 条

    1. 【MVP 完成】核心功能实现

      React 18 + TypeScript + Vite + Supabase 完整架构搭建。 实现岗位管理 + 简历批量上传 + PDF 文本提取（Python Flask 微服务）。 Supabase Edge Function 自动提取候选人结构化信息。 规则引擎评分（A/B/C/D）+ 看板拖拽流程管理完成。

    2. 【待完善】LLM 接入规划

      邮件自动导入为 Mock 实现，接口已就绪待接入真实邮件服务。 LLM 评分增强功能骨架已就绪，待接入 Claude API 实现智能分析。 PDF 微服务部署到 AWS Lightsail，前端部署参考 Vercel/Netlify。

    SkillsPaste

    桌面

    常驻置顶的一键复制工具

    Claude Code Skills 一键复制悬浮桌面工具。 常驻屏幕顶层，分类展示所有 skill 触发词，点击即复制。支持多工作区，可作为通用快速粘贴板使用。

    主要功能&内容

    • 悬浮窗口（Always on Top）+ 透明磨砂玻璃 UI
    • 拖拽位置记忆 + 📌 固定模式
    • 一键复制触发词（点击高亮 + Toast 反馈）
    • 实时搜索过滤（高亮匹配词）
    • EN / 中 触发词双语切换
    • 多工作区支持（内置 Skills + 自定义粘贴板）
    • 🌙 深色 / ☀️ 浅色主题切换
    • Ctrl+E 编辑模式（添加/删除/排序）
    • 系统托盘（关闭→隐藏到托盘）
    • 完全离线 .exe，无需浏览器

    技术栈

    • Frontend：HTML / CSS / JS（Tauri WebView）
    • Backend：Tauri 2.x（Rust）
    • Database：JSON 文件（skills-data.json 本地存储）
    • Deployment：Windows .exe（cargo tauri build）

    近期更新

    暂无近期更新。

    开发日志全部 4 条

    1. 【Phase 1】MVP — 悬浮窗 + 一键复制

      Tauri 2.x 项目骨架搭建（frameless + always on top 窗口）。 读取 skills-data.json，渲染分类 × skill，点击复制到剪贴板 + 高亮反馈。 深色磨砂玻璃风格 UI + 标题栏拖拽 + 📌 固定按钮。 修复：中文字符导致的 PowerShell 脚本报错、icon 路径问题。

    2. 【Phase 2-3】体验完善 + 编辑模式

      Phase 2：位置记忆（启动恢复上次坐标）、搜索过滤（实时高亮匹配）、Toast 反馈优化、EN/中双语触发词切换。 Phase 3：Ctrl+E 编辑模式（添加/删除/排序分类和 skill）、系统托盘（关闭→隐藏）、skill 简介 + 使用案例展开。

    3. 【Phase 4-5】UX 优化 + 多工作区 + v1 发布

      Phase 4：浅色主题切换、路径说明面板（ℹ️ 按钮）、初始全部收起状态。 Phase 5：多工作区支持（内置 Skills + Skills 市场 + 用户自定义粘贴板）、NotebookLM skill 安装测试。 v1.0.0 正式发布，构建 Windows .exe，完成项目 README 和 Obsidian 文档同步。

    4. 【Phase 6-8】Skills 批量安装 + 分类功能完善

      Phase 6：批量安装多个 skills（sync-obsidian、viral-writer 等），生成 skills 指南网站草案。 Phase 7：补全 Skills 分类（自媒体/办公/音视频/桌面工具 等新分类）、功能说明文字优化。 Phase 8：Skills 列表与 Claude Code 官方目录对齐，分类逻辑标准化，Obsidian 全量同步。

    增加【Comments · 留言板】页面

    希望能得到各位访客的留言、灵感、建议、冷笑话(?)、今晚吃了什么(?)……的留言。 特别是在【Friend_z】中亦有记载的各位朋友们的留言！ 之后想更新的也包括【给有Friend_z】记录的朋友们制作对应特色的【个性化留言框】，如果技术力之后达到了（或找到合适的动效库，并且我的小破站配置和流量还撑得住），还想制作【个性化动效】。 且放一个白日梦在此，你在此地不要打胶，我去去就回。

    【画饼 · Friend_z角色RPG互动小游戏】

    只是一个设想，完全没有头绪如何开始实现。 先想想。