实习期间我完全独立地自研并上线了两套 AI 自动化系统，从需求、设计到实现、部署全链路自己闭环。它们合在一起，代表了我实习阶段的 AI 工程落地能力。
一、mkt-weekly · 市场周报 Agent
一个定时自动拉取 → 清洗 → 加工 → 推送的市场信息周报系统，把”每天人工去逛、去抄、去整理市场动态”这件重复劳动，变成无人值守的 Agent 流水线。
- 采集：RSS + 多源抓取，归一化原始信息，幂等去重。
- 加工：分类、评分/筛选（
grader）、意图理解、跨文章周期过滤（把零散每日信息聚合为有价值的周报维度）。 - 洞察：
insight抽取关键变化，digest_engine组装成可读的周报。 - 推送：
push_digest/weekly_push定时推送到 IM，配套digest_watchdog稳定性守护与webhook_server。 - 工程化：完整
tests/（15+ 用例覆盖 intent/classify/grader/digest/loop/watchdog 等）、crontab/plist 定时任务、docs 全生命周期文档（design/decisions/runbooks/handoff），可稳定久跑。
二、ai-cool · 内网 AI 资讯精选平台
把外部 aihot 的「每日精选 AI 日报 + 当前热点 + 分类检索」整套能力复刻重建到内网的网页产品 + REST API。
- 三层跨机加工：采集层（外网 RSS/公众号/X）→ 归一化幂等 → 加工层（内网 LLM 管线）。
- 核心”智能”全部自建：五轴评分、分类、精选判定、事件聚类（同事件多源聚簇、只出 primary 防刷屏）、热度算法（多信源计数 + 指数衰减）、每日主编日报生成。
- 1:1 复用公开 API 契约：
openapi.yaml的 6 个只读端点 + 数据模型 + cursor 翻页 + weak ETag/304 + 限流 + 7 天窗口全对齐。 - 工程完备：Go 后端（
internal/分模块 + 完整单测）+ React 前端（Feed/热点/日报/详情页/知识图谱）+ 部署脚本（supervisor/nginx/systemd），docs/specs 32+ 篇增量设计沉淀。
怎么用 AI 做的
两套系统都是 AI 结对 + Loop 工程的完整实践：
- 每个功能都走「Superpowers 澄清需求 → 方案 → 计划 → 分阶段执行 → 测试验收」，并沉淀为
docs/superpowers/specs与plans。 - 用 自动化闭环 让系统自己跑：采集→加工→推送全异步，watchdog 守护稳定性，真正无人值守。
- 从 0 到 1 上线：mkt-weekly 跑定时线下任务，ai-cool 部署到内网开发机并提供 API/前端，完整走通 AI Coding 的部署链路。