Anx 的个人头像

谭新 Tec_anX

软件研发工程师 · AI / 系统集成

追求极致的效率

把智能软件，做成能上生产的系统

软件开发与算法，是我的纵向深度。上位机、设备通信与系统集成，让这份深度连接真实世界。

查看作品向我提问

从感知到行动

  1. 01感知视觉 · 姿态 · 现场数据
  2. 02判断算法 · SOP · 状态机
  3. 03执行上位机 · 协议 · 设备
  4. 04反馈记录 · 验证 · 复盘
理解我的 T 型能力
纵深 / 软件开发与算法广度 / 设备通信与系统集成方法 / 思考、判断、复盘

01 关于我

向下做深，向外连接。

以软件研发为长期主线，具备全栈开发与视觉算法背景。AISOP 展示完整平台研发的纵深；舍弗勒项目把动捕、三维骨骼、设备通信与控制连接起来，扩展我的工程广度。

追求效率，也重视思考、判断与复盘。从 GPT-3.5 拆题，到 Coding Agent 协同实现，再到 Harness Engineer 编排任务与验证：AI 承担可核验的工作，我负责关键取舍、结果复核和系统质量。

实践概览

AISOP 平台工序判定 · ONNX 推理 · 设备通信，已用于生产
动捕与设备协同动捕 · MQTT · 串口 · 音频；集成与现场验收分别说明
品牌与产品表达品牌叙事 · 产品架构 · 多语官网，独立设计开发
自动化工作流模板、输入与审核流程标准化；迭代 3 版，个人完成 50 套方案

一条主线，两种尺度。

软件与算法形成纵深，通信与控制拓展广度；上位机把两者组织成系统。

设备通信系统集成设备控制
上位机开发 · 软硬件接口
软件开发架构 · 前后端 · 状态机算法工程测试 · 部署 · 可靠性

以软件研发为主线，在真实项目中深化与扩展。

把功能组织成完整平台

从界面与服务，到配置、数据、状态机和部署。让模型输出成为可追踪的业务流程，并明确异常与恢复行为。

AISOP · 软件纵深

从模型到可验证的数据链路

视觉推理、姿态与骨骼数据处理、三维空间重建。关注坐标、同步、输入质量和验证边界，让算法进入系统。

AISOP / 动捕 · 算法实践

让软件能感知、能控制设备

多路喇叭与麦克风控制、多方 MQTT 联调、串口协议与上位机开发。在真实接口中处理命令、状态、反馈和故障。

舍弗勒 · 集成广度

工作经历

中军视觉

软件研发 · 阶段性兼任硬件组组长
软件与算法
推进 AISOP 平台、视觉推理与 SOP 状态机，把算法接入前后端、数据和设备链路。
舍弗勒项目主负责人
推进动捕、骨骼数据、多路音频、MQTT 与串口控制，协调设备接口、联调与验证。
阶段性组织职责
基于公司当前实际需求兼任硬件组组长，承担技术协调与项目支持；长期以软件研发和系统集成为主线。

教育经历

西安科技大学

智能科学与技术 · 本科
专业学习
主修机器学习、模式识别、深度学习、数据分析/挖掘与计算机视觉，构成算法专业基础。
校园任职
任学习委员、软件协会副会长，参与班级学习事务与协会日常工作，积累组织协作经验。
竞赛与项目
获省级竞赛奖 4 项、校级“互联网+”一等奖；担任校级大创负责人并结题。

02 作品集

软件做深，系统做通。

两项核心作品，展示从平台研发到真实设备集成的工程链路。展开项目，查看我的职责、实现机制与验证边界。

代表项目

A / 01核心业务 · 工业 AI 应用

AISOP · 工序判定与平台开发

平台研发 · 全栈开发 · 算法工程化

采集 → 推理 → SOP 判定 → 记录 → 设备 / MES

已投入生产 · 2026 年 7 月启动

查看项目详情
项目目标
将视觉推理接入 SOP 流程，明确步骤判定、工序流转、轮次结束与异常处理，让模型输出能够参与实际业务判断。
我的关键工作
开发前后端交互、配置与数据管理，接入视觉推理，推进 SOP 状态机、设备适配、部署与验证，把各环节组织成完整平台。
结果、价值与边界
平台功能已补齐并投入生产。实践价值在于让模型输出进入状态机、设备接口和平台流程，而不止停留在推理展示；具体现场效果以实际运行和验收为准。

2026 年 7 月启动；功能已完成，现已用于生产

问这个项目

工程问题与判断

模型输出如何成为工序判断？

视觉推理与业务状态分开理解。关注事件如何进入 SOP 状态机、重复和缺失输入如何影响流程，以及判定记录是否能回溯到对应数据。

前后端、数据与设备如何形成闭环？

围绕配置、推理状态、结果记录与设备反馈组织接口。界面既要让操作者知道当前状态，也要让异常有明确的处理路径。

怎样判断一个平台能上生产？

区分单元测试、模型与视频运行、设备联调、持续运行及客户验收。每一层都需要自己的证据；短时运行通过不能替代现场验证。

查看 SOP 状态流转说明

SOP 状态流转

展开单个环节查看输入、输出和验证边界。

01采集
输入
相机 / 视频源
输出
帧准入与采集队列
验证边界
需核对采集稳定性、时序与异常恢复。
02推理
输入
准入帧 / 模型配置
输出
检测结果与推理状态
验证边界
研发验证不等于现场精度验收。
03判定
输入
检测结果 / SOP规则
输出
步骤状态与轮次判定
验证边界
需用真实工序核对规则与误判边界。
04记录 · 录像
输入
判定事件 / 帧证据
输出
历史记录与录像索引
验证边界
需验证记录完整性与异常追溯。
05标注 · 训练
输入
标注样本 / 数据版本
输出
模型与回归结果
验证边界
训练结果需通过回归后再进入发行基线。
B / 02软硬件系统集成

舍弗勒 · 从感知到设备控制

项目主负责人 · 软硬件集成与技术协调

动捕 / 3D 骨骼 → 上位机 → MQTT / 串口 → 设备反馈

分链路验证推进；整体联动与现场验收分开说明

查看项目详情
项目目标
把动作捕捉、三维骨骼与空间重建连接到设备通信与控制，组织不同技术方向的接口与验证。
我的关键工作
作为项目主负责人，推进动捕与骨骼数据处理、多路喇叭麦克风控制、多方设备 MQTT 联调、串口协议与上位机控制，协调接口和联调顺序。
结果、价值与边界
覆盖感知、计算、通信和控制链路。已有实现、离线验证与现场验收分别说明；三维精度、同步、遮挡及整体联动仍需独立证据。数字孪生展示由其他团队负责。

硬件组组长是基于公司实际需求的阶段性兼任；长期主线仍是软件研发、算法工程与软硬件系统集成。

问这个项目

工程问题与判断

三维骨骼的坐标与验证如何对齐？

把骨骼定义、坐标系、相机同步与精度检查作为独立问题。可视化用于理解数据，真实空间的精度和遮挡表现要通过独立测量核对。

多设备通信怎样避免只证明“连接成功”？

MQTT 与串口联调继续追踪命令、设备动作和反馈。网络可达与进程在线只能说明链路的一部分；业务成功需要核对实际设备行为。

跨领域项目如何明确责任和验收？

分别记录个人实现、硬件协同和其他团队的数字孪生展示。以接口、输入输出与联调顺序组织项目，把已实现、已验证和待验收的内容分开。

查看动捕、IoT 与 Agent 职责说明

从数据到设备的集成链路

个人实现与跨团队协同分别记录。数字孪生展示由其他团队负责。

013D 动捕与骨骼数据

个人工作 · 动捕 / 骨骼数据 / 三维重建

从一排二维相机的姿态结果生成三维骨架数据，处理姿态、坐标、时间戳与数据接口，并核对同步和遮挡条件。

软硬件依赖
二维相机、姿态与骨架处理链
接口关系
三维骨架、坐标与时间戳接口
验证条件
核对同步、遮挡和坐标一致性
02设备通信与上位机

个人工作 · MQTT / 串口 / 音频 / 上位机

多路喇叭麦克风控制、多方设备 MQTT 联调、串口协议控制；明确命令、状态反馈与异常行为。

软硬件依赖
设备、传感器与接线条件
接口关系
设备事件、协议与时间关联
验证条件
核对设备可达性与异常恢复
03控制编排与系统接口

项目协调 · 接口约定 / 控制编排 / 验证边界

把感知、通信、控制与状态反馈组织成清晰接口；Agent 相关探索按实际验证状态呈现。

软硬件依赖
工具权限、域模型与上下文
接口关系
事件输入、工具调用与责任边界
验证条件
验证任务范围、人工确认与反馈机制

骨骼、接口与控制的空间关系

原创结构示意，可按需开启 3D；拖动旋转，选择链路查看关系。

骨骼感知MQTT · Serial协议接口设备控制状态与反馈

示意模型，不是现场重建结果。精度、同步、遮挡与整体联动需要独立验证；窄屏或减少动态时保留静态结构。

小项目实践

设计 · 品牌与产品表达

公司官网 · 品牌叙事与产品表达

独立完成信息研究、品牌叙事、产品架构与多语官网设计开发。

多语官网与设计方法已完成

查看项目详情
项目目标
从业务与访客问题出发，梳理品牌表达、产品关系和网站叙事，形成清楚且便于阅读、检索的内容结构。
我的关键工作
由我独立设计开发，只与老板沟通。先研究资料、提炼品牌叙事，再组织产品架构，最后落实 SEO/GEO 内容、多语界面及视觉交互。
结果、价值与边界
完成多语官网与建站方法文档。信息结构和页面实现已落地；搜索收录、生成式引用和业务转化仍待实际数据验证。
展开官网设计与实现过程

信息研究与品牌理解

整理业务资料、产品关系与访客关心的问题，提炼品牌气质；再确定先讲什么、怎样用能力和证据承接，形成叙事主线。

信息架构与搜索表达

以 AI SOP 为核心组织协同产品与平台扩展。用清楚的主题、标题层级、产品定义和事实边界连接内容，并结合页面元信息与多语入口，服务阅读、搜索发现与生成式理解。

视觉设计与交互实现

将网格、字号、颜色、动效和交互状态落成统一实现，同时处理窄屏、多语文本长度与键盘访问。

方法 · 自动化工作流

自动化工作流 · 方案生成与人工审核

统一模板、资料输入与方案输出，将人工审核纳入自动化工作流。

迭代 3 版 · 已供业务人员复用

查看项目详情
项目目标
把重复的资料整理与方案编制转为可复用流程，同时保留技术判断和人工审核。
我的关键工作
先规范模板、输入和输出，再逐步拓宽文字、图片、文档、表格、视频与消息的兼容；生成前审核大纲和细节，生成后进行终审。
结果、价值与边界
工作流迭代 3 版，我使用它完成 50 套方案，并开放给业务人员自行复用。客户方案涉及隐私，细则不公开。
展开自动化工作流与审核过程

统一模板，规范输入

明确模板、必需资料与输出要求，兼容文字、图片、文档、Excel、视频与消息，并核对事实来源与资料缺口。

分段生成，逐步审核

生成前审核提纲与细节，确认技术口径和内容结构；生成后最终审核，并检查文件结构与渲染结果。

持续迭代，沉淀复用

把每轮的判断、失败输入和修正回写工作流，持续完善模板、输入兼容与质量检查。

实践复盘 · 未达预期

公司跨部门协作智能体

独立开发、部署并组织试用，探索跨部门信息对齐与协作提效。

试用未解决效率问题 · 保留失败复盘

查看项目详情
项目目标
围绕跨部门信息对齐和流程推进，尝试用公司级 Agent 支持项目、责任与协作信息管理。
我的关键工作
2026 年 6 月底至 7 月底，我负责 ZJ Agent 的开发、部署与组织试用；系统包含项目台账、责任记录、审计事件和 Agent 提案。
结果、价值与边界
试用未能解决流程效率问题。复盘发现，一人多职难套入部门层级模型，整体设计也缺少具体场景牵引；后续应先验证单一协作任务。
试用结果与失败复盘

限定场景，验证需求

我的复盘是：从上往下设计整套工作台，缺少具体协作场景的牵引。下一轮应先验证一个日常动作，再决定功能范围。

梳理职责，校准模型

实际业务中，一人经常跨部门承担多种职责。按部门与层级划分系统，难以对应真实任务、交接信息和责任；下一轮应先梳理实际工作，再设计数据与权限。

保留资产，重新验证

域模型、治理组件与发布流程的代码可供下一轮参考；它们的使用价值仍需通过具体场景和实际反馈验证。

03 技术栈

技术分工与系统协同。

视觉模型负责感知，服务与接口承接业务，前端组织信息与操作；测试与工程工具贯穿其中，核对各环节的实现。

C# / .NETPythonFastAPIVueReactNext.jsTypeScriptOpenCVYOLOONNXDINOSAMPyTorchLLMCoding AgentHarnessDockerLinuxMQTTRS-485上位机开发设计系统
技术关联图谱

DSATUR 四色着色：按邻接饱和度选点，冲突时回溯，使相邻节点异色。

AI 应用

  • AI 应用 → LLM
  • AI 应用 → Coding Agent
  • AI 应用 → Harness
  • AI 应用 → Prompt / 系统设计
  • AI 应用 → RAG / 知识库
  • AI 应用 → Python
  • AI 应用 → Vue
  • AI 应用 → React

计算机视觉

  • 计算机视觉 → OpenCV
  • 计算机视觉 → YOLO
  • 计算机视觉 → ONNX
  • 计算机视觉 → PyTorch
  • 计算机视觉 → DINO
  • 计算机视觉 → SAM
  • 计算机视觉 → 3D / 动捕
  • 计算机视觉 → Python
  • 计算机视觉 → C# / .NET

全栈工程

  • 全栈工程 → Vue
  • 全栈工程 → React
  • 全栈工程 → Next.js
  • 全栈工程 → TypeScript
  • 全栈工程 → Vite / ESM
  • 全栈工程 → Node.js
  • 全栈工程 → 设计与信息架构

平台交付

  • 平台交付 → C# / .NET
  • 平台交付 → Python
  • 平台交付 → FastAPI
  • 平台交付 → SQL / 缓存
  • 平台交付 → Linux / 部署
  • 平台交付 → Docker
  • 平台交付 → Git / 协作
  • 平台交付 → 测试 / 验收

C# / .NET

  • C# / .NET → FastAPI

Python

  • Python → FastAPI

Vue

  • Vue → TypeScript

React

  • React → Next.js
  • React → TypeScript

ONNX

  • ONNX → YOLO

DINO

  • DINO → SAM
  • DINO → ONNX
  • DINO → PyTorch

SAM

  • SAM → YOLO
  • SAM → PyTorch

3D / 动捕

  • 3D / 动捕 → ONNX

LLM

  • LLM → Coding Agent

Coding Agent

  • Coding Agent → Harness

Harness

  • Harness → 测试 / 验收

Linux / 部署

  • Linux / 部署 → Docker

设计与信息架构

  • 设计与信息架构 → Vue

04 方法论

判断指导取舍，技术支撑实现。

我先确认问题与目标，再选择技术与路径；主动补齐条件，持续推进验证，并以复盘修正下一次判断。

01

识别问题，明确目标

明确场景与验收条件，判断问题是否值得解决。

查看具体做法

我先确认真实场景、参与者和验收条件，再决定采用模型、规则或系统改造。AISOP 让我认识到：模型给出识别结果，工序是否成立仍需要状态机与业务规则共同判断。

02

核对信息，补齐条件

核对事实与接口约束，将未知条件转为可执行任务。

查看具体做法

条件不清楚时，我会主动查资料、核对事实并澄清接口。官网从品牌与产品关系入手，软硬件协同从数据与设备条件入手；我的工作是将这些依赖整理成能够逐项推进的任务。

03

主动推进，验证结果

拆分目标并持续跟进，以测试与反馈核对实际结果。

查看具体做法

我把目标拆成可实现、可验证的步骤，持续跟进接口、测试与反馈。算法与硬件分别跑通，还不能说明整体协同完成；方案能够自动生成，也不能省略输出前后的人工审核。

04

记录得失，修正判断

记录取舍与失败原因，将经验用于下一次实践。

查看具体做法

我把技术取舍与实际反馈记录下来，修正工具、模板和工作流。ZJ Agent 的试用没有带来预期提效，这让我反思：部门层级不能代替真实职责，下一轮应从具体协作场景验证，而不是先搭整体框架。

05 知识库

技术记录与实践复盘。

记录技术问题、实现过程与方案取舍，将验证结果和失败经验整理为下一次实践的依据。

浏览知识库

文章整理完成后会在这里发布。

聊聊技术与作品

从一个问题，了解我的工程实践。

项目职责、系统取舍、软件与设备之间的连接，都可以从这里开始。

根据审核后的公开资料回答，附相关来源。

不保存完整对话。请勿输入客户机密、账号或私人信息。

06 联系

交流问题，分享经验。

关注 AI 应用落地、平台与全站开发，以及计算机视觉算法与软硬件方案设计；欢迎围绕具体问题交流。

  • 邮件 · 技术交流

    随时可发

    交流技术问题、讨论实现方案，或进一步了解项目细节。

    范围：平台开发 · 视觉算法 · 软硬件协同

    收到邮件或消息后，我会回复。

    tecanx001@gmail.com写邮件

  • 手机 · 微信

    建议先发消息

    适合需要及时沟通、直接说明的事项。

    紧急事项可拨打电话；添加微信请说明来意。

    13151014223直接拨打