ACT I · 暗线THE THREAD
本科在香港城市大学读生物科学，毕业项目拿了 A+，却在计算机课上找到了更大的快感——生命是套精妙的算法，而我更想成为写算法的人。于是去香港中文大学读了数据科学硕士，从此把「决策」当成手艺。
现在的日常：用 AlphaZero 范式训练揭棋引擎，给德扑写剥削性策略，给自己和家人造看行情的工具。白天投简历，晚上跑自对弈——两种意义上的 self-play。
ACT II · 中局MIDGAME
用 AlphaZero 范式从零训练的揭棋引擎。揭棋是象棋的暗棋变体：一半棋子面朝下，翻开之前你不知道自己动的是什么——比明棋多出一整个维度的不确定性，也正因此更接近真实世界的决策。
剥削型翻前策略：按底池价格与对手加注频率双重校准防守区间，另配桌面视觉识别模块。
零依赖：纯 Python 标准库 + ECharts。实时盈亏、盘前盘后、自动记账；另给长辈做了脱敏的 /family 版——只有方向，没有数字，奶奶也能看懂。
经典围墙棋的网页重制：扁平设计、AI 对手、2/4 人对战。又一个棋盘——习惯了。
把「艰难的决定」拆成可推演的树：决策分析 × 互动叙事引擎，Node + TypeScript。
把《基本法》PDF 变成带原文引用的问答系统：LangChain + FAISS + Redis，CLIP 跨模态检索扫描页。
ACT III · 翻子THE REVEAL
这一页也遵守规则。工程师只是明子——下面这排，点开看。
· 点击棋子翻开 ·
ACT IV · 光圈APERTURE
富士 X-T4 · 照片按日期与地点归档——另一种形式的数据管理。点击放大。
ACT V · 残局ENDGAME