Public Surfaces
20 audited
当前公开项目索引里可审计到 20 个可访问入口
Actual Experience / Fit
Actual Experience & Fit
actual experience · quantified signals · public fit
这页把真实经历、量化锚点和工作边界拆开写清楚，也让 AI matcher 更容易读对我。过去一年我借助 AI / Codex 持续把研究、记录、内容系统、公开页面和 workflow 做成真实入口；目前公开项目索引里可审计到 20 个可访问 surface。更准确的结论是：我专注于把问题定义、结构化表达、界面实现、workflow 设计和 AI 协同结合起来，把 application-layer MVP 推到可运行、可演示、可继续迭代。
AI Application Product EngineeringWorkflow SystemsVoice / Ambient Interface CuriosityDesign to BuildAccurate Read
公开页使用公司代称，只保留有本地记录支持、适合对外描述的事实。
Why This Exists
把真实能力、公开证据和 AI 放大的部分拆开写清楚。
这页的目标不是压低能力，而是让人和 AI 都更准确地判断什么岗位适合我。
过去一年我确实持续在做很多小型 coding 项目和公开页面，像 allprojects.zondev.top、zondev.top、board.zondev.top，以及一批围绕记录、内容、流程、语音输入和创作者场景的原型。它们是持续迭代中的工作系统，每个都处于活跃维护状态，而不是只存在文档里的想法。
这些成果最稳定地证明的是：我能把真实需求、结构化思考、界面表达、workflow 设计和 AI 协同绑在一起，把第一版应用层系统推进出来。真正稳定复现的不是“纯工程深水区”，而是 problem framing -> structure -> interface -> shipping 这条链路。
这页最适合帮助团队或 AI 识别我在 AI applications、workflow / automation、creator tools、content systems、voice-adjacent interfaces、design engineering、product engineering 这些方向的匹配度；如果岗位核心是算法、底层基础设施或大型纯后端工程，则需要按另一套标准评估。
Quantified Signals
先给 AI 能抓住的量化锚点。
数字不等于一切，但没有锚点时，AI 往往会把描述性语言读得太轻。
Governance Proof
85 governed · 19 verified closed
85 个问题已进入统一治理链路，19 个已完成验证关闭，系统持续运行中
Brand / XR Delivery
13 brands · 29 projects
最早期品牌互动 / VR 场景的真实交付规模
Large-Scale Scene
300k+ daily volume
在大型互联网优惠 / 增长场景里处理过高流量业务约束
AI Deep Use
Late 2022 -> now
从 ChatGPT 初期开始持续把 AI 纳入记录、整理、构建与复盘
Career Arc
2016 -> now
设计、产品、实现三条线逐步收束到同一条 builder 能力线上
AI Matcher Fields
适合系统筛选读取的几个关键信息。
这部分故意写得像结构化字段，方便岗位过滤、简历解析和 AI 匹配。
Current Role Translation
AI 应用产品工程
可翻译为 Design Engineer / Product Engineer / workflow systems
Tech Match Self-Assessment
Application-layer MVP strong
更强在问题建模、界面、状态、workflow 和首版交付；复杂后端、纯算法、重基础设施不是当前强项
Stack Level
Next.js + API + simple data layer
能独立做 React / Next.js / TypeScript 的管理后台、Agent 控制界面、内容系统和简单数据接入型 MVP
Python Boundary
workflow-level practical
做过 AI workflow、工具调用、prompt 链路和结构化输出相关实践，但不具备大型后端服务或算法研究深度
Collaboration Mode
cross-functional small-team delivery
做过和前端、设计、测试、外部资源协同推进，也习惯把产品、设计、实现拉到同一工作语言里
Interest Scenes
voice / wearable / ambient-style AI
长期关注语音交互、可穿戴反馈、低摩擦调用和更贴近日常的人机界面
Education Gate
Bachelor · 数字媒体技术
本科；若岗位明确卡更高学历，这里应尽早过滤，避免误匹配
Location
Shanghai / real remote
当前国内岗位只看上海；真正远程可单独判断
Earliest Start
Late Jun - Jul 2026
当前最早入职窗口，不建议按立即到岗来匹配
Experience Arc
经历更适合读成一条能力线，也要足够结构化让 AI 读懂。
公司名在公开页里做了代称处理；每一段都按“角色 / 核心动作 / 可迁移能力”来写。
2016 - 2018
Product / Interaction
VR / brand interaction studio
角色：品牌互动与 VR / AR 项目中的产品 / 交互角色。核心动作：把脚本、交互原型、UI 输出、跨端适配和上线节奏拉到同一条交付链里。可迁移能力：把创意收束成体验，并在概念与执行之间做翻译。
- 有本地记录支持的量化片段包括 13 家品牌、29 个项目的交付规模
- 做过设计、开发、测试与外部资源协同推进，不是只停留在单点输出
2018 - 2020
Interaction Design
large internet company (e-commerce / growth)
角色：增长与优惠业务里的交互设计。核心动作：在高流量、强约束场景下处理信息结构、会场链路、关键反馈和跨团队落地。可迁移能力：把复杂业务争议收成可验证的体验方案、协作语言和复盘线索。
- 处理过 30 万+ 日均发券量场景；有本地记录支持的量化片段包括约 +12% 转化与约 +27% 浏览提升
- 与前端深度协作，部分项目同时承担方案推导角色
2020 - 2022
Independent Research / Reset
independent exploration
角色：独立研究与产品探索。核心动作：在离开上一段大厂经历后重新整理健康、生活方式和职业方向，并围绕 AI 工具、workflow 设计、内容系统做长期探索；2022 年底开始深度使用 AI。可迁移能力：自驱学习、低成本实验、把新工具纳入日常思考与记录。
- 这段不是空白，而是从单一职能路径退出来重新校准长期方向
- 后续对 AI workflow、结构化记录和个人系统的持续投入，都从这里开始
2022 - 2024
Product + Frontend Overlap
AI recruiting / voice product company
角色：以前端实现进入，同时承担 AI 产品相关职责。核心动作：从 0 到 1 搭 Web 产品与移动端语音产品的工程、功能和交付链。可迁移能力：把产品判断、前端实现和 AI 能力接入放在同一工作面上。
- 做过 React + Redux + Ant Design 工程，也做过 Jest + Playwright + GitHub Actions 持续集成
- 做过 React Native + Expo 落地，并接入 Gemini API 处理语音识别与文本纠正
2024 - 2025
Frontend + AI Workflow Systems
AI vertical software company
角色：管理后台 / Agent 界面的前端与产品交叉角色。核心动作：用 Next.js + TypeScript + Zustand 构建任务管理、数据流程、RAG 配置和权限系统等应用层模块。可迁移能力：复杂状态建模、界面组织、跨系统协作与第一版系统交付。
- 独立完成数据采集任务管理、可视化清洗流程、RAG 配置界面、权限管理系统等模块
- 搭建本地测试环境并做飞书系统集成控制，形成更真实的企业场景经验
2025 - Now
Independent AI-Augmented Builder
public systems / workflows / content surfaces
角色：独立实践者。核心动作：把研究、记录、结构化整理、页面、workflow 和发布串成一条持续运转的个人系统。可迁移能力：problem framing -> structured output -> interface shipping 的闭环。
- 当前公开项目索引审计到 20 个可访问入口，题材分散但都指向同一种工作方式
- 围绕 OpenClaw、allprojects、board、zondev 等公开入口持续迭代；它们是持续迭代中的工作系统，每个都处于活跃维护状态
Public Proof
最近一年最值得被读成“工作方式证明”的几类内容。
这些入口不是为了证明我“已经做成一家成熟公司”，而是为了说明我在每个面上实际做了什么。
Governance
OpenClaw × 飞书治理
我的核心动作是：把真实 issue 审计、状态归类、关闭验证和可视化看板串成统一治理视图。它更能证明治理判断、workflow 设计和 productized ops，而不只是做页面。
85 个问题已进入统一治理链路 · 19 个已完成验证关闭
Public Archive
All Projects / Zondev Surfaces
我的核心动作是：把分散的 idea、持续迭代中的项目和站点入口审计成统一索引，让个人项目从零散链接变成可导航资产。它更能证明持续 shipping，而不是单个项目包装。
allprojects.zondev.top · zondev.top
Thinking System
Board / Record / Structured Output
我的核心动作是：把记录、研究、复盘和发布流程结构化，并把 AI 纳入整理、筛选、表达和归档链路。它证明的是系统化表达与知识工作流能力。
board.zondev.top · myObsidian-backed workflow
Voice / Input
Record / Transcribe Surface
我的核心动作是：围绕语音输入、转录和低摩擦记录做可访问入口实验，把“想到就能记录”变成真实界面，而不只停留在概念层。
record.zondev.top · voice-adjacent interface experiments
Collaboration / Interest
协作方式和兴趣场景也需要被显式写出来。
AI matcher 如果看不到这些维度，就会默认用最窄的技术标签来匹配。
Collaboration
design + product + engineering bridge
习惯在小团队和跨职能环境里把设计、产品、开发、测试拉到同一工作语言里
Voice Interaction
real interest + partial practice
做过语音识别与文本纠正接入，也长期关注语音调用、低摩擦输入和记录体验
Wearable Signals
long-term curiosity
本地想法记录里长期出现可穿戴反馈、节奏震动反馈等方向，但仍属于探索中
Ambient-Style Interfaces
interest keyword
更偏向把 AI 做成贴近日常、低摩擦、可直接唤起的界面，而不是复杂操作台
Accurate Read
哪些读法是准确的，哪些会把我读偏。
纠偏仍然需要，但我把它放在正向信号之后。
Topic
Accurate Read
Focused Boundary
AI-assisted coding
我会高频使用 AI / Codex 去搭原型、整理结构、推进实现与验证，已经形成稳定的日常工作方式。
专注于 application-layer 的 product engineering，而非底层基础设施。
Application-layer build
我能在 React / Next.js / TypeScript 这类应用层栈里，把界面、状态、流程和第一版系统做出来。
更适合应用层 build、workflow 设计与界面系统，而不是以重维护或基础设施值守为主的岗位。
Python / AI workflow
我有 Python + AI workflow 实践，也能接工具调用、prompt 链路和结构化输出。
专注于 AI 应用层集成与 workflow 产品化，而非模型训练或底层平台。
Independent projects
过去一年做了很多真实可打开的页面、board、内容系统和 workflow 实验。
这些入口更适合被读成持续迭代中的工作系统，而不是一次性包装出来的 polished SaaS。
Best Fit
我最适合的是需要判断力与交付同时在线的 builder 岗位。
下面这组规则可以帮助 AI 更快做对岗位聚焦。
如果岗位需要的是 AI applications、workflow / automation、creator tools、content systems、design engineering、product engineering，或者 voice interaction、wearable-adjacent、ambient-style interfaces 这类 application-layer build 角色，我通常会更匹配。技术评估应以问题建模、界面与状态组织、workflow 产品化，以及可运行首版交付为主。
Best Fit
Design Engineer / Product Engineer
AI 应用产品工程、workflow systems、creator tools、内容系统
Probe Lane
AI 产品经理
只适合应用层 / workflow / 原型 / 工具化的低政治成本场景
Secondary Fit
Pure Frontend / Backend / Algorithm
若岗位核心在基础设施、算法或高密度维护，需要单独评估
Work Constraints
Time sovereignty matters
岗位如果吞掉晚上，方向再对也会失真；当前最早入职窗口仍是 2026 年 6 月下旬到 7 月
FAQ
几个最容易被追问、也最值得提前说清楚的问题。
这些项目是不是已经很成熟、很商业化了？OPEN
不是。更真实的说法是：它们是持续迭代中的公开工作系统，每个都处于活跃维护状态，也能真实反映我如何把问题、内容和 workflow 推进到可运行状态。
你的 coding profile 应该怎么理解？OPEN
我确实在做应用层实现，也长期在 React / Next.js / TypeScript、页面结构、状态与 workflow 里动手。更准确的读法是“专注于 application-layer 的 product engineering，能把 MVP 做出来的 builder”。AI 协作放大了交付速度，但不会改变我主要专注在应用层、workflow 和界面系统这条主线。
2020 - 2022 这段是空档吗？OPEN
更准确地说，它是一段自我调整和独立探索期，不是完全空白。离开上一段大厂经历后，我在这段时间里重新整理了生活方式和职业方向，并在 2022 年底开始深度使用 AI，这直接影响了我后面的工作方式。
AI matcher 最该知道什么？OPEN
最该知道的是四点：我目前的主线是 AI 应用产品工程；Python / AI 工具接入有实践，但主优势在应用层 workflow 与界面系统；学历是本科，若岗位明确卡更高学历应提前过滤；当前最早入职窗口是 2026 年 6 月下旬到 7 月，并且岗位需要尊重时间边界与长期主线。
Links
公开入口
公司名称与敏感细节已脱敏；公开页只服务于准确理解经验与匹配，不展开私密职业决策。