Zyaisoft
AI 工程与产品工作室

把不确定的 AI,做成能交付的产品

我们做三件事:把模型能力落成真正能用的产品、把重复劳动交给自动化、把散落的信息整理成可检索的资产。从需求、设计、实现,到部署与运维,整条交付链自己走完。

01产品矩阵

五个已经在跑的产品

每个产品一个独立域名、一套独立站点,入口都在这里。它们解决的问题各不相同,但共用同一套工程标准:可读的界面、明确的边界、可回滚的发布。

已上线

知赛AICompetitionHub

AI 竞赛信息,一处看全

把散落在几十个官网、公众号和群聊里的 AI 竞赛信息收拢成一份可筛选、可订阅、可提醒的清单,把「找比赛」从体力活变成一次检索。

  • 多源聚合与去重
  • 按赛道、规模、截止时间筛选
  • 订阅与截止提醒
  • 收藏与项目工作区
技术资料站

MicroduckMicroduck Guide

开源机器鸭的中英双语技术站

围绕开源双足机器人 Microduck 整理的双语技术资料:硬件规格、软件架构、sim-to-real 训练管线与 OTA 更新流程,中文讲透,断网也能读。本站为第三方技术介绍站。

  • 硬件与软件架构逐层拆解
  • 训练到部署的完整链路
  • 中英文各一份完整内容
  • 官方资料与报道来源索引
内测中

易动画EasyAnimate

一句话生成动画与视频

把「做一段能播的动画」从剪辑软件里搬回浏览器。用一句话描述想讲什么,剩下的交给它,出来的片子直接能发。想改文案、调节奏、改长短,改哪一项就动哪一项,不用整段重做。

  • 不用装软件,浏览器里直接用
  • 一句话描述就能开始
  • 不满意就改,不用重做
  • 现成模板覆盖教学、产品、数据、娱乐
内测中

AgentLinkAgentLink

离开电脑,会话还在手上

编码 Agent 在你自己的电脑上跑,却要你一直守着:等确认、等补充、等点头。AgentLink 把这条线接到手机上,离开工位也能看进度、接着输入、处理审批,回电脑接着干。

  • 手机接着干
  • 审批随手处理
  • 端到端加密
  • 多个 Agent 一个入口
已上线

发题帮TiKu

上传资料,秒变题库

手上已有的资料——PDF、Word、扫描件、拍下来的照片——上传进去自动拆成一道道题,题干、选项、答案、解析各归各位。之后能刷题、模拟考试、把题库分享给学生或同事,不用再一道一道往里敲。

  • PDF / Word / 图片 / 扫描件都能传
  • 拆完逐题校对,改不动的地方让 AI 重写
  • 刷题、模拟考试、成绩报告
  • 题库分享给好友,一条链接最多 100 人
02能力

我们实际交付什么

产品设计与前端工程

从信息架构、视觉系统到响应式实现。技术栈按目标选:Vue 3、Astro,或零依赖的原生 ES 模块加静态预渲染。

后端服务与接口契约

Node 服务、REST 与 JSON-RPC 契约、SQLite 与 PostgreSQL 持久化。先定接口再写实现,避免前后端各自猜字段。

AI 集成与本地推理

接入本地模型与云端模型,做结构化输出、失败降级与调用可观测。能用本地模型解决的不往云端送。

自动化与系统集成

Playwright 浏览器自动化、多线程任务调度、云主机与实例编排,把人工点击的流程变成可重跑的脚本。

信息聚合与数据管线

多源采集、去重、增量更新与检索。先把口径统一,再谈自动化,否则只是在更快地产生脏数据。

部署与运维

Docker Compose 编排、Nginx 统一入口、静态与动态站混合部署,配套访问日志、流量报表与事件埋点。

03技术栈

选型清单

各层当前实际使用的技术,随项目需要替换

层选型
前端Vue 3 · Vite · Astro · 原生 ES 模块 + 静态预渲染
后端Node.js 22 · REST / JSON-RPC · SQLite · PostgreSQL
AI本地推理(LM Studio / ONNX Runtime)· 结构化输出 · 多模型路由
自动化Playwright · 多线程任务调度 · 云服务 API 编排
部署Docker Compose · Nginx 反向代理 · 只读静态挂载
可观测访问日志 · GoAccess 流量报表 · 自建事件埋点
04工作方式

四步交付

  1. 先定边界。 明确要解决什么、不做什么,以及什么算验收通过。
  2. 再出可点的原型。 用最少的界面把主流程跑通,让问题在便宜的时候暴露。
  3. 然后补齐工程。 数据校验、错误处理、部署脚本、监控与回滚路径。
  4. 持续小步迭代。 每次发布都可回滚,改坏了能在几分钟内回到上一版。
05联系

聊聊你的问题

不管是想做一个新产品,还是想给现有的流程做自动化,都欢迎直接说明场景。带着具体问题来,比带着一句「想做 AI」有效得多。