详细案例

AI Frontend Architecture / Verification Loop

我擅长把复杂业务问题，沉淀成可复用的工程能力。

当 AI 或跨职能团队参与生产，技术负责人不只是交付功能，还要把能力沉淀下来，并建立检验产出准确性的闭环。

RaTeXAI 输出的原生公式展示猿辅导互动课件规模化生产
ChatGPT 输出中的化学结构和公式示例
ChatGPT 示例：AI 输出会自然包含公式、结构和符号。
Qianwen 输出中的 LaTeX 公式示例
Qianwen 示例：公式不是边缘内容，而是 AI 产品的常见输出形态。

Case 01 / RaTeX

从 AI 输出的原生公式展示缺口，到跨平台开源基础设施。

现阶段 AI 输出展示的原生方案里，公式渲染仍是缺失的一环。RaTeX 解决的是从模型输出到原生呈现的落地能力。

看见问题

AI 输出会自然包含公式，但原生端缺少稳定、轻量的展示方案。

技术判断

公式渲染是现阶段 AI 输出原生展示方案里缺失的一环。

验证闭环

用 fixture、benchmark、视觉 diff 和真实样例检验渲染结果是否正确。

结果证明

RaTeX 获得 1.3k+ GitHub Stars、Hacker News Top 5，并被外部团队接入。

1.3k+GitHub Stars
Top 5Hacker News
跨平台原生公式渲染
查看 RaTeX 详情GitHub

Case 02 / 猿辅导

从复杂互动课件交付，到可规模化生产的内容链路。

动效负责表现层，技术负责生产链路和验收标准。只有产出可检验，协作才能规模化。

看见问题

互动课件快速扩展后，复杂动画和题型不能长期依赖定制开发。

技术判断

关键是把互动内容变成产品、动效、技术可持续协作的生产链路。

验证闭环

用规范和自动化检查校验动效产出的关键帧、节点状态和播放约束。

结果证明

支撑千万级日加载，首载压到 0.5s 级，覆盖 250 人协作规模。

千万级WebApp 日加载
0.5s 级Cocos 首次加载
250 人生产协作规模
共同方法：不只关注谁来生产，更关注如何证明产出是对的。