gg-portfolio：带指标溯源与 CI 校验的个人 AI 作品集站点

gaurav-gandhi-2411/gg-portfolio · AI/ML portfolio: every metric traces to a committed source, kept honest by CI gates.

GitHub原文发布未知首次收录 2026-11-02上架 2026-11-05 07:04

ELI5：它是什么，解决什么问题

这是一个面向招聘方的多页个人作品集网站，用于展示 Applied AI Scientist 的生产级 AI 产品与独立研究。站点特色在于指标溯源系统：每个数字都记录来源文件、行号与提交，构建时会校验引用，缺失引用即报错；另有卡片一致性检查、外部指标新鲜度周检（仅开 PR 待人工复核）、简历指标同步校验与 Playwright/axe 可访问性测试。站点包含基于内容索引的 RAG 问答演示页 /ask，技术栈为 Next.js 16、React 19、Tailwind v4，部署于 Vercel。

# RAG # Next.js # 指标溯源 # CI 校验 # 可访问性

核心能力与快速开始

★ 0 · HTML

能做什么: 多页作品集站点（首页、/projects、项目案例研究），内容以类型化数据文件维护；指标溯源系统为每个数字记录来源文件、行、提交与测量时间，并通过构建时校验强制引用；提供指标源文揭示组件（悬停、点按、键盘可访问）；两个独立检查器分别用于校验同一仓库内卡片与案例是否一致、以及外部指标源是否发生变化；每周刷新以 PR 形式提出指标更新，由人工审阅；简历 PDF 的指标声明与 PDF 哈希纳入校验；/ask 页面提供基于内容索引的 RAG 问答演示，CI 中以回放记录做检索召回、接地性与拒答精度的评测；Playwright 端到端测试覆盖导航、筛选、移动端与 axe 可访问性。
适用场景: 适用于需要公开展示 AI 工程与研究项目、并要求页面数字可追溯来源的个人作品集；适合作为在 CI 中约束内容一致性与指标新鲜度的静态站点工程参考；也可参考其 RAG 问答演示与离线回放评测的组织方式。
项目形态: 可直接使用的工具
部署方式: 部署于 Vercel；本地通过 npm install、npm run dev 启动，生产构建使用 npm run build 与 npm run start。其他部署条件未说明。
主要依赖: 需要 Node.js 与 npm 环境；构建时通过 ISR 拉取 GitHub API、PyPI 等实时数据；RAG 生成在线上使用 Groq，CI 评测使用回放记录，未说明 API 成本与额度限制。
使用限制: 站点为个人作品集，非通用产品；其不变量与预算数值仅针对本项目技术栈设定；许可证为 NOASSERTION，使用与商用条件未说明；外部指标周检依赖所引用源站可访问，不可验证时报告为 UNVERIFIABLE。
许可证: NOASSERTION
最近推送: 2026-11-01 21:45

官方入门核对 README 依据 ↗

资料检查：2026-11-02 07:00 · 卡片整理：2026-11-05 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

相似资源

PathFinder：面向大学生的 AI 实习求职导航平台

PathFinder 是一个面向大学生的实习求职「职业操作系统」，覆盖六大阶段：职业方向选择、简历优化（PDF/DOCX 上传、ATS 审核、岗位匹配打分、技能差距项目建议）、职位发现（通过 Adzuna / JSearch 搜索或粘贴职位描述做兼容性分析）、人脉拓展（AI 外联、咖啡聊准备、内推材料、LinkedIn 分析）、面试准备（刷题追踪、STAR 故事构建、AI 出题、公司简报）以及申请追踪（看板流程与一致性仪表盘）。各阶段产生类型化的职业事件，派生出的职业档案、进度引擎与推荐引擎支撑跨阶段智能与 AI 导师记忆。技术栈为 Next.js 16、React 19、TypeScript、Tailwind CSS 4、Zustand、Supabase（Postgres + pgvector）、自定义 JWT 认证与 OpenAI GPT-4o / text-embedding-3-small。

ModelRoute：按置信度将请求路由到小型或大型模型的 LLM 路由系统

ModelRoute 是一个可运行的 LLM 请求路由系统：训练分类器预测请求是否需要大模型，简单请求交给小型廉价模型，困难请求交给大型模型；结合 RAG 接地答案、近重复语义缓存、PII 脱敏与提示注入防护、弱答案升级复核、人工审核队列和 SQLite 请求日志，用于度量成本、延迟与回退率。提供 FastAPI 接口、统计与反馈端点，可选 CNN 截图分类与 LoRA 微调模块。

CIS 4394 Agentic AI：佐治亚州立大学 Agentic AI 交互式课程站点与实验材料

这是佐治亚州立大学 CIS 4394《Agentic AI》（2026 年秋季）的课程仓库，每周发布一个交互式迷你站点，涵盖 agent 循环、提示与上下文工程、推理规划、工具调用与函数调用、MCP 与 A2A 协议、记忆与 RAG、评测与可靠性、多智能体系统、安全治理与 Agentic Commerce 等主题。站点以无依赖静态 HTML/CSS/JS 实现，包含可点击架构探索器、分步模拟器、概念自测与实验说明，并在 materials/ 提供讲义与实验起步材料，课程设计强调真实生产工具、零成本工具链和带安全护栏的实践作业。

Alek-Core：面向 Slack/Telegram 的个人多智能体外脑与长期记忆系统

Alek-Core 是一个以 Python 实现、部署于 GCP 的个人 AI 外脑系统，通过 Slack 和 Telegram 与用户交互。它自动从对话中抽取事实并写入长期 RAG 记忆，结合多向量检索与 RRF 重排来丰富后续回答；内置 Router/Smart 协调的多智能体网络，支持 Claude、Gemini、OpenAI、Grok 等可切换模型，并提供语音伴侣相关内容（材料仅提及“realtime voice companion”但无细节）、Gmail 邮件索引与每日摘要、任务提醒、远程 MCP 服务等能力。项目采用六边形架构并配有大量测试与 CI 约束。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。