先验证,再扩展。
从主链路和最小可运行方案开始,先确认价值与失败边界,再增加架构复杂度。
一名拥有十余年经验的软件工程师。
专注后端、平台与 AI 工程,也在代码之外,
探索投资研究与骑行的乐趣。
我的工作横跨后端开发、平台工程和 AI 应用落地。做过医疗 SaaS,也参与法律 AI 平台建设。我关注技术如何解决真实问题,以及系统在复杂环境下如何保持可靠、可验证、可维护。
从长期服务客户的 SaaS 系统,到快速演进的 AI 平台,持续连接业务需求、技术实现与团队协作。
参与法律 AI 平台的研发与建设,在团队从 3 人发展到 9 人的过程中积累平台建设和协作经验,探索大模型能力在专业业务场景中的落地。
实践关键词:AI 平台 · 专业场景 · 工程落地参与医疗 SaaS 的研发与交付,服务 80 余家客户;经历长周期项目的需求协调、系统交付与持续维护,并有协调 12 人团队的实践经验。
实践关键词:企业服务 · 长周期交付 · 系统维护负责跨境支付、KYC 风控、智能投顾等金融科技系统研发与团队管理,承担核心系统架构设计、项目交付和稳定性保障。
负责游戏平台系统部署、服务维护、数据库运维、自动化运维和高可用体系建设,保障平台日常及业务高峰期稳定运行。
持续投入 Agent 可靠性、LLM 评估与 AI 系统架构。通过小规模实验、明确的验收标准和失败案例,检验工程判断。
技术服务真实目标。我更在意一个方案是否能被验证、运行和维护,以及下一步投入能带来多少新证据。
从主链路和最小可运行方案开始,先确认价值与失败边界,再增加架构复杂度。
关注超时、重试、幂等、循环上限和可观测性。用明确的验收标准检验系统行为。
重视基准、样本外结果和反例;为实验设定投入上限与停止条件,避免为了完善而无限扩张。
用短周期实测积累答案。
工具调用超时后重试,如何避免重复副作用?
如何区分检索错误、生成错误与证据不足?金融事件研究怎样控制数据泄漏与回测偏差?
一个结论依赖哪些假设?什么证据出现时,应该停止或改变方向?
喜欢动手验证一个想法,也喜欢在日常里发现新的视角。
关注 Agent、RAG 与模型评测。把抽象概念变成小实验,在失败案例中理解系统的边界。
研究长期资产配置与市场机制。重视证据、风险与证伪,练习在不确定性下作出有纪律的决策。
单程四十多分钟的通勤骑行,是日常运动,也是与城市相处的方式。冬天也继续骑,让身体活动起来,给思考留一点空间。
折腾 Linux、家庭网络与自托管服务,从透明网关到 Cloudflare Tunnel。把基础设施变成可以亲手理解的小系统。
喜欢深烘咖啡,用磨豆机和滴滤咖啡机做日常的一杯。在简单、可重复的小事里,保留一点自己的节奏。
关注 AI 平台、Agent 可靠性、评估与后端系统。