Bing

Think · Build · Deliver

I'm Bing.

让 AI 能力进入真实系统。

专注 AI Agent、大模型应用架构与工程化交付。

关注系统边界、技术取舍、团队协作与长期演进。

查看实践 阅读文章

我关注的事情

  • AI 系统架构

    设计模型、Agent、数据与企业系统之间清晰可靠的协作关系。

  • Agent 工程化

    让 Agent 具备可评估、可观测、可控制和可持续演进的能力。

  • 技术决策与交付

    连接业务目标、技术路线与团队协作，把复杂问题推进为可验证、可持续的交付结果。

项目实践

全部项目

  1. 弼马温

    Moto Agent

    以自然语言驱动车辆数据管理的 AI Agent，围绕意图理解、工具调用、模型路由与确定性规则构建可控的生产架构。

    Agent 架构 · 工具调用

  2. IssuePilot

    Multi-Agent Workflow

    面向软件研发全流程的多 Agent 协作系统，以角色分工、状态机、人工 Gate 与隔离执行实现从 Issue 评估到 PR 交付的可控自动化。

    Multi-Agent · Workflow

  3. AI 资讯

    AI News Timeline

    面向 AI 从业者的可信信息聚合系统，以官方来源筛选、自动化采集与结构化时间线降低持续跟踪行业动态的成本。

    信息聚合 · 自动化流水线

技术写作

全部文章

  1. 弼马温实战：从零构建一个 AI Agent 摩托车油耗管家

    以弼马温为案例，拆解 Agent Loop、工具契约、分级模型路由与六边形架构，说明如何把自然语言能力交付为可控的生产系统。

    Agent 架构

  2. 知识密集型行业的 AI Agent 落地陷阱

    从责任边界、知识治理、数据隔离与监管合规出发，分析高风险行业如何控制 Agent 幻觉、权限和决策风险。

    技术领导力

  3. AI Agent 的边界：哪些问题值得用 Agent，哪些不需要

    用任务不确定性与环境动态性建立选型框架，判断何时采用规则、传统代码或 Agent，并识别不该交给模型的系统边界。

    Agent 架构

  4. 企业系统接入 AI Agent 的架构演进路径

    以旁路、嵌入、协同三阶段规划企业 Agent 演进，在复用存量能力的同时逐步建立权限、治理与组织协作机制。

    技术领导力

判断与原则

  1. 不为使用 AI 而使用 AI。
  2. 系统的可控性和可观测性，通常比自动化程度更重要。
  3. 架构的价值，是帮助团队持续作出更好的技术决策。