AI Systems · Agent Engineering · Technical Leadership
Bing
从模型能力到生产系统
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。
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。
-
技术领导力
连接业务目标、技术路线与团队交付，在复杂约束中作出判断。
Selected Work
全部项目- 2026
弼马温
Moto Agent
基于 Telegram 的摩托车油耗管理机器人，支持自然语言记录、多车油耗追踪和定时提醒，后台基于 Cloudflare Workers + D1。
- 2026
IssuePilot
Multi-Agent Workflow
多智能体 GitHub Issue 自动化开发流水线，自动抓取 Issue、AI 评估价值、多 Agent 协作完成开发自测评审，自动提交 PR。
- 2026
AI 资讯
AI News Timeline
每日 AI 新闻时间线聚合，自动抓取 Anthropic、OpenAI、Google Gemini / DeepMind 四大源，零后端部署。
Selected Writing
全部文章- Agent 架构
弼马温实战：从零构建一个 Telegram AI Agent 摩托车油耗管家
自研 Agent Loop、分级模型路由、六边形架构——一个生产级 Telegram Bot 从 0 到 1 的完整技术拆解。
- 技术领导力
知识密集型行业的 AI Agent 落地陷阱
法律、医疗、金融等知识密集型行业的 Agent 落地六大陷阱——幻觉责任归属、知识时效性、数据隔离、监管合规等。
- Agent 架构
AI Agent 的边界：哪些问题值得用 Agent，哪些不需要
一个二维决策框架帮你判断：规则引擎、传统代码还是 AI Agent？以及 5 种不值得用 Agent 的场景。
- 技术领导力
企业系统接入 AI Agent 的架构演进路径
旁路 Agent → 嵌入 Agent → 协同 Agent 三阶段渐进式演进策略，避免大爆炸改造。
判断与原则
- 不为使用 AI 而使用 AI。
- 系统的可控性和可观测性，通常比自动化程度更重要。
- 架构的价值，是帮助团队持续作出更好的技术决策。