AI Engineering
从模型能力到可评估的产品闭环
LLM ApplicationsAgent WorkflowsRAGPrompt EngineeringEvaluation
01 / About
把模型能力变成可靠产品
我关注如何把模型能力转化为稳定、可观测、可维护的产品，并在效果、延迟与工程复杂度之间做出清晰取舍。
我希望参与的不只是模型调用，而是从问题定义、工作流设计、服务实现到效果评估的完整工程过程。
- BUILD
- 清晰的模块边界
- MEASURE
- 可验证的质量指标
- ITERATE
- 可持续的交付节奏
02 / Skills
面向生产环境的技术栈
能力围绕 AI 应用的完整交付链路展开，而不是孤立的工具清单。
Backend
面向真实负载的服务与系统设计
PythonFastAPIREST APIAsync ProcessingSystem Design
Infrastructure
让应用可部署、可观察、可迭代
DockerCloudflareCI/CDObservabilityGit
03 / Projects
代表项目
从 Agent 系统到知识检索，关注架构边界、可观测性与真实使用体验。
01Multi-Agent Simulation
MarketSim
面向复杂市场场景的多智能体模拟系统，用可配置角色与事件驱动流程观察策略互动和群体行为。
- 将参与者、环境与策略拆分为可组合的 Agent 模块。
- 通过事件轨迹记录关键决策，便于调试与复盘。
- 为长时运行任务设计异步执行与状态管理边界。
PythonFastAPILangGraphRedisDocker
02Retrieval-Augmented Generation
RAG Knowledge Base
面向团队知识检索的 RAG 应用，覆盖文档处理、混合检索、引用回答与效果评估流程。
- 设计可替换的切分、索引与检索管线。
- 在回答中保留来源引用，降低不可验证内容的风险。
- 以离线评估集检查召回质量与回答相关性。
PythonFastAPILangChainQdrantDocker
Coming Soon
04 / Contact
期待参与真正落地的 AI 产品
如果你正在构建 Agent、RAG 或 AI-native backend，欢迎联系我。