专注 AI 应用工程、Agent、RAG 与多模态系统。
关注如何把模型能力真正变成可以
运行、验证、部署和持续迭代的产品。
"Building practical AI systems with LLMs, Agents, RAG and Multimodal AI."
真实构建中的 AI 系统，不是 Demo。
面向消防法规、监督检查与专业文书场景的 AI 智能平台。围绕 Agent Runtime、Tool Core、Advanced RAG、Evidence、Task、Memory、Verification 和 Observability 模块设计。
针对工业产品 PDF 中复杂表格、分栏、竖排文字、合并单元格、产品图和三视图，探索纯视觉或视觉优先的 RAG 架构。核心思路：让模型直接从页面视觉信息中检索与理解，而非依赖 OCR → Markdown 的脆弱链路。
针对法规和专业文档构建命题级知识提取流水线。不按固定 token 切分，而是从 Parent Chunk 中提取可独立验证的知识命题，保留 Source Quote、Conditions、Exceptions 等元信息，并设计自动评估机制判断文档质量与处理路径。
轻量级 macOS 原生工具，通过系统语音识别将自然语言快速转成适合 Claude Code、Codex 等 AI Coding Agent 的结构化 Prompt。Native Swift、低内存占用、无本地 STT 模型依赖。
探索使用自托管 Hermes Agent 作为长期运行的 AI 调度中枢。Hermes 负责接收任务、理解意图、Prompt Processing、Tool Routing，并调度 Claude Code / Codex 等 Coding Worker 执行具体编码工作。
A production-oriented AI Agent + RAG system for fire regulation intelligence. 目前正在持续开发和迭代。
"I'm particularly interested in the infrastructure between models and real-world applications."
技术栈按实际使用场景分类，不是技能清单的堆砌。
我是一个偏工程实践型的 AI 开发者。
相比单纯调用模型 API，我更关注完整 AI 系统的设计——从数据处理、知识库、检索、模型、Agent、工具调用，到任务调度、验证、可观测性，再到前后端和部署。
目前主要使用 Python、FastAPI、PyTorch 构建 AI 应用，同时持续研究 Agent、RAG、多模态模型和 AI Coding Agent。
正在开发多个覆盖 Agent Runtime、Visual RAG、知识工程和 macOS 工具的真实项目。
"Models are only one part of an AI system."
一个能真正运行的 AI 系统需要考虑的远不止模型本身——数据流、检索质量、工具链、任务编排、验证反馈，以及最终的用户体验。
技术笔记、项目复盘和实践思考。更多内容即将发布。
Interested in AI Engineering, RAG, Agents or Multimodal AI? Let's connect. 欢迎交流。