这是当前关注方向。
当前聚焦
AI 技术的工程化落地。 AI模型是大厂的事情，中小企业更多的是思考如何使用AI?
我的视角是后端工程师的视角：如何用AI给个人和企业赋能？。
正在探索
- Agent系统的编排：传统 workflow 的每个节点理论上都可以 AI 化；我更关心怎样把状态机、任务流、重试补偿、超时并发和回滚机制真正跑稳。
- 人机协作的工作流设计：哪些环节必须人来兜底，哪些可以自动化？核心是审核节点、升级机制、人工接管和责任边界。
- 数据与知识治理：知识库如何持续更新且不失真？我在持续优化数据质量、权限分层和生命周期管理。
- 记忆与检索效果：Agent 如何又快又好地记住一个人的历史知识？当前主要围绕 RAG、会话记忆分层、长期画像和检索质量评估。
- 可观测与评估：怎么判断系统是真的变好，而不是“看起来能跑”？我会盯 trace、延迟/失败率、离线评测、线上 A/B 和回归门禁。
- AI 成本工程：怎样在效果不明显退化的前提下降低成本？重点是模型路由、缓存、批处理和小模型兜底。
- AI产品化表达：技术成果如何让业务听得懂、愿意用？我会把过程沉淀成问题定义、业务指标、案例包装和复盘模板。
- AI应用落地观察：持续跟踪 AI 在不同行业的真实落地进展，重点关注可复制场景、ROI、失败模式与组织阻力。
职业与成长
- 探索职业生涯的新方向。软件工程师这个身份之外，还有哪些可能性？创业？转行？
- 坚持长期主义。用正确的方式，做正确的事情，尽可能能复利，前提是身体要健康
- 终身成长。学习是终身的事情，保持平常心和耐心, 读书、折腾新技术、跟更优秀的人对话