Simple over clever
选择能被团队理解、维护和恢复的方案,不用复杂度证明技术。
以 Java 后端为基础,向平台工程、DevOps 与 AI Engineering 延伸。关注从代码、交付到运行和恢复的完整链路。
服务边界、数据一致性、幂等、日志追踪与可扩展性。
我是一名偏后端、系统架构、DevOps 与 AI 工程化的软件开发工程师。相比完成单一需求,我更在意系统为什么稳定、如何演进,以及团队能否复用这次解决问题的方法。
选择能被团队理解、维护和恢复的方案,不用复杂度证明技术。
把重复工作沉淀成工具、配置、流程与平台能力。
让系统知道自己是否正常,并为故障保留可诊断、可回滚的路径。
从业务代码到稳定运行,再到 AI 进入研发与企业系统。
构建企业级服务,处理服务边界、数据一致性、并发、幂等与系统集成。
把一次性实现提炼为可配置、可扩展、能被团队复用的平台能力。
贯通构建、镜像、发布、监控与恢复,让交付过程可重复、可追踪。
探索 Agent、RAG、MCP 与 Skills 如何进入真实研发流程和企业工具链。
以下是长期参与和持续积累的技术主题。具体案例会在完成脱敏后逐步补充。
权限、日志、配置、监控与可复用组件,让业务系统拥有一致的工程底座。
围绕库存、质检、生产、报表与数据同步,处理跨系统业务的一致性。
从代码提交到镜像、部署、监控和回滚,减少交付中的人工断点。
把知识、工作流、工具调用与工程上下文连接起来,让 AI 真正执行任务。
当前重点研究 Agent Runtime、MCP、Skills 与 Context Engineering,探索能够同时服务“人”和“AI Agent”的企业软件基础设施。
在 GitHub 查看实验比起重复基础教程,我更想记录那些需要日志、SQL、网络与运行时证据才能解释清楚的问题。
热爱科技、音乐和未知的事情。旧站的随机标签也被保留了下来——它不参与能力评分,只负责让这张技术名片多一点人味。希望能与你在比特之海的繁星之下相见。
欢迎交流后端、平台工程、DevOps、AI Agent,以及那些一时解释不清楚的工程现场。