从建筑设计
到 AI 工程。
我是一名专注于 AI 应用与 Agent 工程的开发者。我围绕真实工作流构建 AI 系统——Agent、检索、工具、评测与交付。
现在的我
- 2023开始系统接触生成式 AI 与大模型。
- 2024AI 应用开发与 AI 培训。
- 2025在面向生产的场景中从事 AI 开发。
- 2026Agent 工程 / RAG 评测 / AI Coding / 开源。
除了个人项目，我也持续通过自主开源项目和上游 Pull Request 参与公开软件协作。开源项目与贡献
- AI Agent
- RAG
- LLM Workflow
- 企业知识库
- AI Tool Calling
- Local-first AI
- AI Coding Agent
- AI 产品工程
我如何构建 AI 产品
01. 先问题，后模型
先解决业务问题，再选择模型。
02. 先 Workflow，后 Agent
能用 Workflow 解决的问题，不一定需要 Agent。自主性是成本，不是功能。
03. 检索必须评测
RAG 不等于接一个向量数据库。检索必须评测。
04. 证据优先
没有足够 Evidence 时，AI 不应该假装知道答案。
05. Demo 只是开始
生产级 AI 还需要：
- State
- Evaluation
- Testing
- Error Handling
- Privacy
- UI
- Delivery
不只是调用模型。
我的关注点不只是调用模型 API，而是完整的应用链路——从用户的工作流，到评测、界面与交付。
建筑设计训练让我学会如何拆解复杂问题。
我本科学的是建筑学。AI 工程给了我新的方式去构建解决方案。
- 01复杂约束
- 02系统思维
- 03信息层级
- 04视觉表达
- 05设计迭代
建筑背景体现在我组织系统的方式上，而工作本身是 AI 工程。
Architecture × AI
持续探索 AI 在建筑设计流程中的应用——从分析图到设计文本。
- 01AI 建筑分析图
- 02AI 概念分析
- 03建筑可视化
- 04ComfyUI 工作流
- 05AI 设计文本
- 06CAD / SketchUp / AI 工作流
常用技术
AI 应用
- LLM Application
- AI Agent
- RAG
- Knowledge Base
- Prompt Engineering
- Tool Calling
- Workflow Design
- Human-in-the-loop
- Retrieval Evaluation
框架
- Dify
- Coze
- LangChain
- smolagents
模型 / API
- DeepSeek
- Qwen
- DashScope
- SiliconFlow
检索
- FAISS
- BM25
- BAAI / bge-m3
- text-embedding-v3
工程
- Python
- Git
- pytest
- ruff
- REST API
- JSON / Structured Output
AI 编程
- Claude Code
- OpenAI Codex