AI Agent Engineer / Backend Engineer / System Builder
把复杂系统整理成可持续演进的工程能力。
孔，后端工程师。关注把 Agent 从“能对话”做成“能协作、能沉淀、能演进”的工程系统，以及面向真实工程场景的上下文治理、工具权限与稳定性交付。
Note
本网站由 AI 生成并持续维护，从内容到搭建基本都可以自动化完成。
Agent是一套包含路由、记忆、上下文压缩、检索增强、工具协议和可观测性的系统能力。
我的重点是把这些能力沉淀进日常工程工作流，让系统在复杂需求下依然保持正确率、边界清晰和长期可维护性。
About
长期可维护的工程系统。
Focus
我会把 Agent 框架拆成角色路由、模型编排、记忆、工具、检索、执行状态和可观测性几层来理解，而不是只停留在“用过哪个框架”。
Works
我会先拆清系统里哪些信息该进入 prompt、哪些该进入 memory、哪些该进入检索、哪些必须走工具调用；上下文满了以后，优先保留任务目标、当前约束、已验证事实和关键中间结论。
工作方式
把复杂度分配到合适层次里，避免把所有问题都塞进一段长 prompt。
Engineering Lens
我做的是工程型 Agent。
在实际项目里，我会同时关注 Agent 框架选型、Memory 分层、上下文压缩策略、MCP 工具协议、Skill 渐进式披露和 FastAPI 服务化，把这些能力组合成可运行、可扩展、可验证的工程系统。
Journey
教育与职业经历
字节跳动 · 软件架构工程师
华为技术有限公司 · 软件开发工程师
参与电信计费系统开发与维护，处理高准确性和长链路稳定性问题。
天津大学 · 计算机科学与技术
本科毕业，建立了系统化的软件工程基础。
Projects
项目
目标不是做一个单体聊天机器人，而是基于Openclaw和飞书 Bot 演进成多角色协作系统：包含角色路由、会话隔离、工具权限控制、Skill 按需加载和服务化 API 接入。
我在系统里引入短期会话记忆、长期知识记忆和检索增强链路，并针对上下文窗口限制设计压缩策略，优先保留任务目标、关键事实。
把 OpenClaw 用作日常工程协作工具，不只停留在代码生成，而是把需求拆解、上下文管理、工具调用和结果整合串成稳定流程。
我认为它的亮点不只是“能调模型”，而是在 Agent 级别把任务分工、工具边界、工作区协同和开发者体验做了统一抽象，适合把 AI 真正纳入工程生产过程。
面对业务规则持续增长，我优先处理抽象层、调度边界和平台能力复用，把配置、执行、观测拆开，避免系统持续堆叠临时逻辑。
在搜索推荐场景中积累了对召回、排序、索引和反馈链路的理解，这让我在实现 RAG 时，更重视召回质量、切片策略、重排和答案引用，而不是只做一个向量库接入。
Craft
技术栈与工程偏好
点击切换。
Skill console
Agent systems, built as composable infrastructure.
我熟悉 Agent 框架的常见组成方式，也会从运行时组件角度理解它们：角色编排、状态存储、记忆管理、工具接入、检索增强、协议扩展和服务承载，而不是只停留在“会用某个 SDK”。
Live
当前关注
今日关键词
Signal Density
高质量上下文不是越多越好，而是目标清晰、事实可信、噪音足够少。
工作原则
Keep the right facts in context.
Resume
下载简历
骗你的，我还没更新PDF简历