01
商务智能分析 Agent
自然语言到图文报告，一人独立交付
感知—规划—执行—反思四阶段状态机：业务人员用自然语言提需求，系统完成澄清、规划、并行查询，交付图文 / PPT / DOCX 报告。经多轮质量迭代与线上巡检，沉淀出一套以确定性优先、eval 把关的智能体工程方法论。
LangGraphFastAPIReact 19Eval 驱动
15年
大数据与 AI 实战
6个
已上线个人产品
10+
企业级 AI 项目落地
数千人
单场培训覆盖
01 / PROFILE
关于我
从 2012 年起，我做过互联网离线计算平台、广告大数据、智能运维和数字化运营平台；现在的角色是 AI 架构师，主导跨业务场景的智能体系统架构设计与落地。
我写三类东西：Agent 工程的实操方法，工业重场景里 AI 落地的真实边界，大组织做 AI 的非技术路径。此外，我做过几十场企业级 AI 培训与分享，单场覆盖数千人规模。
> STACK
Agent 工程 · HarnessContext EngineeringEval 驱动开发LangGraph · 多智能体RAG · LlamaIndexSpark · Hive 大数据FastAPI · PythonNext.js · React企业 AI 培训
> TRACK
2012—2016大数据平台 · 离线计算 · 广告计算 · 核心指标体系
2016—2018人工智能中台 · 多行业头部客户的运维平台产品
2018—2025数字化运营平台 · 统一门户 · RAG 知识问答 · 智能客服
2025——AI 智能体平台 · 跨业务场景的 Agent 架构设计与落地
02 / LIVE PRODUCTS
线上产品
六个已上线、可点开试用的产品。全部独立完成——产品、开发、部署、运维。
03 / ENTERPRISE ENGINEERING
企业级工程
企业内的工作没有公开链接，只讲能讲的：方法与数字。
02
数据问答智能体
以测试集驱动，把准确率做到可用
以一组常见问题为测试集，经多轮端到端验证把准确率从不可用提升到可用水平。AI 问数最难的不是取数，是澄清——先搞清楚口径和边界，再动手。
数据智能体测试集驱动多轮迭代
03
资源调度优化引擎
AI + 运筹，调度算法落地
大型作业场景的资源统筹与冲突解决：多类设备逐时计划，提示词演化 + evaluator 驱动的算法迭代。从立项到落地全程主导。
运筹优化提示词演化联合研发
04
集团级智能化战略规划
从需求梳理到关键技术清单
完成集团层面的智能化需求梳理，收敛为一份关键技术清单，经集团讨论达成一致认可。大组织做 AI，规划先于工具。
战略规划需求工程集团级
04 / THESES
真正的范式不在技术，在人
技术每年都在换代，把信念押在某个具体技术上，它迟早随那个技术一起过时。真正恒定的范式不在技术那一侧，在人这一侧。
01
AI 应当人人可用，而不是少数人的技术特权
AI 的价值不在于它有多前沿，而在于有多少人能真正用上它。把使用门槛降到最低，比做一个炫技却没人用的对话机器人重要得多。
02
AI 让人更有价值，而不是取代人的价值
方向不是用智障客服替换一线，而是用 AI 把一线人员武装成超级个体。AI 是帮人创造更大价值的杠杆，是助手，不是替身。
03
把问题表达清楚，比着急要答案更重要
人负责定义意图，回答为什么做和做什么；AI 负责执行，回答怎么做。把意图定义清楚，是人不该让渡、也无法让渡的那部分价值。
04
AI 本质上是反内卷的
AI 能让一个人的劳动直接转化成交付给客户的价值，再实实在在回馈到这个人自己身上——把劳动和回报之间被拉长、被截断的链路重新接上。
05
好的 AI 产品，是更贴合用户核心需求的产品
产品的胜负手从来是贴不贴合用户的核心需求，而不是技术够不够炫。这件事说起来朴素，做起来最难。
06
品味与使命，是人不可被 AI 复制的内核
劳作可以交给 AI，但愿景、方向和品味必须是自己的。基于使命去创作，写真正想在这个世界上看到的内容。
05 / WRITING
长文代表作
写作是我的第二条产线：把真实场景里的判断沉淀成万字长文。
欢迎来到不确定的 2026：Agent 时代的三体
模型、产品、组织三体互绕，Agent 时代没有稳定轨道，只有持续校准的航向。
推荐一个远超预期的数据智能体平台
拆解亿问 Data Agent：一个不碰计算的逻辑左脑管准，一个懂人话的语义右脑管暖。BI 要的严谨、AI 要的灵活，各归各。
再推荐一个远超预期的智能体编程平台
拆解 Qoder：用上下文工程把代码库的隐性知识挖出来，让 AI 从补全助手变成能扛异步长任务的执行者。对着《人月神话》那四道老题。
万字长文：我们如何提升 AI 流利度
别把 AI 当打字机，当能来回磨的思考搭子。调研、探讨、生成、修正——给足上下文，出来的东西才不是通用废话。
推荐一个远超预期的数字员工平台：Clawith
任务编排还是持久身份，两条路。给智能体真的记忆和身份，让它像个会认识你的数字同事一路长下去，而不是用完即弃的工具。
从哈萨比斯出发：我们需要一种面向世界的 AI 教育
从哈萨比斯说起，他一辈子带着真问题在移动。AI 教育该从工具素养转向问题素养——先问这问题值不值得解，再谈用什么工具。
AI 如何评估工作量
AI 报工期不是在算，是在认——把你的活儿投进它学过的「任务-工时」分布里认个数。人天，是这个时代的马力，连规划谬误都一并继承了。
如何评估 AI 的工作量
生成和验证本是两笔账，过去捆在一个人天里估。AI 只加速了生成，验证还走一半——老的工作量估法，在 AI 时代失灵了。
06 / CONTACT
我长期关注这几件事，如果你也在做，欢迎直接来信：
- 01Agent 工程落地
- 02企业 AI 培训 / 内训
- 03产品合作
- 04或者只是聊聊