目录与归档
按分类归档的全部文章，共 15 篇。
工程
企业级 AI 转型实践：从研发提效，到构建一个能够自我进化的 AI 组织
企业级落地 AI Native 分哪些阶段？从 AI Ready 基础设施、企业知识工程、SkillOps，到 Multi-Agent 和 AI Organization——这篇讲清完整演进路径和最佳实践。
一个人，也可以做完一款产品：我的 OPC 软件研发实践
独立开发者如何一个人做完一款产品？以「安排日历」为实践，用 AI、Coding Agent 与 Skills，把真实痛点转化为需求、设计、开发、测试到发布运营的完整软件生产体系。
清单应用的客户端和 PC 端同步架构
清单类应用难点不在页面，而在多端同步和冲突处理；设计对了，同步体验才会"像本地一样自然"。这篇讲同步架构的几个关键设计，以及最容易翻车的坑。
AI
Agent 长期记忆系统：从异步提取到混合检索的完整设计
一个完整的 Agent 记忆系统有三条主线：写路径（outbox 异步提取，不拖慢对话）、读路径（dense + lexical 混合检索 + RRF 融合）、治理（四态判定 + 双时态标记失效）。这篇讲清它长什么样。
意图识别系统设计：无界给模型、有界给代码
意图识别不是一个分类问题，而是一条「可观察、可校验、允许承认不确定」的执行链。核心原则一句话：无界问题给模型（听懂），有界问题给代码（算准、守住）。这篇讲清这套系统的完整设计。
LLM Agent 凭空说「已创建」，数据库却是空的：出口校验怎么设计
模型没调任何写入工具，却回复「已创建日程」。入口拦「已创建」这些措辞拦不住，模型总能换说法。用出口不变量「检查事实、不猜措辞」——只有数据库真的写入，才算成功。
意图识别的槽位抽取：中文时间解析的坑
意图识别不止是「分类出意图」，还得抽出时间、标题这些槽位。时间是最容易翻车的槽位：「7点半」无前缀时是早上 7:30 还是晚上 19:30？难点不在听懂，而在歧义消解。
我们为什么删掉了 530 行意图正则：一次日历 Agent 的架构重写
用真实用户问题重构日历 Agent：从 530 行意图正则走向一次大模型调用，并用状态机、工具约束、出口校验和真模型评测守住安全边界。
我放弃了运营工作台，用几句话生成了上千张日历图
AI 时代，能「说话」做完的事，别再回到「做系统」的老路上
Agent 意图识别：从分类器到可执行控制系统
如何设计一个Agent的意图识别能力
我为什么要做一个 AI 中转站
对独立开发者来说，中转站不是"炫技"，而是把模型接入、成本和稳定性统一治理的最小工程单元。这篇讲一个能上线的中转站至少要有哪五个能力，以及每个能力背后的坑。
AI 研发从 Demo 到生产环境差了什么
真正的差距不在模型效果，而在工程化：观测、回归、成本、权限和故障恢复是否完整。这篇逐项讲 Demo 到生产要补齐的五件事，以及每件事最容易被忽略的坑。
思考
个人站如何获取流量：从技术 SEO 到内容工程、多语言的一手实操
给个人站做流量，不是「发帖等收录」，而是四件事：技术地基（sitemap/rss/结构化数据，让内容能被找到）、内容工程（选题+写作流水线，让内容值得被搜）、GEO（llms.txt+可引用内容，让 AI 引擎引用你）、多语言（中英双语，触达更大的市场）。这篇是我的完整实操记录。
关于意图识别的思考 ---- Plan + 工具设计
做了这么多意图识别的实践，我终于想明白，该怎么做意图识别了
Loop Engineering 没有银弹：垂直场景的 Skills + spec/TDD 落地实践
追求大而全的"全自动驾驶"行不通。我用 coding agent 密集开发半年后的结论：Loop Engineering 的正确载体是垂直场景的 Skills，核心是 spec + TDD。