我关注 AI 系统进入真实业务后的工程问题:上下文如何管理,检索结果如何评估,工具调用如何恢复,以及服务行为如何观测。
RAG 检索 / 重排 / 依据链 / 评估
Agent 工具调用 / 状态 / 编排 / 恢复
Backend Java / Spring / 分布式系统 / 可观测性
| 项目 | 简介 |
|---|---|
| openai-codex-adapter | 协议适配与兼容性:连接 Chat Completions 与 Codex Responses API,处理重试、流式响应和协议差异。 |
| agent-skills | Agent 工程工作流:沉淀可复用 Skill,把复杂研发任务拆成可验证的步骤。 |
| codex-claude-executor | 委托执行边界:分离实现、验证与审查,保留清晰的执行上下文。 |
| Sesh | 开发效率工具:原生 macOS 会话管理工具,用于浏览和整理 Claude Code 工作记录。 |
以下内容均链接到公开 Issue、PR 或 commit;尚未合并的工作明确标注为进行中。
| 项目 | 贡献内容 | 状态 |
|---|---|---|
| neutrino-proxy | 端口映射管理、参数校验、数据库迁移与端口组行为修复。 commit 证据 |
已提交 |
| spring-ai-alibaba | 修复 Agent 渐进式工具披露中空 groupedTools Map 无法动态更新的问题,并补充回归测试。PR #4935 · Issue #4929 |
Review 中 |
| OpenViking | 修复 context_type=skill 的隐式检索目标解析、记忆合并中的重复行号前缀累积、OpenAI-compatible embedding 的显式多模态配置透传、知识图谱推荐 module 类型的可视化降级,以及会话归档在记忆抽取临时失败后的恢复重试。PR #4423 · PR #4424 · PR #4432 · PR #4435 · PR #4437 |
Review 中 |
| MCP Servers | 修复 filesystem 的 UTF-8 分块边界乱码与 POSIX 环境 Windows 路径误解析。 PR #4703 · PR #4704 |
CI 通过,Review 中 |
我持续阅读和实践这些项目中的工程模式,它们是参考项目,不代表我的原创工作:
- Agent 上下文与记忆: OpenViking · Mem0
- 有状态 Agent 编排: LangGraph
- 工具互操作协议: MCP Servers
- 生产级 RAG: RAGFlow
Java Spring Boot MyBatis Spring Cloud Alibaba MySQL Redis
RocketMQ RabbitMQ Kafka Docker Linux Nginx
RAG Embedding Hybrid Retrieval Neo4j GraphRAG LightRAG
Agent Function Calling MCP Langfuse MinerU
- 从公开 Issue 或可复现问题出发,先缩小影响范围,再提交最小修复。
- 用回归测试、CI 和可追溯链接说明改动,而不是只描述概念。
- 优先处理边界条件:编码、路径、状态、上下文和失败恢复。
一个能运行的 Demo 只是起点。真正可依赖的系统,还需要清晰的数据边界、可观测的行为、可度量的质量,以及面对异常时的恢复路径。
