AI 全栈实践者 🦐 从前端到模型，一个人跑通整条落地链路
自建仓库 51 个，⭐ 合计 73（数据来自 GitHub 公开接口）
| 项目 | 一句话 | 数据 |
|---|---|---|
| ui-home | 程序员在 UI 的路上 —— UI 方向的系统性整理 | ⭐ 27 · 🔀 13 |
| webpack-demo | 有一种学习，码不停蹄 —— webpack 工程化实践 | ⭐ 25 · 🔀 20 |
| vue-demo | 非单页面组件形态的 vue + vue-router + vue-validator | ⭐ 14 · 🔀 4 |
| soucemap | 12 种 sourcemap 打包分析 | ⭐ 3 |
| ai-blog | 正在做的 AI 写作 / 编码实验 · TypeScript | 🕐 活跃中 |
AI 应用全栈落地 · 重点在智能体 — 把大模型能力变成能真正上线、有人用的产品。
从模型选型、Prompt 与 Agent 编排、RAG 检索链路，到后端服务、前端交互与部署运维，一个人跑通端到端交付。关注可控性、成本与工程化，不做 demo，只做跑得起来、扛得住真实用户的东西。
- 写作 Agent 流水线：在 ai-blog 里把 选题 → 检索 → 初稿 → 校对 拆成四个可组合节点，每段单独可重试、可换模型
- 工具调用与编排：用 Function Calling / MCP 把搜索、数据库、内部接口接进来，让智能体能真的"动手"，而不只是"说话"
- 多 Agent 协作：规划 / 执行 / 审查角色分工，靠结果聚合收敛分歧，降低单一模型的幻觉与跑偏
- 长任务可靠性：上下文压缩与分层记忆、状态检查点、失败重试与人工接管边界，把一次性问答拉长成会话型任务
- 评测闭环：固定 40 条用例回归 Prompt 与工具链改动，避免"改一句话、崩一片场景"
- 文档解析、切块策略、向量检索与重排，把私域知识变成可追问的上下文
- 关键词 + 向量混合检索与引用溯源，答案能指回原文出处，不接受"看起来对"
- 目前用在写作场景的资料召回上，单篇成稿前平均召回 6 ~ 8 篇可引用来源
- 模型路由与降级：按任务难度分配模型，把可控性和 token 成本放在一起算
- 缓存、并发、限流与可观测：让延迟、成功率、单次对话成本变成看得见的指标
- AI 前端交互：流式输出、中断与重试、加载态与错误态设计，用界面把模型的不确定性兜住
AI 方向
📈 展开看能力分布
| 方向 | 熟练度 | 主要产出 |
|---|---|---|
| 前端工程化 | ⭐⭐⭐⭐ | webpack 实践、Vue 全家桶、多页面打包、sourcemap 分析 |
| UI / 视觉还原 | ⭐⭐⭐⭐ | ui-home 系统整理、组件与样式实践 |
| AI 应用 / Agent | ⭐⭐⭐⭐ | ai-blog 写作 Agent 流水线 · MCP 工具接入 · RAG 资料召回 |
| 后端与部署 | ⭐⭐⭐ | Node / TypeScript 服务、流式接口、Docker 部署与限流 |
Thanks for visiting · 从 2015 年敲下第一个 commit 到现在