最近在做什么
手记式的流水账，隔段时间就更新一下。比简历真实，也比简历新鲜。
日常打交道的东西
后端出身，往前端和 AI 两头长。能自己动手的部分尽量自己动手。
AI / Agent 工程化
后端与微服务
全栈与前端
数据与中间件
部署与运维
AI 辅助开发
基座实践：三件套怎么串起来
一套自建的 AI 落地链路：AI Agent 应用基座负责能力与编排， REST → MCP 转换桥把既有系统变成模型能调用的工具， 随手记则是把两者真正跑起来的场景验证。全部自己设计、自己部署。
设计上的核心取舍：未配置 RAG 时工具不注册（零 Token 占用）、 检索故障降级不阻断对话、桥只做管道不做裁决。 宁可少一层聪明，也不多一个不确定的失败点。
正在做的事
一部分在线上跑着，一部分在公司业务里长着。
AI Agent 应用基座
面向企业的 Agent 起步底座：多协议模型接入、MCP 工具生态、插拔式 RAG 知识库与多应用嵌出，第三方页面一行 script 即可挂载对话组件。
访问站点REST → MCP 转换桥
自研配套服务：任何 REST API 配置即成 MCP 服务，任何 MCP 客户端可直接接入。标准 Streamable HTTP 无会话绑定、多服务动态路由、配置热载免重启。
808 行 · 容器化部署随手记 SuijiNote
把 AI 基座 + MCP 转换桥串起来的个人应用：账单、闪念、提醒与日报，数据全部留在自己的机器上，顺手当实验田。
访问应用企业级 AI 智能体基座
公司级 AI 能力中台，从 0 到 1 主导架构与核心开发：模型能力两级抽象屏蔽五类提供方差异、MCP 工具生态、工作空间隔离与嵌入式接入。
支撑 4 个业务系统接入警务大数据平台
覆盖智能搜索、档案管理、轨迹分析、布控预警与专题研判。负责核心业务模块：档案接口配置化改造、标签检索重构、人员布控状态机与订阅聚合架构。
19 个微服务模块 · 多省现场交付日志审计与研判平台
500 亿级业务日志的分析审计平台。移除中间表、把标记融入核心表，存储冗余压到 5% 以内；多数据源配置与定时任务体系统一纳管。
10 个模块 · 前后端关于我
做 Java 后端出身，近 5 年一直在业务一线：从通信运营商的省级业务系统，到警务大数据平台的核心模块。 习惯先看清楚问题的形状，再决定动哪一把刀 —— 很多性能问题不是代码写得不够聪明，而是链路里有一处没想清楚。
最近两三年重心转到 AI 落地上：从 0 到 1 搭公司级 AI 智能体基座， 做模型能力抽象、MCP 工具生态、RAG 检索与长会话记忆；也自己写了开源的 Agent 应用底座和 REST → MCP 转换桥， 把「AI 能接进业务」这件事从概念推成可运行的东西。
另一个长期在做的事是个人知识体系：用 Obsidian + Git 维护技术知识库，项目文档坚持方案先行、状态分档。 相信能被复用的经验才叫经验。最近对 vibe remotion 这类「用代码生成视频」的方向很感兴趣。
一路走来
入行 · 后端起步
通信运营商省级业务系统，写微服务、啃并发与慢查询，第一次体会到「性能是设计出来的」。
重构 · 从单点到全局
主导全业务统一下单链路改造，用策略工厂 + 工作流 + 配置化组件把流程节点抽象开，办理效率提升约 35%。
转向 · 大数据与业务攻坚
进入数据安全方向，做警务大数据平台核心模块，独立扛下人员布控；跟着项目跑了十几个省市现场做交付与适配。
从 0 到 1 · AI 智能体基座
主导公司级 AI 能力中台的架构设计与核心开发，把模型接入、Agent 编排、MCP 工具与嵌入式对话做成统一底座。
深耕 · Agent 工程化 + 开源
把基座经验抽成可复用的开源实现，摸索 MCP 协议、RAG 与知识体系的工程边界，也开始折腾代码化视频。
有想法？聊聊看。
技术方案、AI 落地、架构设计，或者只是想认识一下，都欢迎。邮件我基本当天会看。
远程交流随时可以
一般 24 小时内