Fisherman · AI 工程 / 内容系统
我搭系统,也写系统是怎么搭的。
做 AI 内容管线、爬虫与 Agent 工程,把模型能力变成每天能跑起来的工作流。这个站是我做过的一个项目,现在用来存我写得比较认真的深度文章。
我在做什么
AI 内容管线
从采集、去重、选题、生成到质量门禁与发布,一条能无人值守跑起来的链路。
适合:每天要处理大量外部信息,但不想被人肉搬运拖住的团队。
Agent 与自动化
把模型接进真实工作流,处理成本、延迟、失败重试与人工兜底。
适合:已经有业务流程,想把其中一段交给模型但怕它乱来的场景。
数据与判断
长期采集的行业语料,用统计和交叉验证做趋势判断,而不是靠感觉。
适合:需要一份能引用、能复核的行业数据,而不是又一篇综述。
写过的东西
全部 →-
REA开源MCP服务器:用自然语言让Agent做逆向工程
产品经理在竞品App里看到一个很妙的功能,想知道它是怎么实现的。放在半年前,选项只有两个:凭经验猜,或者花钱请安全研究员。
-
Gemini 4 Argon实测:长上下文强、写代码垫底,是偏科生
9月30日,Google DeepMind把Gemini 4 Argon只发给了一小批网络安全人员,官方博客写明它通过Fairwind计划灰测。之后半个月,我几乎每天雷打不动去Gemini官网刷有没有向普通用户开放,还提前充好了Pro会员。
-
Agent生产部署为什么难:延迟、成本、状态一致性三大坑
2026年国内Agent服务商已突破300家,但Demo到生产之间隔着延迟抖动、成本失控、状态管理和质量评估四道坎。从掘金一篇工程化面试长文出发,拆解生产级Agent的架构与可观测性设计。
-
Java工程师转AI Agent:不学Python,靠Spring AI能走通吗?
掘金上最近一篇万字复盘在Java圈里传得挺广:一位自称13年Java老兵的作者,把转型AI Agent的经验整理成文,标题直接点出他的核心判断,90%的人挂在同一个坑,把“转AI”理解成“学个Python调调API”。
-
月之暗面、DeepSeek、MiniMax扎堆IPO:不缺钱的大模型公司在急什么
月之暗面、MiniMax、DeepSeek在半年内集体转向IPO,与此前“不急于上市”的表态形成反差。本文拆解这波资本化浪潮背后的真实动因:一级市场退出诉求、窗口期竞争、商业化叙事的公开验证,以及百倍市销率下的风险。
-
Meta Muse代理能读你的Instagram、记住偏好,隐私边界谁定?
遛狗的功夫,一位早期用户让Meta的Muse把收藏在Instagram里的菜谱整理成一个小应用,五分钟后一个能用的版本就摆在那儿了。这件事发生在9月,Muse上线还不到一个月,已经爬到美区两个应用商店的第一名。