AI 应用方向
围绕 LangChain、LangGraph、MCP 与智能系统实践展开
AI Agent、工作流编排与企业级知识检索整合到同一平台,帮助团队安全落地生产级 AI。

将 AI Agent、工作流自动化与企业知识管理整合于统一平台。
把 AI Agent、工作流编排和企业知识管理放进同一个交付界面,减少团队从试验到生产之间的切换成本。
支持多模型 Agent、可视化工作流与企业知识库,面向生产级团队协作。
查看项目
这些技术不是清单式陈列,而是我在产品开发、系统实现与长期维护中反复使用的工作语言。
把 AI 应用、全栈开发、工程实践和工具想法收拢为可执行的起点。
围绕 LangChain、LangGraph、MCP 与智能系统实践展开
覆盖 Python、React、Next.js 与产品开发流程
把项目中的架构、调试和交付经验整理成内容
把高频开发操作压缩成浏览器内可直接使用的工具
最初只是技术主题、项目笔记和工具想法的并列堆叠。
技术密度被保留下来,但信息层次更清晰,页面入口也更容易理解。
从技术主题、项目经验到在线工具,这一流程把内容逐步整理为更适合浏览、阅读和使用的结果。
选出最近更新的五篇文章,用更轻一点的方式放在首页,像一组可以翻看的内容卡片。
在人工智能与人类认知交互的新时代,最新研究揭示了大语言模型(LLM)在长期暴露于低质量数据下出现的“脑腐”现象,以及人类用户因过度依赖AI辅助而积累的“认知债务”。本文深入分析了这两种双向退化机制及其相互作用,探讨了对未来AI治理和人类认知健康的战略意义。
阅读文章内容、知识库、工具与个人信息不再分散陈列,而是作为统一入口呈现。