Chao.

长期工作中，我经常同时处理研发、架构、产品、项目和组织问题。金融学习和长期的企业研究，也让我在技术决策里自然会重点关注成本、替代方案、商业逻辑和长期回报。

最近几年，我持续把 LLM、Coding Agent、多 Agent 和自动化接进真实工作流，用它们扩展原有的工程、研究和系统工作。

比较适合一起讨论的问题

我比较感兴趣的，通常是技术、产品、系统、团队和商业约束已经彼此影响，需要重新看清问题边界的事情。

超大型系统与架构

系统已经有一定规模，需要重新判断架构边界、技术债、复杂度和演进路径；或者几个方案都能实现，但长期代价明显不同。

复杂项目与跨团队协同

一个项目涉及多个系统、团队或业务角色，推进困难，需要重新看问题定义、技术路径、责任边界和执行方式。

AI / Agent 工作方式

让 LLM、Coding Agent、多 Agent、知识与自动化进入可持续、可验证的真实工作流。

技术 × 商业决策

技术上可行，不代表值得投入。有些问题需要同时考虑研发成本、组织投入、替代方案、商业逻辑、风险和长期回报。

最近在做

我一直保留技术实验环境，也会持续搭建和优化真正用得上的系统

AI 系统

本地与云端模型、GPU 推理、长上下文、量化，以及质量、速度、成本和可控性之间的实际边界。

Agent 系统

Coding Agent、多 Agent、权限、状态、Handoff、Memory，以及长任务怎样可靠地持续运行。

企业与金融研究系统

企业与金融研究、事实核查、假设维护，以及 AI 怎样帮助处理持续变化的信息和复杂决策。

更多实践记录放在 Lab。

如果你觉得我们在某些问题上可能有交集，欢迎聊聊。对项目、长期合作和真正匹配的全职机会都保持开放。