01 / DIGITAL WORKFORCE
数字员工团队
Developer、Reviewer、Knowledge、Maintainer 四类 Agent，在真实研发与知识工作流中承担不同任务。
- Developer
- Reviewer
- Knowledge
- Maintainer
WHAT'S RUNNING / 真实交付
不是一两个 Demo， 而是正在运行的 AI 系统。
ALL IN PRODUCTION / 均已上线
从业务系统中的 AI 应用，到数字员工、知识体系和模型基础设施——这些已经进入企业实际工作。我的角色是其中一名一线核心建设成员。
02 / AI IN WORKFLOWS
业务中的 AI
自然语言查数和流程自动化，让 AI 接入已有业务系统，直接处理实际工作。
- NL2SQL
- 流程自动化
- 系统集成
03 / KNOWLEDGE SYSTEMS
企业知识体系
建设企业知识库，并通过企业百事通 AI 助手提供可检索、有依据的内部知识问答。
- 企业百事通
- RAGFlow
- Embedding / Rerank
04 / LLM INFRASTRUCTURE
模型基础设施
统一 LLM 网关、本地模型部署和推理服务，为不同 AI 应用提供模型能力。
- LLM Gateway
- vLLM / SGLang
- 模型服务
DIGITAL WORKFORCE / 企业 AI 交付
数字员工， 不止一个 Agent。
四类数字员工均已在企业内部上线运行，覆盖研发任务、代码审查、知识问答与日常维护。不同角色承担不同任务，让 AI 真正进入工作流。
01 / AGENT线上运行
Developer Agent
从任务到代码交付
承接研发任务，在隔离工作区修改代码、运行测试并生成 Merge Request，支持人工审核。
Task→Code / Test→MR
02 / AGENT线上运行
Reviewer Agent
自动代码审查
响应仓库变更事件，分析 Diff 并生成审查反馈，接入已有研发流程。
Push→Review→Feedback
03 / AGENT线上运行
Knowledge Agent
面向员工的知识问答
接入企业微信和内部知识库，向员工提供有依据的知识检索与问答。
Question→Retrieval→Answer
04 / AGENT线上运行
Maintainer Agent
系统维护与问题处理
结合代码与运行线索辅助排查问题，支持维护任务处理和经验沉淀。
Signals→Diagnosis→Actions
ALSO BUILT / 企业知识库
让企业知识，成为可用的工程基础。
企业知识库不只是上传文档：从解析、索引、Embedding / Rerank，到 RAGFlow 检索和 Agentic RAG 优化，持续维护知识质量，并为企业百事通等 AI 应用提供可靠的知识来源。
01知识组织与解析
02索引、检索与重排
03Agent 问答与迭代
数字员工、企业知识库和相关 AI 应用均已上线，持续维护和迭代。
企业 AI 一线手记
能跑起来只是开始， 后面的问题更值得研究。
- 01
先理解原有业务流程。
了解系统怎样运行、用户怎样操作，才能决定 AI 应该接在哪里。
- 02
Demo 能运行，不代表可以长期使用。
接口兼容、权限、异常处理与反馈，往往决定最终体验。
- 03
把故障当作工程问题来解决。
检索有证据却没有答案、模型限流与超时，都值得找到根因。
- 04
让重复工作真正减少。
自动化应该减少反复操作，而不是增加一个需要照看的系统。
- 05
工作之外也持续构建。
维护上线 Agent，持续研究 Harness 与可靠性；业余探索 Agent Time，并参与开源项目修复。
技术底座
工具会快速迭代，构建可靠系统的能力不会。
从后端到推理服务，这些工具都在实际项目里使用或研究过。
Agent Systems
Agentic RAG · NL2SQL · Tool Calling · MCP · RAGFlow
Product Engineering
Java · Spring Boot · Spring Cloud · Python · TypeScript · Next.js
Data & Infrastructure
MySQL · Redis · Docker · Linux · vLLM · SGLang · Embedding · Rerank
Quality & Automation
GitLab CI/CD · pytest · 回归测试 · 错误恢复 · 代码审查
业务系统↓AI 应用↓模型服务
一线开发者的记录Notes from the Field
TRADITIONAL ENTERPRISE × PRACTICAL AI
在业务现场， 持续构建和记录
我关注的不只是 AI 有了什么新能力，更是它如何改变传统企业的工作。数字员工、业务 Agent、知识库和模型服务的实际运行，让我积累了许多值得与同行讨论的工程问题。
业务系统
从 Java 后端和企业系统出发，理解真实业务工作流。
线上 Agent
记录数字员工、NL2SQL 和企业百事通等应用的设计与迭代。
知识与模型
关注企业知识库、LLM 网关、本地推理和运行可靠性。
开源与探索
分享 RAGFlow 修复经验及 Agent Time 等个人实验。
FIELD NOTES / ENTERPRISE AI / ENGINEERING
欢迎交流 真实世界里的AI。
欢迎交流 Agent 工程、企业 AI 应用、后端系统与开源实践。