From 31e8c1610aaec10099d5ed40ff497dad3b276535 Mon Sep 17 00:00:00 2001 From: Ryan Date: Mon, 2 Nov 2026 08:18:02 -0800 Subject: [PATCH 1/2] fix: repair portfolio links and guard comment initialization --- portfolio/404.html | 2 +- portfolio/about/index.html | 6 ++++-- .../2026/05/10/building-rag-system-spring-ai/index.html | 6 ++++-- portfolio/blog/archives/2026/05/index.html | 2 +- portfolio/blog/archives/2026/index.html | 2 +- portfolio/blog/archives/index.html | 2 +- portfolio/blog/categories/ai-engineering/index.html | 2 +- portfolio/contact/index.html | 6 ++++-- portfolio/index.html | 4 ++-- portfolio/projects/index.html | 6 ++++-- portfolio/resume/index.html | 9 ++++----- portfolio/tags/embedding/index.html | 2 +- portfolio/tags/java/index.html | 2 +- portfolio/tags/llm/index.html | 2 +- portfolio/tags/pgvector/index.html | 2 +- portfolio/tags/rag/index.html | 2 +- portfolio/tags/spring-ai/index.html | 2 +- 17 files changed, 33 insertions(+), 26 deletions(-) diff --git a/portfolio/404.html b/portfolio/404.html index 30122da..90f693b 100644 --- a/portfolio/404.html +++ b/portfolio/404.html @@ -71,7 +71,7 @@ - + diff --git a/portfolio/about/index.html b/portfolio/about/index.html index 53b03a2..1cc43ea 100644 --- a/portfolio/about/index.html +++ b/portfolio/about/index.html @@ -73,7 +73,7 @@ - + @@ -222,6 +222,8 @@

diff --git a/portfolio/blog/2026/05/10/building-rag-system-spring-ai/index.html b/portfolio/blog/2026/05/10/building-rag-system-spring-ai/index.html index 0b183be..920c131 100644 --- a/portfolio/blog/2026/05/10/building-rag-system-spring-ai/index.html +++ b/portfolio/blog/2026/05/10/building-rag-system-spring-ai/index.html @@ -78,7 +78,7 @@ - + @@ -408,6 +408,8 @@

+ diff --git a/portfolio/blog/archives/2026/index.html b/portfolio/blog/archives/2026/index.html index 241098c..67a779d 100644 --- a/portfolio/blog/archives/2026/index.html +++ b/portfolio/blog/archives/2026/index.html @@ -71,7 +71,7 @@ - + diff --git a/portfolio/blog/archives/index.html b/portfolio/blog/archives/index.html index 934022d..33bf582 100644 --- a/portfolio/blog/archives/index.html +++ b/portfolio/blog/archives/index.html @@ -71,7 +71,7 @@ - + diff --git a/portfolio/blog/categories/ai-engineering/index.html b/portfolio/blog/categories/ai-engineering/index.html index f63c094..8b6537f 100644 --- a/portfolio/blog/categories/ai-engineering/index.html +++ b/portfolio/blog/categories/ai-engineering/index.html @@ -71,7 +71,7 @@ - + diff --git a/portfolio/contact/index.html b/portfolio/contact/index.html index 88f2d6a..a7842ea 100644 --- a/portfolio/contact/index.html +++ b/portfolio/contact/index.html @@ -73,7 +73,7 @@ - + @@ -225,6 +225,8 @@

diff --git a/portfolio/index.html b/portfolio/index.html index 8a11711..9f0eb94 100644 --- a/portfolio/index.html +++ b/portfolio/index.html @@ -71,7 +71,7 @@ - + @@ -121,7 +121,7 @@

Ryan Guo

-

AI Application Engineer — I build LLM-powered products end-to-end, from prompt engineering and RAG to production deployment.
Core: Spring AI · RAG (Hybrid + Rerank) · Agent Design (ReAct, Plan-Execute) · MCP Protocol · Vue 3 · Java/Python
📄 Resume  ·  🛠 Projects  ·  📧 Contact

+

AI Application Engineer — I build LLM-powered products end-to-end, from prompt engineering and RAG to production deployment.
Core: Spring AI · RAG (Hybrid + Rerank) · Agent Design (ReAct, Plan-Execute) · MCP Protocol · Vue 3 · Java/Python
📄 Resume  ·  🛠 Projects  ·  📧 Contact

diff --git a/portfolio/projects/index.html b/portfolio/projects/index.html index a7209b5..60f7986 100644 --- a/portfolio/projects/index.html +++ b/portfolio/projects/index.html @@ -73,7 +73,7 @@ - + @@ -267,6 +267,8 @@

diff --git a/portfolio/resume/index.html b/portfolio/resume/index.html index a606122..e6947f0 100644 --- a/portfolio/resume/index.html +++ b/portfolio/resume/index.html @@ -73,7 +73,7 @@ - + @@ -157,9 +157,6 @@

Pe
  • GitHub: github.com/RyanCoreAI — Open-source contributions and projects
  • Continuous learner: first-principles approach, English-first documentation, AI-accelerated workflow
  • -
    -

    📄 Download Resume (PDF)

    -
    @@ -244,6 +241,8 @@

    Pe var utterances_theme = 'preferred-color-scheme'; (function(){ + var container = document.getElementById('utterances_thread'); + if (!container) return; var script = document.createElement('script'); script.src = 'https://utteranc.es/client.js'; @@ -253,7 +252,7 @@

    Pe script.setAttribute('theme', utterances_theme); script.setAttribute('crossorigin', 'anonymous'); script.async = true; - (document.getElementById('utterances_thread')).appendChild(script); + container.appendChild(script); }()); diff --git a/portfolio/tags/embedding/index.html b/portfolio/tags/embedding/index.html index 2f86aea..9d83d05 100644 --- a/portfolio/tags/embedding/index.html +++ b/portfolio/tags/embedding/index.html @@ -71,7 +71,7 @@ - + diff --git a/portfolio/tags/java/index.html b/portfolio/tags/java/index.html index dd78a4e..0acacc8 100644 --- a/portfolio/tags/java/index.html +++ b/portfolio/tags/java/index.html @@ -71,7 +71,7 @@ - + diff --git a/portfolio/tags/llm/index.html b/portfolio/tags/llm/index.html index a7d64c3..bc8520a 100644 --- a/portfolio/tags/llm/index.html +++ b/portfolio/tags/llm/index.html @@ -71,7 +71,7 @@ - + diff --git a/portfolio/tags/pgvector/index.html b/portfolio/tags/pgvector/index.html index 6684e27..52a1587 100644 --- a/portfolio/tags/pgvector/index.html +++ b/portfolio/tags/pgvector/index.html @@ -71,7 +71,7 @@ - + diff --git a/portfolio/tags/rag/index.html b/portfolio/tags/rag/index.html index d9bb74c..59e473e 100644 --- a/portfolio/tags/rag/index.html +++ b/portfolio/tags/rag/index.html @@ -71,7 +71,7 @@ - + diff --git a/portfolio/tags/spring-ai/index.html b/portfolio/tags/spring-ai/index.html index 965be0d..99e7daa 100644 --- a/portfolio/tags/spring-ai/index.html +++ b/portfolio/tags/spring-ai/index.html @@ -71,7 +71,7 @@ - + From 6921a832ddfb7cc869dbb1c02cb2beccc1d89704 Mon Sep 17 00:00:00 2001 From: Ryan Date: Thu, 5 Nov 2026 06:57:17 -0800 Subject: [PATCH 2/2] fix: share literal-safe search across generated pages [skip ci] --- 2025/05/07/wo-de-di-yi-pian-bo-ke/index.html | 2 +- .../index.html | 2 +- .../index.html | 2 +- .../index.html | 2 +- 404.html | 2 +- about/index.html | 2 +- archives/2025/05/index.html | 2 +- archives/2025/index.html | 2 +- archives/2026/05/index.html | 2 +- archives/2026/06/index.html | 2 +- archives/2026/07/index.html | 2 +- archives/2026/index.html | 2 +- archives/2026/page/2/index.html | 2 +- archives/index.html | 2 +- archives/page/2/index.html | 2 +- .../RAG\344\270\223\351\242\230/index.html" | 2 +- .../index.html" | 2 +- .../index.html" | 2 +- .../index.html" | 2 +- .../index.html" | 2 +- categories/index.html | 2 +- .../PatchBrake/index.html" | 2 +- .../Token-Studio-ROI/index.html" | 2 +- .../\351\241\271\347\233\256/index.html" | 2 +- .../index.html" | 2 +- .../\347\256\200\345\226\265/index.html" | 2 +- contact/index.html | 2 +- docs/search-repair.md | 9 +++ friends/index.html | 2 +- index.html | 2 +- js/search.js | 72 ++++++++++++++++++- p/ai-app-deployment-domain/index.html | 2 +- p/ai-coding-trustworthy-delivery/index.html | 2 +- p/ai-production-guardrails/index.html | 2 +- p/jianmiao-launch/index.html | 2 +- p/jianmiao-minimal-rag-agent/index.html | 2 +- p/jm-01/index.html | 2 +- p/jm-02/index.html | 2 +- p/jm-03/index.html | 2 +- p/patchbrake/index.html | 2 +- p/public-server-ssh-security/index.html | 2 +- p/rag-core-terms/index.html | 2 +- p/rag-evidence-chain/index.html | 2 +- p/token-studio-roi/index.html | 2 +- projects/index.html | 2 +- tags/Agent/index.html | 2 +- tags/BM25/index.html | 2 +- tags/Claude-Code/index.html | 2 +- tags/Cloudflare/index.html | 2 +- tags/Codex/index.html | 2 +- tags/Docker/index.html | 2 +- tags/Embedding/index.html | 2 +- tags/Evals/index.html | 2 +- tags/Guardrails/index.html | 2 +- tags/LLM/index.html | 2 +- tags/Linux/index.html | 2 +- tags/Nginx/index.html | 2 +- tags/Node-js/index.html | 2 +- tags/Observability/index.html | 2 +- tags/PGVector/index.html | 2 +- tags/PatchBrake/index.html | 2 +- tags/RAG/index.html | 2 +- tags/Redis/index.html | 2 +- tags/Reranker/index.html | 2 +- tags/SSH/index.html | 2 +- tags/Spring-Boot/index.html | 2 +- tags/Token-Studio-ROI/index.html | 2 +- tags/Vector-DB/index.html | 2 +- tags/Vue/index.html | 2 +- tags/index.html | 2 +- "tags/\345\256\211\345\205\250/index.html" | 2 +- "tags/\347\256\200\345\226\265/index.html" | 2 +- tests/search.test.cjs | 62 ++++++++++++++++ 73 files changed, 212 insertions(+), 71 deletions(-) create mode 100644 docs/search-repair.md create mode 100644 tests/search.test.cjs diff --git a/2025/05/07/wo-de-di-yi-pian-bo-ke/index.html b/2025/05/07/wo-de-di-yi-pian-bo-ke/index.html index 42e1c05..29833f1 100644 --- a/2025/05/07/wo-de-di-yi-pian-bo-ke/index.html +++ b/2025/05/07/wo-de-di-yi-pian-bo-ke/index.html @@ -6,7 +6,7 @@ 一"> -

    我的第一篇博客


    欢迎来到我的博客

    时光辗转,终于拥有了属于自己的一方小天地 —— 这个简简单单的个人博客,算是我在网络世界里留下的专属角落。不用迎合繁杂的社交节奏,不用刻意伪装情绪,只想在这里记录生活、沉淀心情,把日常里的点滴感悟、细碎美好都好好珍藏。

    一路走来,总觉得生活需要一个可以安放思绪的地方。平日里忙碌于日常琐事,被学习和生活的节奏推着往前走,很多瞬间的感慨、突然冒出的想法,往往转瞬即逝,来不及细细回味。而搭建这个博客,于我而言,不仅是一次尝试新鲜事物的体验,更是给自己留一份慢下来的底气。在这里,我可以随心所欲写下所见所闻、所思所感,不用拘泥格式,不用纠结文笔,只以最真实的状态与自己对话。
    生活本就是由无数平凡的瞬间拼凑而成。清晨推开窗扑面而来的清风,午后窗边洒落的一缕暖阳,傍晚天边渐变的晚霞,还有闲暇时安静看书、放空发呆的时光,这些看似微不足道的小美好,其实都是生活赠予我们的温柔。往后我想在博客里,记录下这些温柔片刻:偶尔是生活里的小确幸,偶尔是成长路上的小迷茫,偶尔是读到好书的心得体会,也会分享一些日常感悟与细碎心事。
    人总要学会和自己独处,学会在喧嚣中守住内心的平静。现在的我们总是被短视频、碎片化信息包围,很难静下心来好好沉淀。而写作与记录,是最好的沉淀方式。敲下文字的过程,也是梳理情绪、理清思绪的过程,那些想不通的烦恼、藏在心底的情绪,落笔之后往往会豁然开朗。
    这个博客没有华丽的修饰,没有刻意的迎合,只有最真实的自我表达。往后的日子里,我会坚持在这里更新,把生活的烟火气、成长的点点滴滴都一一记录。不求有人刻意驻足,只愿多年后回头翻看,能清晰记得此刻的心境与时光。
    也愿每一个偶然闯入这里的人,都能在文字里找到一丝共鸣,卸下疲惫,收获一份平静与治愈。往后余生,以文字为伴,以时光为笺,慢慢记录,慢慢成长,不负生活,不负自己。


    文章作者: Ryan
    版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Ryan !

    评论

    有问题欢迎留言,看到都会回~

      大纲
     目录
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +

    我的第一篇博客


    欢迎来到我的博客

    时光辗转,终于拥有了属于自己的一方小天地 —— 这个简简单单的个人博客,算是我在网络世界里留下的专属角落。不用迎合繁杂的社交节奏,不用刻意伪装情绪,只想在这里记录生活、沉淀心情,把日常里的点滴感悟、细碎美好都好好珍藏。

    一路走来,总觉得生活需要一个可以安放思绪的地方。平日里忙碌于日常琐事,被学习和生活的节奏推着往前走,很多瞬间的感慨、突然冒出的想法,往往转瞬即逝,来不及细细回味。而搭建这个博客,于我而言,不仅是一次尝试新鲜事物的体验,更是给自己留一份慢下来的底气。在这里,我可以随心所欲写下所见所闻、所思所感,不用拘泥格式,不用纠结文笔,只以最真实的状态与自己对话。
    生活本就是由无数平凡的瞬间拼凑而成。清晨推开窗扑面而来的清风,午后窗边洒落的一缕暖阳,傍晚天边渐变的晚霞,还有闲暇时安静看书、放空发呆的时光,这些看似微不足道的小美好,其实都是生活赠予我们的温柔。往后我想在博客里,记录下这些温柔片刻:偶尔是生活里的小确幸,偶尔是成长路上的小迷茫,偶尔是读到好书的心得体会,也会分享一些日常感悟与细碎心事。
    人总要学会和自己独处,学会在喧嚣中守住内心的平静。现在的我们总是被短视频、碎片化信息包围,很难静下心来好好沉淀。而写作与记录,是最好的沉淀方式。敲下文字的过程,也是梳理情绪、理清思绪的过程,那些想不通的烦恼、藏在心底的情绪,落笔之后往往会豁然开朗。
    这个博客没有华丽的修饰,没有刻意的迎合,只有最真实的自我表达。往后的日子里,我会坚持在这里更新,把生活的烟火气、成长的点点滴滴都一一记录。不求有人刻意驻足,只愿多年后回头翻看,能清晰记得此刻的心境与时光。
    也愿每一个偶然闯入这里的人,都能在文字里找到一丝共鸣,卸下疲惫,收获一份平静与治愈。往后余生,以文字为伴,以时光为笺,慢慢记录,慢慢成长,不负生活,不负自己。


    文章作者: Ryan
    版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Ryan !

    评论

    有问题欢迎留言,看到都会回~

      大纲
     目录
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -

    2026 年我的 AI 应用开发路线:从工具使用者到项目构建者


    写在前面

    2026 年,我想把自己的技术方向收得更清楚一点。

    过去一段时间,我花了不少时间使用 AI 工具。ChatGPT、Claude、DeepSeek、Cursor、Claude Code,这些工具确实很有用。它们可以帮我解释报错、生成代码、梳理思路、改文章,也能让我更快完成一些以前需要查很久的事情。

    但用得越多,我越感觉到一个问题:只会使用 AI 工具,并不能形成真正稳定的竞争力。因为工具本身会越来越普及,今天我会用,明天别人也会用。真正能拉开差距的,不是用过多少工具,而是能不能借助这些工具做出一个真实项目。

    所以我今年的重点不是继续收藏更多工具,而是把 AI 能力接入到具体应用里。简单说,就是从”工具使用者”往”项目构建者”转。


    为什么不能只停留在 AI 工具使用

    会用工具已经不稀缺

    现在很多人都会用 AI 写代码、改简历、总结文章、生成方案。这当然是好事,AI 工具降低了学习和开发的门槛,也确实能提升效率。

    但如果一个人的能力只停留在”我会让 AI 帮我写代码”,那其实很危险。因为这件事本身并不稀缺,而且很难证明自己真正理解项目。比如我说我会用 Claude Code 或 Cursor,这只能说明我知道这个工具。但别人真正关心的是:我用它做出了什么?项目有没有上线?核心模块怎么设计?数据库怎么设计?接口失败怎么处理?大模型输出不稳定怎么办?如果这些问题讲不清楚,工具使用经验就会显得很薄。

    AI 提高效率,但不替代判断

    AI 很适合辅助学习和开发,但它不能替我做判断。

    它可以给我生成一段代码,但这段代码是否适合当前项目,需要我判断。它可以给我几个技术方案,但最终选择哪个方案,需要我承担后果。它可以帮我写 Prompt,但用户到底需要什么,还是要我自己想清楚。它可以解释报错,但项目结构、数据流和权限设计,不能完全交给它。

    我现在对 AI 工具的理解是:它是放大器,不是方向盘。如果我有清楚的目标,它能帮我更快推进;如果我自己方向不清楚,它只会帮我更快制造一堆碎片。所以今年我会继续用 AI,但不会把”会用 AI”当成终点。


    我的技术定位

    我更适合先做 AI 应用开发

    我现在不会把自己定位成大模型底层研究者,也不会假装自己在做算法突破。对我目前的阶段来说,更实际的方向是 AI 应用开发,也就是把大模型能力接入到具体场景里,做成用户可以使用的功能。比如简历优化、知识库问答、内容生成、文档分析、面试辅助、学习规划、个人效率工具。

    这些方向不一定听起来最硬核,但它们很贴近实际产品,也适合我现在用项目来训练综合能力。我现在最需要的不是空谈 AI 趋势,而是把一个 AI 应用项目从 0 做到上线。

    技术主线:AI 应用开发 + Java 后端工程化

    我今年的技术主线会放在两个方向上。

    第一个是 AI 应用开发,重点是需求分析、Prompt 设计、大模型 API 接入、结构化输出、异常兜底、成本控制和隐私保护。第二个是 Java 后端工程化,重点是 Spring Boot、MySQL、Redis、JWT、接口设计、权限控制、异常处理、日志、限流、Docker、Nginx 和服务器部署。

    这两个方向必须结合起来。如果只有 AI,没有后端工程能力,项目很容易变成一个临时 demo;如果只有后端,没有 AI 应用场景,项目又容易变成普通管理系统。我希望做的是二者结合:用后端工程能力支撑 AI 应用,让项目真正可用、可部署、可展示。


    今年的第一个重点项目:简喵

    为什么选择 AI 简历项目

    我今年准备重点做的项目叫”简喵”,一个 AI 简历优化项目。选择这个方向不是因为它最热门,而是因为我自己确实遇到过类似问题。

    有一次我在网上用简历模板,填了很久,最后导出 PDF 的时候才提示要付费。当时的体验很差。后来我就想,能不能做一个对学生更友好的免费简历工具。但真正开始思考这个项目后,我发现问题不只是”免费导出”。

    很多大学生写简历的难点,其实是不会表达自己的经历:做过项目,但写得很平;学过技术,但不知道怎么写进项目描述;有一些成果,但不会量化;投不同岗位,也不知道简历应该怎么调整。所以简喵的核心不只是模板,而是帮助用户把已有经历整理成更适合求职场景的表达。

    第一版想做到什么程度

    简喵第一版不会一上来做得很复杂。我希望先完成一个基本闭环:用户注册登录;上传 PDF 或 Word 简历;系统解析简历文本;用户输入目标岗位;AI 分析简历内容;输出评分、问题和优化建议;生成项目经历改写示例;保存历史分析记录;部署到服务器,能够在线访问。

    这个版本不一定完美,但要真实可用。我不想做一个只能截图展示的项目,至少要能让别人打开链接体验,能看到功能流程,能通过文章了解背后的技术设计。


    我需要补的后端能力

    不只写接口

    以前我有时候会把后端理解成写接口、查数据库、返回结果。但真正做项目以后,会发现后端需要考虑的问题更多:用户有没有登录?接口有没有权限校验?用户能不能访问别人的简历?上传文件有没有格式和大小限制?AI 调用失败时怎么提示?日志会不会记录用户隐私?大模型 API 会不会被刷爆?数据库表以后能不能扩展?上线后出问题怎么排查?这些问题才是项目真正容易暴露短板的地方。

    所以我今年会重点补后端工程化,而不是只追求功能表面能跑。

    围绕项目补技术

    我不打算孤立地学一堆技术名词,而是围绕简喵这个项目去补。

    Spring Boot 用来搭建后端接口和业务模块;MySQL 用来保存用户、简历、岗位和分析记录;Redis 用来做限流、验证码、缓存或调用次数控制;JWT 或 Session 用来处理登录和接口鉴权;Docker 用来保证部署环境一致;Nginx 用来做反向代理和静态资源访问;阿里云服务器用来让项目真正上线;大模型 API 用来完成简历分析和优化建议生成。

    这些技术只有放进具体项目里,才不会停留在”我学过”的层面。以后我写技术文章,也会尽量从项目问题出发,而不是单独写概念。比如我更想写:简喵为什么需要 Redis 限流;大模型 API 为什么不能暴露在前端;简历上传为什么要做文件校验;Prompt 为什么要要求结构化输出;日志为什么不能打印完整简历内容。这种写法对我自己也更有帮助。


    AI 应用开发真正要解决的问题

    调 API 只是第一步

    很多 AI 项目看起来像是”接入一个模型接口”。但我现在越来越觉得,调用 API 只是最简单的一步。真正困难的是让模型能力变成稳定的产品功能。

    以简喵为例,如果我只是把用户简历直接丢给大模型,然后让它”帮我优化一下”,这个功能可能偶尔能用,但很难稳定。它可能输出很空泛的建议,可能格式每次都不一样,可能编造用户没有的经历,可能忽略目标岗位,可能返回太长前端不好展示,也可能超时、失败、成本失控。所以 AI 应用开发要考虑的不只是”能不能回答”,还要考虑结果是否稳定、可解析、可保存、可展示、可追踪。

    Prompt、结构化输出和兜底

    我需要在项目里重点处理几个问题。

    第一是 Prompt 设计。模型需要知道它的角色、任务、输入内容、评分维度、输出格式和限制条件。第二是结构化输出。如果模型只返回一大段文字,前端展示和后端保存都会很麻烦,所以最好让它输出固定字段,比如总分、优势、问题、修改建议、项目经历改写等。第三是异常兜底。模型不一定每次都按要求返回,它可能输出非法 JSON,也可能缺字段,还可能调用失败,后端必须能处理这些情况,而不是直接让用户看到一堆错误。

    这些内容会是我做简喵时重点记录的部分。


    项目必须上线

    本地能跑不算结束

    今年我给自己定了一个比较硬的要求:项目尽量都要上线。因为本地能跑,只能说明功能初步完成,真正部署到服务器以后,才会遇到更多实际问题:环境变量怎么配置、数据库连接怎么处理、前后端跨域怎么解决、Nginx 怎么配置、HTTPS 证书怎么申请、服务器端口怎么开放、日志怎么查看、移动端访问是否正常。这些问题不一定复杂,但如果没有亲自部署过,就很难真正理解。

    上线后项目才更像作品

    如果一个项目只有代码仓库,没有在线地址,没有截图,没有 README,没有部署说明,也没有复盘文章,别人很难判断它的完成度。我希望简喵最后至少具备这些东西:在线体验地址、GitHub 仓库、项目截图、功能说明、技术栈说明、系统架构说明、部署文档、项目复盘、面试问答整理。这样它才不只是一个练手项目,而是一个能被展示、能被理解、能被追问的作品。


    博客在这条路线里的作用

    写博客不是额外任务

    我以前会觉得,项目先做,文章以后有空再写。但现在我觉得,博客本身就是项目的一部分。因为项目完成以后,如果没有文档和复盘,很多价值是展示不出来的。尤其是对普通本科生来说,项目文章可以补充简历里写不下的内容。

    简历只能写几行,博客可以把背后的思考写清楚:为什么做这个项目、技术选型怎么定、数据库怎么设计、Prompt 怎么写、权限怎么处理、上线遇到什么问题、项目有哪些不足。这些内容写出来后,项目会更可信,自己也会更清楚。

    博客、GitHub、在线地址要形成闭环

    我希望最后形成一个比较完整的证据链:博客文章说明我理解项目;GitHub 仓库说明我写了代码;在线地址说明项目可以访问;README 说明我能整理文档;项目复盘说明我能总结问题;简历 bullet 说明我能把项目价值表达出来。这几个东西合在一起,才是一个项目真正对求职有帮助的地方。


    2026 年的几个目标

    经营好 yanxai.com

    第一个目标是把 yanxai.com 持续更新起来。不是追求一开始有多少访问量,而是先把内容结构搭好。我会先写博客定位、技术路线、简喵项目开篇,然后围绕项目继续写需求分析、技术选型、系统架构、数据库设计、Prompt 设计、部署上线和复盘文章。

    完成简喵 MVP

    第二个目标是完成简喵的第一版。第一版不追求功能非常多,但必须有完整流程:注册登录、简历上传、文本解析、目标岗位输入、AI 分析、结果展示、历史记录和部署上线。只要这个闭环跑通,后面才能继续优化。

    补齐工程细节

    第三个目标是把项目做得更像真实系统。包括权限校验、统一异常处理、日志脱敏、Redis 限流、接口文档、部署文档、项目截图、测试账号和 README。这些细节可能不会让项目看起来更炫,但会让它更可靠。

    转化成简历和面试材料

    第四个目标是把简喵整理成能真正放进简历的项目。这包括项目描述、技术栈、亮点 bullet、1 分钟项目介绍、3 分钟项目介绍,以及一套常见面试问题。项目不是写完代码就结束,能不能讲清楚也很重要。


    我会怎样使用 AI 工具

    我不会减少使用 AI 工具,相反我会更系统地用。我会用它们辅助查问题、写代码、解释框架、分析方案、优化文章、模拟面试。但我会尽量避免直接把 AI 的输出当成自己的理解——AI 生成的代码,我要能看懂;AI 给出的方案,我要能判断;AI 写出的解释,我要能验证;AI 帮我整理的文章,我要加入自己的真实经历。否则很容易出现一种假象:内容看起来很完整,但其实自己没有真正掌握。

    这也是我写博客时需要注意的地方。文章可以参考 AI 的帮助,但最终必须写成自己的表达,写出自己真实做项目时遇到的问题。


    写在最后

    2026 年,我不想只停留在会用 AI 工具。

    工具当然重要,但它不是终点。对我来说,更重要的是借助工具做出真实项目,把功能部署上线,把过程写清楚,把项目转化成简历和面试里能讲得明白的材料。

    所以今年的路线会比较明确:围绕 AI 应用开发做项目;用 Java 后端补工程能力;把项目部署到线上;用博客记录过程和复盘;最后把这些内容变成可以展示的作品集。

    这条路不一定很快,也不会一开始就很漂亮。但至少我现在知道自己要往哪里走。后面,yanxai.com 会持续记录这个过程。


    文章作者: Ryan
    版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Ryan !

    评论

    有问题欢迎留言,看到都会回~

      大纲
     目录
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +

    2026 年我的 AI 应用开发路线:从工具使用者到项目构建者


    写在前面

    2026 年,我想把自己的技术方向收得更清楚一点。

    过去一段时间,我花了不少时间使用 AI 工具。ChatGPT、Claude、DeepSeek、Cursor、Claude Code,这些工具确实很有用。它们可以帮我解释报错、生成代码、梳理思路、改文章,也能让我更快完成一些以前需要查很久的事情。

    但用得越多,我越感觉到一个问题:只会使用 AI 工具,并不能形成真正稳定的竞争力。因为工具本身会越来越普及,今天我会用,明天别人也会用。真正能拉开差距的,不是用过多少工具,而是能不能借助这些工具做出一个真实项目。

    所以我今年的重点不是继续收藏更多工具,而是把 AI 能力接入到具体应用里。简单说,就是从”工具使用者”往”项目构建者”转。


    为什么不能只停留在 AI 工具使用

    会用工具已经不稀缺

    现在很多人都会用 AI 写代码、改简历、总结文章、生成方案。这当然是好事,AI 工具降低了学习和开发的门槛,也确实能提升效率。

    但如果一个人的能力只停留在”我会让 AI 帮我写代码”,那其实很危险。因为这件事本身并不稀缺,而且很难证明自己真正理解项目。比如我说我会用 Claude Code 或 Cursor,这只能说明我知道这个工具。但别人真正关心的是:我用它做出了什么?项目有没有上线?核心模块怎么设计?数据库怎么设计?接口失败怎么处理?大模型输出不稳定怎么办?如果这些问题讲不清楚,工具使用经验就会显得很薄。

    AI 提高效率,但不替代判断

    AI 很适合辅助学习和开发,但它不能替我做判断。

    它可以给我生成一段代码,但这段代码是否适合当前项目,需要我判断。它可以给我几个技术方案,但最终选择哪个方案,需要我承担后果。它可以帮我写 Prompt,但用户到底需要什么,还是要我自己想清楚。它可以解释报错,但项目结构、数据流和权限设计,不能完全交给它。

    我现在对 AI 工具的理解是:它是放大器,不是方向盘。如果我有清楚的目标,它能帮我更快推进;如果我自己方向不清楚,它只会帮我更快制造一堆碎片。所以今年我会继续用 AI,但不会把”会用 AI”当成终点。


    我的技术定位

    我更适合先做 AI 应用开发

    我现在不会把自己定位成大模型底层研究者,也不会假装自己在做算法突破。对我目前的阶段来说,更实际的方向是 AI 应用开发,也就是把大模型能力接入到具体场景里,做成用户可以使用的功能。比如简历优化、知识库问答、内容生成、文档分析、面试辅助、学习规划、个人效率工具。

    这些方向不一定听起来最硬核,但它们很贴近实际产品,也适合我现在用项目来训练综合能力。我现在最需要的不是空谈 AI 趋势,而是把一个 AI 应用项目从 0 做到上线。

    技术主线:AI 应用开发 + Java 后端工程化

    我今年的技术主线会放在两个方向上。

    第一个是 AI 应用开发,重点是需求分析、Prompt 设计、大模型 API 接入、结构化输出、异常兜底、成本控制和隐私保护。第二个是 Java 后端工程化,重点是 Spring Boot、MySQL、Redis、JWT、接口设计、权限控制、异常处理、日志、限流、Docker、Nginx 和服务器部署。

    这两个方向必须结合起来。如果只有 AI,没有后端工程能力,项目很容易变成一个临时 demo;如果只有后端,没有 AI 应用场景,项目又容易变成普通管理系统。我希望做的是二者结合:用后端工程能力支撑 AI 应用,让项目真正可用、可部署、可展示。


    今年的第一个重点项目:简喵

    为什么选择 AI 简历项目

    我今年准备重点做的项目叫”简喵”,一个 AI 简历优化项目。选择这个方向不是因为它最热门,而是因为我自己确实遇到过类似问题。

    有一次我在网上用简历模板,填了很久,最后导出 PDF 的时候才提示要付费。当时的体验很差。后来我就想,能不能做一个对学生更友好的免费简历工具。但真正开始思考这个项目后,我发现问题不只是”免费导出”。

    很多大学生写简历的难点,其实是不会表达自己的经历:做过项目,但写得很平;学过技术,但不知道怎么写进项目描述;有一些成果,但不会量化;投不同岗位,也不知道简历应该怎么调整。所以简喵的核心不只是模板,而是帮助用户把已有经历整理成更适合求职场景的表达。

    第一版想做到什么程度

    简喵第一版不会一上来做得很复杂。我希望先完成一个基本闭环:用户注册登录;上传 PDF 或 Word 简历;系统解析简历文本;用户输入目标岗位;AI 分析简历内容;输出评分、问题和优化建议;生成项目经历改写示例;保存历史分析记录;部署到服务器,能够在线访问。

    这个版本不一定完美,但要真实可用。我不想做一个只能截图展示的项目,至少要能让别人打开链接体验,能看到功能流程,能通过文章了解背后的技术设计。


    我需要补的后端能力

    不只写接口

    以前我有时候会把后端理解成写接口、查数据库、返回结果。但真正做项目以后,会发现后端需要考虑的问题更多:用户有没有登录?接口有没有权限校验?用户能不能访问别人的简历?上传文件有没有格式和大小限制?AI 调用失败时怎么提示?日志会不会记录用户隐私?大模型 API 会不会被刷爆?数据库表以后能不能扩展?上线后出问题怎么排查?这些问题才是项目真正容易暴露短板的地方。

    所以我今年会重点补后端工程化,而不是只追求功能表面能跑。

    围绕项目补技术

    我不打算孤立地学一堆技术名词,而是围绕简喵这个项目去补。

    Spring Boot 用来搭建后端接口和业务模块;MySQL 用来保存用户、简历、岗位和分析记录;Redis 用来做限流、验证码、缓存或调用次数控制;JWT 或 Session 用来处理登录和接口鉴权;Docker 用来保证部署环境一致;Nginx 用来做反向代理和静态资源访问;阿里云服务器用来让项目真正上线;大模型 API 用来完成简历分析和优化建议生成。

    这些技术只有放进具体项目里,才不会停留在”我学过”的层面。以后我写技术文章,也会尽量从项目问题出发,而不是单独写概念。比如我更想写:简喵为什么需要 Redis 限流;大模型 API 为什么不能暴露在前端;简历上传为什么要做文件校验;Prompt 为什么要要求结构化输出;日志为什么不能打印完整简历内容。这种写法对我自己也更有帮助。


    AI 应用开发真正要解决的问题

    调 API 只是第一步

    很多 AI 项目看起来像是”接入一个模型接口”。但我现在越来越觉得,调用 API 只是最简单的一步。真正困难的是让模型能力变成稳定的产品功能。

    以简喵为例,如果我只是把用户简历直接丢给大模型,然后让它”帮我优化一下”,这个功能可能偶尔能用,但很难稳定。它可能输出很空泛的建议,可能格式每次都不一样,可能编造用户没有的经历,可能忽略目标岗位,可能返回太长前端不好展示,也可能超时、失败、成本失控。所以 AI 应用开发要考虑的不只是”能不能回答”,还要考虑结果是否稳定、可解析、可保存、可展示、可追踪。

    Prompt、结构化输出和兜底

    我需要在项目里重点处理几个问题。

    第一是 Prompt 设计。模型需要知道它的角色、任务、输入内容、评分维度、输出格式和限制条件。第二是结构化输出。如果模型只返回一大段文字,前端展示和后端保存都会很麻烦,所以最好让它输出固定字段,比如总分、优势、问题、修改建议、项目经历改写等。第三是异常兜底。模型不一定每次都按要求返回,它可能输出非法 JSON,也可能缺字段,还可能调用失败,后端必须能处理这些情况,而不是直接让用户看到一堆错误。

    这些内容会是我做简喵时重点记录的部分。


    项目必须上线

    本地能跑不算结束

    今年我给自己定了一个比较硬的要求:项目尽量都要上线。因为本地能跑,只能说明功能初步完成,真正部署到服务器以后,才会遇到更多实际问题:环境变量怎么配置、数据库连接怎么处理、前后端跨域怎么解决、Nginx 怎么配置、HTTPS 证书怎么申请、服务器端口怎么开放、日志怎么查看、移动端访问是否正常。这些问题不一定复杂,但如果没有亲自部署过,就很难真正理解。

    上线后项目才更像作品

    如果一个项目只有代码仓库,没有在线地址,没有截图,没有 README,没有部署说明,也没有复盘文章,别人很难判断它的完成度。我希望简喵最后至少具备这些东西:在线体验地址、GitHub 仓库、项目截图、功能说明、技术栈说明、系统架构说明、部署文档、项目复盘、面试问答整理。这样它才不只是一个练手项目,而是一个能被展示、能被理解、能被追问的作品。


    博客在这条路线里的作用

    写博客不是额外任务

    我以前会觉得,项目先做,文章以后有空再写。但现在我觉得,博客本身就是项目的一部分。因为项目完成以后,如果没有文档和复盘,很多价值是展示不出来的。尤其是对普通本科生来说,项目文章可以补充简历里写不下的内容。

    简历只能写几行,博客可以把背后的思考写清楚:为什么做这个项目、技术选型怎么定、数据库怎么设计、Prompt 怎么写、权限怎么处理、上线遇到什么问题、项目有哪些不足。这些内容写出来后,项目会更可信,自己也会更清楚。

    博客、GitHub、在线地址要形成闭环

    我希望最后形成一个比较完整的证据链:博客文章说明我理解项目;GitHub 仓库说明我写了代码;在线地址说明项目可以访问;README 说明我能整理文档;项目复盘说明我能总结问题;简历 bullet 说明我能把项目价值表达出来。这几个东西合在一起,才是一个项目真正对求职有帮助的地方。


    2026 年的几个目标

    经营好 yanxai.com

    第一个目标是把 yanxai.com 持续更新起来。不是追求一开始有多少访问量,而是先把内容结构搭好。我会先写博客定位、技术路线、简喵项目开篇,然后围绕项目继续写需求分析、技术选型、系统架构、数据库设计、Prompt 设计、部署上线和复盘文章。

    完成简喵 MVP

    第二个目标是完成简喵的第一版。第一版不追求功能非常多,但必须有完整流程:注册登录、简历上传、文本解析、目标岗位输入、AI 分析、结果展示、历史记录和部署上线。只要这个闭环跑通,后面才能继续优化。

    补齐工程细节

    第三个目标是把项目做得更像真实系统。包括权限校验、统一异常处理、日志脱敏、Redis 限流、接口文档、部署文档、项目截图、测试账号和 README。这些细节可能不会让项目看起来更炫,但会让它更可靠。

    转化成简历和面试材料

    第四个目标是把简喵整理成能真正放进简历的项目。这包括项目描述、技术栈、亮点 bullet、1 分钟项目介绍、3 分钟项目介绍,以及一套常见面试问题。项目不是写完代码就结束,能不能讲清楚也很重要。


    我会怎样使用 AI 工具

    我不会减少使用 AI 工具,相反我会更系统地用。我会用它们辅助查问题、写代码、解释框架、分析方案、优化文章、模拟面试。但我会尽量避免直接把 AI 的输出当成自己的理解——AI 生成的代码,我要能看懂;AI 给出的方案,我要能判断;AI 写出的解释,我要能验证;AI 帮我整理的文章,我要加入自己的真实经历。否则很容易出现一种假象:内容看起来很完整,但其实自己没有真正掌握。

    这也是我写博客时需要注意的地方。文章可以参考 AI 的帮助,但最终必须写成自己的表达,写出自己真实做项目时遇到的问题。


    写在最后

    2026 年,我不想只停留在会用 AI 工具。

    工具当然重要,但它不是终点。对我来说,更重要的是借助工具做出真实项目,把功能部署上线,把过程写清楚,把项目转化成简历和面试里能讲得明白的材料。

    所以今年的路线会比较明确:围绕 AI 应用开发做项目;用 Java 后端补工程能力;把项目部署到线上;用博客记录过程和复盘;最后把这些内容变成可以展示的作品集。

    这条路不一定很快,也不会一开始就很漂亮。但至少我现在知道自己要往哪里走。后面,yanxai.com 会持续记录这个过程。


    文章作者: Ryan
    版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Ryan !

    评论

    有问题欢迎留言,看到都会回~

      大纲
     目录
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    🔭
    404
    这个页面被黑洞吸走了
    试试右上角的 🔍 搜索
    返回首页
    8 秒后自动返回首页
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    🔭
    404
    这个页面被黑洞吸走了
    试试右上角的 🔍 搜索
    返回首页
    8 秒后自动返回首页
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    11 文章
    9 分类
    24 标签
    Ryan
    11 文章
    9 分类
    24 标签
    Ryan
    学生 / 开发者
    Java 后端 + AI 应用开发方向,专注全栈项目实战与大模型落地应用。记录学习踩坑、项目实战和技术思考。

    嗨,我是 Ryan 👋

    一名计算机科学与技术专业在读本科生。

    Java 后端 + AI 应用开发方向,专注全栈项目实战与大模型落地应用。

    技术栈: Java、Spring Boot、MySQL、Redis、Maven、MyBatis-Plus、RabbitMQ、Docker、Vue3

    还在努力学习中的: Python、LangChain、Milvus 向量库、RAG 检索增强、多 Agent 协作、Ollama 本地大模型部署与应用开发。

    这里记录学习踩坑、项目实战和技术思考。如果你也对相关方向感兴趣,非常欢迎一起交流学习、互相探讨、共同进步。

    我会把项目里的设计取舍、失败重构和工程复盘写下来,持续探索可验证、可追溯、可维护的可信 AI 应用工程。

      文章统计图
    Loading...
    Loading...
    Loading...
      我的项目
    一句话定位 证据约束的 AI 求职材料生成平台。
    Spring Boot Vue3 MySQL Redis JWT LLM API 结构化输出 Evidence Index Guard Trail
    简喵不是让 AI 随便美化简历,而是围绕 JD、候选人经历和证据索引,生成更可追问、可解释、可复盘的求职材料。它关注的核心问题是:AI 改出来的每一句简历描述,是否真的能回到用户的真实经历上,而不是为了匹配岗位强行编造。
    一句话定位 面向 AI 编码工作流的 diff 风险检查工具。
    Node.js CLI Git diff 规则扫描 Secret 检测 CI 权限检查 JSON / SARIF GitHub Actions
    AI 改代码很快,但风险往往藏在 diff 里:测试被删除、密钥被写入代码、CI 权限被放大、鉴权逻辑被弱化。PatchBrake 尝试在提交前扫描这些高风险改动,让 AI-generated code 在进入仓库之前先经过一道本地安全闸门。
    一句话定位 本地隐私优先的 AI 编程 ROI 复盘系统。
    Node.js CLI React Vite SQLite Local-first Token 成本分析 模型策略复盘
    Token Studio ROI 不只是统计 token 消耗,而是尝试把 AI 编程过程中的模型、成本、任务、项目和产出证据连接起来。它关注的是一个更现实的问题:AI 编程花掉的 token 和时间,是否真的转化成了可解释、可复盘的工程进展。
    一句话定位 基于 Spring AI 的跨境电商客服 Agent。
    Spring Boot Spring AI RAG Tool Calling PGVector Redis RocketMQ Resilience4j 多语言 多租户
    OmniMerchant 用跨境电商客服作为场景,把订单查询、物流追踪、退换货政策、商品知识库、工具调用和人工升级放进同一个 Agent 系统里。它不是只做一个聊天 Demo,而是用更接近真实业务的方式验证 Spring AI、RAG 和 Tool Calling 如何落到后端工程里。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    11 文章
    9 分类
    24 标签
    Ryan
    11 文章
    9 分类
    24 标签
    Ryan
    学生 / 开发者
    Java 后端 + AI 应用开发方向,专注全栈项目实战与大模型落地应用。记录学习踩坑、项目实战和技术思考。

    嗨,我是 Ryan 👋

    一名计算机科学与技术专业在读本科生。

    Java 后端 + AI 应用开发方向,专注全栈项目实战与大模型落地应用。

    技术栈: Java、Spring Boot、MySQL、Redis、Maven、MyBatis-Plus、RabbitMQ、Docker、Vue3

    还在努力学习中的: Python、LangChain、Milvus 向量库、RAG 检索增强、多 Agent 协作、Ollama 本地大模型部署与应用开发。

    这里记录学习踩坑、项目实战和技术思考。如果你也对相关方向感兴趣,非常欢迎一起交流学习、互相探讨、共同进步。

    我会把项目里的设计取舍、失败重构和工程复盘写下来,持续探索可验证、可追溯、可维护的可信 AI 应用工程。

      文章统计图
    Loading...
    Loading...
    Loading...
      我的项目
    一句话定位 证据约束的 AI 求职材料生成平台。
    Spring Boot Vue3 MySQL Redis JWT LLM API 结构化输出 Evidence Index Guard Trail
    简喵不是让 AI 随便美化简历,而是围绕 JD、候选人经历和证据索引,生成更可追问、可解释、可复盘的求职材料。它关注的核心问题是:AI 改出来的每一句简历描述,是否真的能回到用户的真实经历上,而不是为了匹配岗位强行编造。
    一句话定位 面向 AI 编码工作流的 diff 风险检查工具。
    Node.js CLI Git diff 规则扫描 Secret 检测 CI 权限检查 JSON / SARIF GitHub Actions
    AI 改代码很快,但风险往往藏在 diff 里:测试被删除、密钥被写入代码、CI 权限被放大、鉴权逻辑被弱化。PatchBrake 尝试在提交前扫描这些高风险改动,让 AI-generated code 在进入仓库之前先经过一道本地安全闸门。
    一句话定位 本地隐私优先的 AI 编程 ROI 复盘系统。
    Node.js CLI React Vite SQLite Local-first Token 成本分析 模型策略复盘
    Token Studio ROI 不只是统计 token 消耗,而是尝试把 AI 编程过程中的模型、成本、任务、项目和产出证据连接起来。它关注的是一个更现实的问题:AI 编程花掉的 token 和时间,是否真的转化成了可解释、可复盘的工程进展。
    一句话定位 基于 Spring AI 的跨境电商客服 Agent。
    Spring Boot Spring AI RAG Tool Calling PGVector Redis RocketMQ Resilience4j 多语言 多租户
    OmniMerchant 用跨境电商客服作为场景,把订单查询、物流追踪、退换货政策、商品知识库、工具调用和人工升级放进同一个 Agent 系统里。它不是只做一个聊天 Demo,而是用更接近真实业务的方式验证 Spring AI、RAG 和 Tool Calling 如何落到后端工程里。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长

    归档

    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长

    归档

    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长

    归档

    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长

    归档

    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    1 / 2
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    1 / 2
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    2 / 2
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    2 / 2
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    1 / 2
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    1 / 2
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    2 / 2
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    2 / 2
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    一文讲透 RAG 核心术语:Embedding、Chunk、Vector DB、BM25、Reranker 到底是什么
    一文讲透 RAG 核心术语:Embedding、Chunk、Vector DB、BM25、Reranker 到底是什么
    上一篇我写 RAG,不想把它讲成“给 AI 接一个知识库”。 因为知识库只是资料放在哪里,RAG 真正要解决的是:当 AI 给出一个答案时,我们能不能知道它依据了哪段材料、有没有遗漏限制条件、能不能在...
    RAG 不是外挂知识库,而是一套证据链系统
    RAG 不是外挂知识库,而是一套证据链系统
    你有没有发现,现在很多 AI 回答最大的问题不是“答不上来”,而是“答得太像真的”。 它语气很稳定,结构很完整,甚至还会列出步骤、注意事项和看起来很专业的判断。 可真正危险的地方在于:你不知道它到底是...
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    一文讲透 RAG 核心术语:Embedding、Chunk、Vector DB、BM25、Reranker 到底是什么
    一文讲透 RAG 核心术语:Embedding、Chunk、Vector DB、BM25、Reranker 到底是什么
    上一篇我写 RAG,不想把它讲成“给 AI 接一个知识库”。 因为知识库只是资料放在哪里,RAG 真正要解决的是:当 AI 给出一个答案时,我们能不能知道它依据了哪段材料、有没有遗漏限制条件、能不能在...
    RAG 不是外挂知识库,而是一套证据链系统
    RAG 不是外挂知识库,而是一套证据链系统
    你有没有发现,现在很多 AI 回答最大的问题不是“答不上来”,而是“答得太像真的”。 它语气很稳定,结构很完整,甚至还会列出步骤、注意事项和看起来很专业的判断。 可真正危险的地方在于:你不知道它到底是...
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    我的服务器被暴力破解 10 万次后,我才真正理解公网安全
    我的服务器被暴力破解 10 万次后,我才真正理解公网安全
    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。 标题中的“10 万”对应原文统计的认证日志事件,不代表去重后的攻击次数,...
    AI 应用生产级护栏实战:限流、日志、降级、缓存、审计、成本
    AI 应用生产级护栏实战:限流、日志、降级、缓存、审计、成本
    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。 本文保留原文“已做、进行中、后续补齐”的阶段划分,清单中的条目不代表全部...
    AI应用项目部署上线和域名绑定保姆级流程:SpringBoot+Vue+AI+Nginx+Docker+Docker
    AI应用项目部署上线和域名绑定保姆级流程:SpringBoot+Vue+AI+Nginx+Docker+Docker
    本文同步收录自我的 CSDN 原文,正文取自 CSDN 官方社区版本。 本文以我的 AI 求职助手简喵为例,完整记录一个 AI 应用从本地打包、上传服务器、Docker Compose 启动、绑定域名...
    一文讲透 RAG 核心术语:Embedding、Chunk、Vector DB、BM25、Reranker 到底是什么
    一文讲透 RAG 核心术语:Embedding、Chunk、Vector DB、BM25、Reranker 到底是什么
    上一篇我写 RAG,不想把它讲成“给 AI 接一个知识库”。 因为知识库只是资料放在哪里,RAG 真正要解决的是:当 AI 给出一个答案时,我们能不能知道它依据了哪段材料、有没有遗漏限制条件、能不能在...
    RAG 不是外挂知识库,而是一套证据链系统
    RAG 不是外挂知识库,而是一套证据链系统
    你有没有发现,现在很多 AI 回答最大的问题不是“答不上来”,而是“答得太像真的”。 它语气很稳定,结构很完整,甚至还会列出步骤、注意事项和看起来很专业的判断。 可真正危险的地方在于:你不知道它到底是...
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    我的服务器被暴力破解 10 万次后,我才真正理解公网安全
    我的服务器被暴力破解 10 万次后,我才真正理解公网安全
    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。 标题中的“10 万”对应原文统计的认证日志事件,不代表去重后的攻击次数,...
    AI 应用生产级护栏实战:限流、日志、降级、缓存、审计、成本
    AI 应用生产级护栏实战:限流、日志、降级、缓存、审计、成本
    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。 本文保留原文“已做、进行中、后续补齐”的阶段划分,清单中的条目不代表全部...
    AI应用项目部署上线和域名绑定保姆级流程:SpringBoot+Vue+AI+Nginx+Docker+Docker
    AI应用项目部署上线和域名绑定保姆级流程:SpringBoot+Vue+AI+Nginx+Docker+Docker
    本文同步收录自我的 CSDN 原文,正文取自 CSDN 官方社区版本。 本文以我的 AI 求职助手简喵为例,完整记录一个 AI 应用从本地打包、上传服务器、Docker Compose 启动、绑定域名...
    一文讲透 RAG 核心术语:Embedding、Chunk、Vector DB、BM25、Reranker 到底是什么
    一文讲透 RAG 核心术语:Embedding、Chunk、Vector DB、BM25、Reranker 到底是什么
    上一篇我写 RAG,不想把它讲成“给 AI 接一个知识库”。 因为知识库只是资料放在哪里,RAG 真正要解决的是:当 AI 给出一个答案时,我们能不能知道它依据了哪段材料、有没有遗漏限制条件、能不能在...
    RAG 不是外挂知识库,而是一套证据链系统
    RAG 不是外挂知识库,而是一套证据链系统
    你有没有发现,现在很多 AI 回答最大的问题不是“答不上来”,而是“答得太像真的”。 它语气很稳定,结构很完整,甚至还会列出步骤、注意事项和看起来很专业的判断。 可真正危险的地方在于:你不知道它到底是...
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    我的服务器被暴力破解 10 万次后,我才真正理解公网安全
    我的服务器被暴力破解 10 万次后,我才真正理解公网安全
    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。 标题中的“10 万”对应原文统计的认证日志事件,不代表去重后的攻击次数,...
    AI应用项目部署上线和域名绑定保姆级流程:SpringBoot+Vue+AI+Nginx+Docker+Docker
    AI应用项目部署上线和域名绑定保姆级流程:SpringBoot+Vue+AI+Nginx+Docker+Docker
    本文同步收录自我的 CSDN 原文,正文取自 CSDN 官方社区版本。 本文以我的 AI 求职助手简喵为例,完整记录一个 AI 应用从本地打包、上传服务器、Docker Compose 启动、绑定域名...
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    我的服务器被暴力破解 10 万次后,我才真正理解公网安全
    我的服务器被暴力破解 10 万次后,我才真正理解公网安全
    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。 标题中的“10 万”对应原文统计的认证日志事件,不代表去重后的攻击次数,...
    AI应用项目部署上线和域名绑定保姆级流程:SpringBoot+Vue+AI+Nginx+Docker+Docker
    AI应用项目部署上线和域名绑定保姆级流程:SpringBoot+Vue+AI+Nginx+Docker+Docker
    本文同步收录自我的 CSDN 原文,正文取自 CSDN 官方社区版本。 本文以我的 AI 求职助手简喵为例,完整记录一个 AI 应用从本地打包、上传服务器、Docker Compose 启动、绑定域名...
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -

    项目

    AI时代思考

    AI应用工程

    Agent专题

    MCP专题

    SpringAI专题

    论文精选

    AI热点情报

    学习路线

    prompt与工作流

    面试经历

    个人复盘

    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +

    项目

    AI时代思考

    AI应用工程

    Agent专题

    MCP专题

    SpringAI专题

    论文精选

    AI热点情报

    学习路线

    prompt与工作流

    面试经历

    个人复盘

    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    2026-07-08
    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。 本文记录首次上线后的技术演进。当前最小 RAG 默认采用关键词检索,Ag...
    历时 3 个月,我从 0 上线了一个证据约束型 AI 求职助手:简喵
    历时 3 个月,我从 0 上线了一个证据约束型 AI 求职助手:简喵
    2026-07-03
    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。 本文记录首次上线阶段的设计取舍;后续最小 RAG 与受控工作流改造见简喵...
    我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么?
    我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么?
    项目地址:GitHub - Token Studio ROInpm registry:token-studioRelease:v6.0.8动图体验:Token Studio Walkthrough W...
    我让 AI 改代码,它悄悄删了测试、放大了 CI 权限,所以我做了 PatchBrake
    我让 AI 改代码,它悄悄删了测试、放大了 CI 权限,所以我做了 PatchBrake
    2026-06-15
    最近用 Claude Code、Codex、Cursor 这类工具写代码,我越来越明显地感觉到一件事:AI 写代码是真的快,但 review 并没有变轻松。 现在很多人的 AI 编码流程大概是这样:先...
    Hexo + Matery 主题从零搭建个人博客完整教程(GitHub Pages 部署 + 美化优化全流程)
    Hexo + Matery 主题从零搭建个人博客完整教程(GitHub Pages 部署 + 美化优化全流程)
    2026-05-10
    为什么选 Hexo + Matery?Hexo 是一个基于 Node.js 的静态博客框架,一条命令就能把 Markdown 文章生成完整的 HTML 站点。Matery 是 Hexo 生态中最受欢迎...
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    2026-07-08
    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。 本文记录首次上线后的技术演进。当前最小 RAG 默认采用关键词检索,Ag...
    历时 3 个月,我从 0 上线了一个证据约束型 AI 求职助手:简喵
    历时 3 个月,我从 0 上线了一个证据约束型 AI 求职助手:简喵
    2026-07-03
    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。 本文记录首次上线阶段的设计取舍;后续最小 RAG 与受控工作流改造见简喵...
    我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么?
    我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么?
    项目地址:GitHub - Token Studio ROInpm registry:token-studioRelease:v6.0.8动图体验:Token Studio Walkthrough W...
    我让 AI 改代码,它悄悄删了测试、放大了 CI 权限,所以我做了 PatchBrake
    我让 AI 改代码,它悄悄删了测试、放大了 CI 权限,所以我做了 PatchBrake
    2026-06-15
    最近用 Claude Code、Codex、Cursor 这类工具写代码,我越来越明显地感觉到一件事:AI 写代码是真的快,但 review 并没有变轻松。 现在很多人的 AI 编码流程大概是这样:先...
    Hexo + Matery 主题从零搭建个人博客完整教程(GitHub Pages 部署 + 美化优化全流程)
    Hexo + Matery 主题从零搭建个人博客完整教程(GitHub Pages 部署 + 美化优化全流程)
    2026-05-10
    为什么选 Hexo + Matery?Hexo 是一个基于 Node.js 的静态博客框架,一条命令就能把 Markdown 文章生成完整的 HTML 站点。Matery 是 Hexo 生态中最受欢迎...
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    2026-07-08
    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。 本文记录首次上线后的技术演进。当前最小 RAG 默认采用关键词检索,Ag...
    历时 3 个月,我从 0 上线了一个证据约束型 AI 求职助手:简喵
    历时 3 个月,我从 0 上线了一个证据约束型 AI 求职助手:简喵
    2026-07-03
    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。 本文记录首次上线阶段的设计取舍;后续最小 RAG 与受控工作流改造见简喵...
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    2026-07-08
    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。 本文记录首次上线后的技术演进。当前最小 RAG 默认采用关键词检索,Ag...
    历时 3 个月,我从 0 上线了一个证据约束型 AI 求职助手:简喵
    历时 3 个月,我从 0 上线了一个证据约束型 AI 求职助手:简喵
    2026-07-03
    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。 本文记录首次上线阶段的设计取舍;后续最小 RAG 与受控工作流改造见简喵...
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    💬

    留言板

    登录 GitHub 即可留言,看到都会回复~

    评论

    有问题欢迎留言,看到都会回~

    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    💬

    留言板

    登录 GitHub 即可留言,看到都会回复~

    评论

    有问题欢迎留言,看到都会回~

    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    交换友链 / 联系我

    如有意交换友情链接,欢迎通过以下方式联系我~

    RyanCoreAI ryan@yanxai.com
    留言交流
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    交换友链 / 联系我

    如有意交换友情链接,欢迎通过以下方式联系我~

    RyanCoreAI ryan@yanxai.com
    留言交流
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长

    记录 AI 应用工程、可信交付、评测、安全、成本与长期复盘

      精选推送
    AI时代思考

    小白用 Codex 和 Claude Code 也能做产品,程序员的出路在哪里?

    AI 时代不缺代码生成,缺的是可信交付。真正重要的是能不能解释、验证、审查、回滚并长期维护 AI 生成的软件。

    阅读更多
    Content Map

    内容分类

    按长期方向组织文章。先选择主分类,指向主分类可展开子分类,点击子分类后只显示对应文章。

    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长

    记录 AI 应用工程、可信交付、评测、安全、成本与长期复盘

      精选推送
    AI时代思考

    小白用 Codex 和 Claude Code 也能做产品,程序员的出路在哪里?

    AI 时代不缺代码生成,缺的是可信交付。真正重要的是能不能解释、验证、审查、回滚并长期维护 AI 生成的软件。

    阅读更多
    Content Map

    内容分类

    按长期方向组织文章。先选择主分类,指向主分类可展开子分类,点击子分类后只显示对应文章。

    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -

    小白用 Codex 和 Claude Code 也能做产品,程序员的出路在哪里?


    最近用 Codex 和 Claude Code 写项目时,我越来越明显地感受到一种割裂:一边是效率真的变高了,一个想法可以很快变成能跑的产品;另一边是焦虑也变强了,因为“能跑”开始变得不再稀缺。真正刺痛我的问题不是 AI 能不能写代码,而是当一个项目大部分代码都由 AI 生成后,我还能不能解释它、修改它、验证它、回滚它,并在它出问题时真正负责?如果不能,这个项目看起来再完整,也更像是 AI 的产物,而不是我的工程能力。

    1.能做出产品,但不等于完全具备工程能力

    小白能用AI做产品,但开发的时候他是否知道什么场景用什么技术栈,架构如何设计,如何用工作树和Git提交或回滚代码,如果一个系统真的上线,并发怎么处理?数据库事务边界在哪里?缓存失效怎么办?权限绕过怎么防?日志怎么设计?成本异常怎么定位?AI 改了鉴权逻辑但测试没覆盖怎么办?线上出错谁回滚?这些问题不是“生成代码”本身,而是工程责任。

    未来最危险的岗位不是“程序员”,而是“只会接明确需求、写普通 CRUD、不会判断架构、不懂测试、不懂安全、不懂业务的人”。因为这类工作最适合被AI批量生成。

    AI 让代码产出变快,必然让review、测试、安全和治理变成瓶颈。

    AI 时代的高阶程序员价值链变成:定义问题 → 拆解任务 → 设计架构 → 给 AI 上下文 → 审查 diff → 写测试和评测 → 控制权限和安全边界 → 监控线上行为 → 复盘成本和质量 → 长期维护系统。

    AI 时代越往后,“能生成代码”越不稀缺,“能证明代码可信”越稀缺。

    我所做的项目:

    PatchBrake 不是为了再做一个代码扫描器,而是盯住 AI-generated diff 里的工程风险:删测试、放大权限、弱化鉴权、修改规则文件、引入危险脚本。

    Token Studio ROI 不是为了记 token,而是把 AI 编程从“感觉效率很高”变成可复盘的工作证据:不同项目、不同模型、不同任务到底消耗了多少,产出了什么,值不值得继续。

    OmniMerchant 不是客服 demo,而是在跨境电商场景里处理 RAG、tool calling、多租户、流式响应、fallback、成本和权限边界。

    简喵不是泛泛的简历评分器,而是证据约束型岗位竞争力诊断:JD里哪些能匹配,哪些有证据,哪些不能硬补,改写后能不能经得起面试追问。

    这些项目表面不同,底层是同一个问题: AI 生成之后,如何留下证据、边界和责任? 我把它叫作可信交付。 它至少包含五件事:

    • 生成结果有证据。
    • 系统行为有边界。
    • 质量风险可验证。
    • 线上问题可追溯。
    • 长期演进可复盘。

    在AI应用工程中:

    RAG系统不是接一个向量库。 它要评估retrieval recall、context precision、faithfulness、answer relevance。

    Agent系统不是让模型调用工具。 它要设计tool permission、approval flow、audit log、failure fallback。

    AI observability不是看一眼 token 数。 它要记录模型、延迟、成本、trace、tool call、错误、用户反馈和版本变化。 这些才是AI应用开发的真实壁垒。

    所以AI时代真正的出路是:能把AI生成的软件纳入一套可验证、可审计、可交付的工程流程,建立一套自己的AI工作流。AI时代不缺代码生成,缺的是可信交付。

    2.小白也能做产品,程序员的出路在哪里?

    (1)做 AI 应用工程,而不是“套壳应用”。

    用上Codex和Claude Code确实可以做一个“看起来不错”的工具,但多数人做不出稳定的 AI 应用。因为 AI 应用真正难的地方不是页面,也不是调 API,而是这些问题:

    • 模型输出不稳定怎么办?
    • 结构化 JSON 解析失败怎么办?
    • RAG 检索到错误证据怎么办?
    • 用户输入包含 prompt injection 怎么办?
    • tool calling 调错工具怎么办?
    • 多租户数据串了怎么办?
    • token 成本失控怎么办?
    • 流式响应中途失败怎么办?
    • 模型降级后质量怎么保证?

    AI 生成内容如何可追溯、可解释、可复盘? 这些才是AI应用开发的真实壁垒。

    普通小白能上线 demo,但很难建立一套 evidence、eval、observability、guardrail、fallback、audit trail。 出路不是“我也会用 Claude Code 做项目”,而应该是:“我能把 Claude Code、Codex 生成的软件纳入一套可验证、可审计、可交付的工程流程。”

    • 不只是我的项目能跑,而是我能解释核心链路和关键实现。
    • 不只是我的技术栈很丰富,而是我选择了有取舍、有边界、有替代方案。
    • 不只是我用了 Claude Code / Codex,而是我能审查、约束、验证 AI 产物。
    • 不只是我做了几个单元测试,而是我的测试覆盖了异常、边界、回归和 CI。
    • 不只是我实现了登录鉴权,而是我能处理越权、注入、敏感信息和多租户隔离。
    • 不只是我本地运行成功,而是我有日志、错误码、重试、回滚和监控。
    • 不只是我的README很漂亮,而是我有 changelog、benchmark、failure cases 和复盘。
    • 不只是我会背项目介绍,而是我能现场改需求、debug、解释取舍。

    (2)掌握领域,而不是只掌握工具。

    AI 最擅长的是通用模式。越通用,越容易被生成;越需要领域判断,越不容易被替代。

    比如跨境电商客服系统,不只是写一个聊天框。它涉及订单、物流、售后、退换货政策、多语言、商家规则、平台合规、用户情绪、风控和成本。求职材料生成也不是“润色简历”,而是 JD → 证据 → 改写 → 风险控制 → 面试可追问。AI 可以帮你写代码,但它不知道你的产品到底要对谁负责。

    所以程序员的长期出路之一,是变成“某个领域里的工程师”,而不是“只会某个技术栈的人”。Java 后端、Spring AI、RAG、Agent 都只是武器;真正值钱的是你能把它们用于一个真实问题,并且知道哪些地方不能乱生成。

    AI 可以生成代码、README、测试样例、架构图,但很难伪造你对系统的真实理解、取舍过程、排障能力和长期维护能力。

    3.AI 时代,项目本身会贬值,工程证据会升值

    (1)设计取舍证据。

    面试官问:

    • “为什么用这个架构?”
    • “为什么不用更简单的方案?”
    • “这个模块的边界在哪里?”
    • “如果用户量扩大10倍,哪个地方先出问题?”
    • “这个设计最失败的地方是什么?”

    真正做过工程的人,回答里会有取舍:性能、复杂度、开发时间、可维护性、安全、成本、团队能力。只靠 AI 堆出来的人,通常只能复述架构名词,比如“用了 Redis、用了 MQ、用了 RAG、用了微服务”,但说不出为什么。

    (2)debug 证据。

    AI 能生成新代码,但真实工程能力很大一部分体现在出问题后能不能定位。

    面试官会问:

    • “线上接口变慢,你怎么排查?”
    • “Redis 缓存命中率下降,你看什么指标?”
    • “数据库偶发死锁,你怎么复现?”
    • “用户说 AI 回答错了,你怎么判断是 prompt 问题、检索问题、模型问题还是数据问题?”
    • “流式响应中途断了,前后端分别怎么处理?”

    这类问题很难靠背诵解决。因为它考的是排查路径:日志、traceId、metrics、SQL explain、异常栈、请求链路、复现条件、最小化变量、回滚策略。

    所以项目里要有日志、错误码、traceId、监控截图、故障复盘。哪怕是个人项目,也可以写一份“线上事故排查文档”。

    (3)测试和验证证据。

    未来 AI 生成代码越多,测试越重要。面试官会越来越看重你有没有能力验证 AI 产物。

    他会问:

    • “你怎么证明这个功能是对的?”
    • “边界条件测了哪些?”
    • “单测、集成测试、端到端测试分别覆盖什么?”
    • “AI 生成代码你怎么 review?”
    • “你怎么防止修改 A 功能时破坏 B 功能?”

    小白做项目通常是“能跑就行”。工程师要回答的是“为什么我相信它长期能跑”。

    项目需要的东西:

    单元测试、集成测试、异常测试、边界测试、benchmark、CI、测试覆盖范围说明、失败用例说明。

    除此之外还应该有 AI eval:比如 RAG 回答是否引用了正确证据、简历改写是否夸大事实、客服 Agent 是否越权调用工具、AI 生成 diff 是否删除测试或放大权限。

    (4)代码审查证据。

    面试官不一定只让你写代码,可能直接给你一段AI生成代码,让你 review。

    他会看你能不能发现: 并发问题。 权限绕过。 事务边界错误。 N+1 查询。 空指针和异常吞噬。 SQL 注入。 缓存穿透/击穿/雪崩。 日志泄露敏感信息。 测试只测 happy path。 代码过度抽象。

    AI 最容易写出“看起来完整,但边界很脆”的代码。会工程的人,能看出这些脆点。

    我会把 PatchBrake 这类项目继续往“AI diff 风险审查”方向做。它不只是一个工具,而是能力定位的证据:你不是只会用 AI 写代码,你还能审计 AI 写出来的代码。

    (5)系统边界和安全证据。

    AI 写代码后,最容易被忽视的是边界。 面试官问:

    • “用户输入恶意内容怎么办?”
    • “多租户数据怎么隔离?”
    • “普通用户能不能越权访问别人的资源?”
    • “tool calling 有没有权限控制?”
    • “模型输出不合法怎么办?”
    • “敏感信息会不会进日志?”
    • “AI 生成内容错了,系统怎么兜底?”

    (6)长期维护证据。

    很多 AI 项目是一次性 demo。面试官会越来越警惕这种“短期堆出来”的项目。 更关注:

    • 有没有版本演进记录。
    • 有没有 changelog。
    • 有没有 issue/roadmap。
    • 有没有重构记录。
    • 有没有测试随功能增长而增长。
    • 有没有配置说明。
    • 有没有部署说明。
    • 有没有已知问题。
    • 有没有从 v1 到 v2 的设计变化。

    真正的工程能力不是“做出来”,而是“维护得住”。一个项目连续迭代 3 个月,比 5 个一次性AI demo更有说服力。

    (7)表达和复盘证据。

    AI 能帮你写项目介绍,但很难替你讲清楚真实经历。面试官会通过追问判断你是不是 owner。 面试官问:

    • “这个项目里你最难的一个 bug 是什么?”
    • “你做过最错误的设计是什么?”
    • “哪一部分后来推翻了?”
    • “你最不满意的地方是什么?”
    • “如果再做一遍,你会怎么改?”
    • “这个项目真正服务了谁?”
    • “有没有用户反馈?”

    这些问题非常关键。因为没真正做过的人,通常只会讲正面包装,不会讲失败、返工、妥协和权衡。

    所以文章里可以考虑主动写失败点。不是自曝缺点,而是证明你真的经历过工程过程。

    能力低质量证据高质量证据
    写代码项目能跑能解释核心链路和关键实现
    架构设计技术栈很丰富有取舍、有边界、有替代方案
    AI 使用用 Claude Code/Codex 做项目能审查、约束、验证 AI 产物
    测试有几个 happy path 单测覆盖异常、边界、回归、CI
    安全登录鉴权越权、注入、敏感信息、多租户隔离
    可靠性本地运行成功日志、错误码、重试、回滚、监控
    项目深度README 很漂亮有 changelog、benchmark、复盘、失败案例
    面试可信度会背项目介绍能现场改需求、debug、解释取舍

    这些都是我后面做内容和产品会坚持的方向。

    4.关于我个人对AI时代的思考

    我不会把自己的产品和文章做成“手把手复制一个爆款项目”的流量模板。

    更不会承诺“学完某个项目就能找到工作”。

    这种话听起来很有吸引力,但很多时候只是另一种自我安慰。

    AI 应用开发不是背几个框架名词,也不是照着教程部署一个项目。

    真正重要的是:你有没有在一个具体问题里做过判断,踩过坑,推翻过方案,修过错误,理解过边界,并且能把这些过程沉淀成自己的工程认知。

    我更在意长期品牌,而不是短期热点。

    热点可以带来流量,但很难带来信任。

    真正能让别人相信你的,不是你追上了多少话题,而是你是否长期围绕一个方向持续输出,是否能在项目、代码、文章和复盘里看见稳定的判断力。

    我现在做的事情很简单:

    记录自己从 0 到 1 学习 AI 应用开发的过程。

    记录项目踩坑、架构取舍、错误判断、重构过程和复盘。

    记录我如何从一个学生慢慢建立起对 AI 应用工程、可信交付、证据链、评测、安全和长期产品判断的理解。

    这不是速成路线。

    也不是求职捷径。

    它更像是一条长期训练路径。

    我希望我的内容不是让人看完以后产生虚假的兴奋,而是让真正愿意思考的人看到:一个项目为什么这样做,哪里容易错,哪些地方不能骗自己,什么才算真正有工程价值。

    我相信,一个人需要在某个领域建立足够稳定的判断,才不会被网上的情绪、热点和速成叙事随意带偏。

    我也相信,真正有判断力的人,最终会通过长期内容找到彼此。

    不是因为标题足够刺激。

    而是因为文字里有真实经历,有取舍,有问题意识,有持续迭代的痕迹。

    我不会只做“看起来很热”的内容。

    我会继续做有我自己工程路径、成长痕迹和判断密度的深度内容。

    短期流量会过去。

    长期品牌会留下。

    我是 Ryan,一个专注于可信 AI 应用工程的开发者,个人技术博客:yanxai.com,研究如何让 AI 生成从“看起来对”走向“有证据、可追溯、可验证”。


    文章作者: Ryan
    版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Ryan !

    评论

    有问题欢迎留言,看到都会回~

     上一篇
    我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么? 我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么?
    一条命令 npx token-studio 就能下载并启动本地体验。Token Studio 不只统计 AI 编程用了多少 token,而是追问这些 token 到底换来了什么,并把消耗连接到项目、产出证据、模型策略和行动报告。
    2026-06-21
    下一篇 
    RAG 不是外挂知识库,而是一套证据链系统 RAG 不是外挂知识库,而是一套证据链系统
    RAG 不是让模型知道更多,而是让模型的回答有证据、有边界、可追溯、可评测。
    2026-06-27
      大纲
     目录
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +

    小白用 Codex 和 Claude Code 也能做产品,程序员的出路在哪里?


    最近用 Codex 和 Claude Code 写项目时,我越来越明显地感受到一种割裂:一边是效率真的变高了,一个想法可以很快变成能跑的产品;另一边是焦虑也变强了,因为“能跑”开始变得不再稀缺。真正刺痛我的问题不是 AI 能不能写代码,而是当一个项目大部分代码都由 AI 生成后,我还能不能解释它、修改它、验证它、回滚它,并在它出问题时真正负责?如果不能,这个项目看起来再完整,也更像是 AI 的产物,而不是我的工程能力。

    1.能做出产品,但不等于完全具备工程能力

    小白能用AI做产品,但开发的时候他是否知道什么场景用什么技术栈,架构如何设计,如何用工作树和Git提交或回滚代码,如果一个系统真的上线,并发怎么处理?数据库事务边界在哪里?缓存失效怎么办?权限绕过怎么防?日志怎么设计?成本异常怎么定位?AI 改了鉴权逻辑但测试没覆盖怎么办?线上出错谁回滚?这些问题不是“生成代码”本身,而是工程责任。

    未来最危险的岗位不是“程序员”,而是“只会接明确需求、写普通 CRUD、不会判断架构、不懂测试、不懂安全、不懂业务的人”。因为这类工作最适合被AI批量生成。

    AI 让代码产出变快,必然让review、测试、安全和治理变成瓶颈。

    AI 时代的高阶程序员价值链变成:定义问题 → 拆解任务 → 设计架构 → 给 AI 上下文 → 审查 diff → 写测试和评测 → 控制权限和安全边界 → 监控线上行为 → 复盘成本和质量 → 长期维护系统。

    AI 时代越往后,“能生成代码”越不稀缺,“能证明代码可信”越稀缺。

    我所做的项目:

    PatchBrake 不是为了再做一个代码扫描器,而是盯住 AI-generated diff 里的工程风险:删测试、放大权限、弱化鉴权、修改规则文件、引入危险脚本。

    Token Studio ROI 不是为了记 token,而是把 AI 编程从“感觉效率很高”变成可复盘的工作证据:不同项目、不同模型、不同任务到底消耗了多少,产出了什么,值不值得继续。

    OmniMerchant 不是客服 demo,而是在跨境电商场景里处理 RAG、tool calling、多租户、流式响应、fallback、成本和权限边界。

    简喵不是泛泛的简历评分器,而是证据约束型岗位竞争力诊断:JD里哪些能匹配,哪些有证据,哪些不能硬补,改写后能不能经得起面试追问。

    这些项目表面不同,底层是同一个问题: AI 生成之后,如何留下证据、边界和责任? 我把它叫作可信交付。 它至少包含五件事:

    • 生成结果有证据。
    • 系统行为有边界。
    • 质量风险可验证。
    • 线上问题可追溯。
    • 长期演进可复盘。

    在AI应用工程中:

    RAG系统不是接一个向量库。 它要评估retrieval recall、context precision、faithfulness、answer relevance。

    Agent系统不是让模型调用工具。 它要设计tool permission、approval flow、audit log、failure fallback。

    AI observability不是看一眼 token 数。 它要记录模型、延迟、成本、trace、tool call、错误、用户反馈和版本变化。 这些才是AI应用开发的真实壁垒。

    所以AI时代真正的出路是:能把AI生成的软件纳入一套可验证、可审计、可交付的工程流程,建立一套自己的AI工作流。AI时代不缺代码生成,缺的是可信交付。

    2.小白也能做产品,程序员的出路在哪里?

    (1)做 AI 应用工程,而不是“套壳应用”。

    用上Codex和Claude Code确实可以做一个“看起来不错”的工具,但多数人做不出稳定的 AI 应用。因为 AI 应用真正难的地方不是页面,也不是调 API,而是这些问题:

    • 模型输出不稳定怎么办?
    • 结构化 JSON 解析失败怎么办?
    • RAG 检索到错误证据怎么办?
    • 用户输入包含 prompt injection 怎么办?
    • tool calling 调错工具怎么办?
    • 多租户数据串了怎么办?
    • token 成本失控怎么办?
    • 流式响应中途失败怎么办?
    • 模型降级后质量怎么保证?

    AI 生成内容如何可追溯、可解释、可复盘? 这些才是AI应用开发的真实壁垒。

    普通小白能上线 demo,但很难建立一套 evidence、eval、observability、guardrail、fallback、audit trail。 出路不是“我也会用 Claude Code 做项目”,而应该是:“我能把 Claude Code、Codex 生成的软件纳入一套可验证、可审计、可交付的工程流程。”

    • 不只是我的项目能跑,而是我能解释核心链路和关键实现。
    • 不只是我的技术栈很丰富,而是我选择了有取舍、有边界、有替代方案。
    • 不只是我用了 Claude Code / Codex,而是我能审查、约束、验证 AI 产物。
    • 不只是我做了几个单元测试,而是我的测试覆盖了异常、边界、回归和 CI。
    • 不只是我实现了登录鉴权,而是我能处理越权、注入、敏感信息和多租户隔离。
    • 不只是我本地运行成功,而是我有日志、错误码、重试、回滚和监控。
    • 不只是我的README很漂亮,而是我有 changelog、benchmark、failure cases 和复盘。
    • 不只是我会背项目介绍,而是我能现场改需求、debug、解释取舍。

    (2)掌握领域,而不是只掌握工具。

    AI 最擅长的是通用模式。越通用,越容易被生成;越需要领域判断,越不容易被替代。

    比如跨境电商客服系统,不只是写一个聊天框。它涉及订单、物流、售后、退换货政策、多语言、商家规则、平台合规、用户情绪、风控和成本。求职材料生成也不是“润色简历”,而是 JD → 证据 → 改写 → 风险控制 → 面试可追问。AI 可以帮你写代码,但它不知道你的产品到底要对谁负责。

    所以程序员的长期出路之一,是变成“某个领域里的工程师”,而不是“只会某个技术栈的人”。Java 后端、Spring AI、RAG、Agent 都只是武器;真正值钱的是你能把它们用于一个真实问题,并且知道哪些地方不能乱生成。

    AI 可以生成代码、README、测试样例、架构图,但很难伪造你对系统的真实理解、取舍过程、排障能力和长期维护能力。

    3.AI 时代,项目本身会贬值,工程证据会升值

    (1)设计取舍证据。

    面试官问:

    • “为什么用这个架构?”
    • “为什么不用更简单的方案?”
    • “这个模块的边界在哪里?”
    • “如果用户量扩大10倍,哪个地方先出问题?”
    • “这个设计最失败的地方是什么?”

    真正做过工程的人,回答里会有取舍:性能、复杂度、开发时间、可维护性、安全、成本、团队能力。只靠 AI 堆出来的人,通常只能复述架构名词,比如“用了 Redis、用了 MQ、用了 RAG、用了微服务”,但说不出为什么。

    (2)debug 证据。

    AI 能生成新代码,但真实工程能力很大一部分体现在出问题后能不能定位。

    面试官会问:

    • “线上接口变慢,你怎么排查?”
    • “Redis 缓存命中率下降,你看什么指标?”
    • “数据库偶发死锁,你怎么复现?”
    • “用户说 AI 回答错了,你怎么判断是 prompt 问题、检索问题、模型问题还是数据问题?”
    • “流式响应中途断了,前后端分别怎么处理?”

    这类问题很难靠背诵解决。因为它考的是排查路径:日志、traceId、metrics、SQL explain、异常栈、请求链路、复现条件、最小化变量、回滚策略。

    所以项目里要有日志、错误码、traceId、监控截图、故障复盘。哪怕是个人项目,也可以写一份“线上事故排查文档”。

    (3)测试和验证证据。

    未来 AI 生成代码越多,测试越重要。面试官会越来越看重你有没有能力验证 AI 产物。

    他会问:

    • “你怎么证明这个功能是对的?”
    • “边界条件测了哪些?”
    • “单测、集成测试、端到端测试分别覆盖什么?”
    • “AI 生成代码你怎么 review?”
    • “你怎么防止修改 A 功能时破坏 B 功能?”

    小白做项目通常是“能跑就行”。工程师要回答的是“为什么我相信它长期能跑”。

    项目需要的东西:

    单元测试、集成测试、异常测试、边界测试、benchmark、CI、测试覆盖范围说明、失败用例说明。

    除此之外还应该有 AI eval:比如 RAG 回答是否引用了正确证据、简历改写是否夸大事实、客服 Agent 是否越权调用工具、AI 生成 diff 是否删除测试或放大权限。

    (4)代码审查证据。

    面试官不一定只让你写代码,可能直接给你一段AI生成代码,让你 review。

    他会看你能不能发现: 并发问题。 权限绕过。 事务边界错误。 N+1 查询。 空指针和异常吞噬。 SQL 注入。 缓存穿透/击穿/雪崩。 日志泄露敏感信息。 测试只测 happy path。 代码过度抽象。

    AI 最容易写出“看起来完整,但边界很脆”的代码。会工程的人,能看出这些脆点。

    我会把 PatchBrake 这类项目继续往“AI diff 风险审查”方向做。它不只是一个工具,而是能力定位的证据:你不是只会用 AI 写代码,你还能审计 AI 写出来的代码。

    (5)系统边界和安全证据。

    AI 写代码后,最容易被忽视的是边界。 面试官问:

    • “用户输入恶意内容怎么办?”
    • “多租户数据怎么隔离?”
    • “普通用户能不能越权访问别人的资源?”
    • “tool calling 有没有权限控制?”
    • “模型输出不合法怎么办?”
    • “敏感信息会不会进日志?”
    • “AI 生成内容错了,系统怎么兜底?”

    (6)长期维护证据。

    很多 AI 项目是一次性 demo。面试官会越来越警惕这种“短期堆出来”的项目。 更关注:

    • 有没有版本演进记录。
    • 有没有 changelog。
    • 有没有 issue/roadmap。
    • 有没有重构记录。
    • 有没有测试随功能增长而增长。
    • 有没有配置说明。
    • 有没有部署说明。
    • 有没有已知问题。
    • 有没有从 v1 到 v2 的设计变化。

    真正的工程能力不是“做出来”,而是“维护得住”。一个项目连续迭代 3 个月,比 5 个一次性AI demo更有说服力。

    (7)表达和复盘证据。

    AI 能帮你写项目介绍,但很难替你讲清楚真实经历。面试官会通过追问判断你是不是 owner。 面试官问:

    • “这个项目里你最难的一个 bug 是什么?”
    • “你做过最错误的设计是什么?”
    • “哪一部分后来推翻了?”
    • “你最不满意的地方是什么?”
    • “如果再做一遍,你会怎么改?”
    • “这个项目真正服务了谁?”
    • “有没有用户反馈?”

    这些问题非常关键。因为没真正做过的人,通常只会讲正面包装,不会讲失败、返工、妥协和权衡。

    所以文章里可以考虑主动写失败点。不是自曝缺点,而是证明你真的经历过工程过程。

    能力低质量证据高质量证据
    写代码项目能跑能解释核心链路和关键实现
    架构设计技术栈很丰富有取舍、有边界、有替代方案
    AI 使用用 Claude Code/Codex 做项目能审查、约束、验证 AI 产物
    测试有几个 happy path 单测覆盖异常、边界、回归、CI
    安全登录鉴权越权、注入、敏感信息、多租户隔离
    可靠性本地运行成功日志、错误码、重试、回滚、监控
    项目深度README 很漂亮有 changelog、benchmark、复盘、失败案例
    面试可信度会背项目介绍能现场改需求、debug、解释取舍

    这些都是我后面做内容和产品会坚持的方向。

    4.关于我个人对AI时代的思考

    我不会把自己的产品和文章做成“手把手复制一个爆款项目”的流量模板。

    更不会承诺“学完某个项目就能找到工作”。

    这种话听起来很有吸引力,但很多时候只是另一种自我安慰。

    AI 应用开发不是背几个框架名词,也不是照着教程部署一个项目。

    真正重要的是:你有没有在一个具体问题里做过判断,踩过坑,推翻过方案,修过错误,理解过边界,并且能把这些过程沉淀成自己的工程认知。

    我更在意长期品牌,而不是短期热点。

    热点可以带来流量,但很难带来信任。

    真正能让别人相信你的,不是你追上了多少话题,而是你是否长期围绕一个方向持续输出,是否能在项目、代码、文章和复盘里看见稳定的判断力。

    我现在做的事情很简单:

    记录自己从 0 到 1 学习 AI 应用开发的过程。

    记录项目踩坑、架构取舍、错误判断、重构过程和复盘。

    记录我如何从一个学生慢慢建立起对 AI 应用工程、可信交付、证据链、评测、安全和长期产品判断的理解。

    这不是速成路线。

    也不是求职捷径。

    它更像是一条长期训练路径。

    我希望我的内容不是让人看完以后产生虚假的兴奋,而是让真正愿意思考的人看到:一个项目为什么这样做,哪里容易错,哪些地方不能骗自己,什么才算真正有工程价值。

    我相信,一个人需要在某个领域建立足够稳定的判断,才不会被网上的情绪、热点和速成叙事随意带偏。

    我也相信,真正有判断力的人,最终会通过长期内容找到彼此。

    不是因为标题足够刺激。

    而是因为文字里有真实经历,有取舍,有问题意识,有持续迭代的痕迹。

    我不会只做“看起来很热”的内容。

    我会继续做有我自己工程路径、成长痕迹和判断密度的深度内容。

    短期流量会过去。

    长期品牌会留下。

    我是 Ryan,一个专注于可信 AI 应用工程的开发者,个人技术博客:yanxai.com,研究如何让 AI 生成从“看起来对”走向“有证据、可追溯、可验证”。


    文章作者: Ryan
    版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Ryan !

    评论

    有问题欢迎留言,看到都会回~

     上一篇
    我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么? 我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么?
    一条命令 npx token-studio 就能下载并启动本地体验。Token Studio 不只统计 AI 编程用了多少 token,而是追问这些 token 到底换来了什么,并把消耗连接到项目、产出证据、模型策略和行动报告。
    2026-06-21
    下一篇 
    RAG 不是外挂知识库,而是一套证据链系统 RAG 不是外挂知识库,而是一套证据链系统
    RAG 不是让模型知道更多,而是让模型的回答有证据、有边界、可追溯、可评测。
    2026-06-27
      大纲
     目录
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -

    简喵 01:为什么我要做简喵


    项目预览

    下面是简喵当前开发版本的部分界面。功能和样式还会继续迭代,但核心方向已经确定:让用户不只是”做出一份好看的简历”,而是写出一份更清楚、更专业、更适合投递的简历。

    简喵工作台总览

    简喵的核心工作台:围绕简历分析、AI 优化、JD 匹配和面试准备组织功能。

    简历上传与编辑

    用户可以上传简历,也可以直接编辑内容,让 AI 基于真实信息进行分析,而不是套一段通用模板。

    AI 简历评分

    系统会从多个维度分析简历问题,比如内容完整度、表达质量、项目亮点和量化表达。

    简历评分雷达图

    简喵最核心的价值不是”帮你写漂亮话”,而是把原本模糊、平淡的经历,转化成更适合求职场景的表达。

    简历模板

    面试题生成

    简历优化不是终点。简喵还会根据简历内容生成可能被追问的面试题,帮助用户提前准备。

    GitHub仓库地址:https://github.com/RyanCoreAI/AIResume

    一次很普通但很不舒服的经历

    去年 11 月的一个晚上,我用一款在线简历工具改简历。

    基本信息、教育经历、项目经历、技能标签、自我评价,每一栏我都认真填了。项目经历改了好几遍,自我评价那段甚至来回调整了五六次。那种状态很熟悉:你明明只是想写一份简历,结果慢慢进入一种”再改一点就好了”的循环。

    一个多小时后,我终于点了”导出 PDF”。

    然后,弹出了付费窗口。

    那一刻我第一反应不是”贵不贵”,而是”我被套路了”。

    如果一开始告诉我导出要付费,我其实可以接受。工具有成本,服务要收费,这都很正常。但真正让人不舒服的是:它先让你把所有内容都填进去,让你投入时间、精力和耐心,等你已经不想重来一遍时,再在最后一步告诉你:想拿走结果,先付费。

    这不是单纯的收费策略,而是在利用沉没成本。

    你填的不是简历,是逃跑成本。每多填一栏,你就更不愿意放弃。等你终于走到最后一步,系统才把门关上。互联网产品把人性研究得这么熟,结果用来卡一个学生导出 PDF,属实有点荒谬。

    最后我做了一件很笨但很多人可能都做过的事:截图,然后在 Word 里手动复刻版式,调整字号、行距、边距,再导出 PDF。效果不算好看,但至少能用。

    那天之后,我开始想一个问题:

    能不能做一个真正免费的简历工具?
    不靠最后一步卡导出收费。
    不只是给用户一堆模板。
    而是认真帮用户把简历内容写清楚。

    这就是简喵的起点。

    大学生写简历的真正问题:不是没经历,是不会翻译

    做简喵之前,我一直以为很多同学写不好简历,是因为经历太少。

    后来我发现并不完全是这样。

    很多计算机专业的学生,其实并不是完全没有东西可写。他们做过课程设计,写过实验室项目,参加过比赛,搭过小工具,甚至维护过自己的 GitHub 仓库。但这些经历一旦放进简历里,就会变成非常干的一句话:

    负责前端页面开发和后端接口设计。

    这句话不能说错,但几乎没有信息量。

    它没有告诉别人你用了什么技术,没有告诉别人你解决了什么问题,没有告诉别人你做到了什么程度,也没有体现你在项目中的具体价值。

    同样一个 Vue + Spring Boot 项目,可以写成:

    负责前端页面开发和后端接口设计。

    也可以写成:

    基于 Vue3 和 Spring Boot 实现图书管理系统,负责用户登录、权限控制、图书检索、借阅记录管理等核心模块;封装 20+ 个可复用组件,设计 RESTful 接口并完成 MySQL 表结构设计,支持多角色用户的基础权限管理。

    这两段描述背后的项目可能差不多,但给人的感觉完全不同。

    前者像是在说”我参与过”。
    后者是在说”我具体做了什么,并且能复用到真实开发中”。

    这就是简历表达里的”翻译”问题。

    学生做过的事情,需要被翻译成招聘方能看懂的能力语言。项目不是简单堆技术名词,而是要说明场景、职责、动作、结果和可迁移能力。

    很多人不是没经历,而是没有把经历翻译成简历语言。

    你调接口调到凌晨,简历上写”参与项目开发”。
    你把一个功能从需求做到上线,简历上写”完成相关模块”。
    你做了权限、缓存、异常处理、部署,简历上只写”熟悉后端开发”。

    真正亏的不是你没做事,而是你做过的事没有被看见。

    市面上的简历工具,很多只解决了”排版”

    我试过不少简历工具,最后发现它们大概可以分成两类。

    第一类是排版工具。

    它们提供很多模板,能让简历看起来更整齐、更漂亮。这个方向当然有价值,因为一份排版混乱的简历确实会降低阅读体验。但问题是,排版只能解决”看起来怎么样”,不能解决”到底写什么”。

    第二类是模板填充工具。

    你输入一个岗位名称,它给你生成一些看起来很专业的描述。短期看很方便,但问题也很明显:这些内容往往太通用。不同的人投同一个岗位,生成出来的描述可能非常接近。HR 一天看很多简历,这种模板味很容易被识别出来。

    这两类工具之间,有一块很重要的空白:内容层。

    也就是帮助用户判断:

    我的项目里哪些内容值得写?
    这一句话是不是太空?
    哪里需要补充量化结果?
    哪些技术点适合放前面?
    这份简历和目标岗位到底匹不匹配?
    面试官看到这段项目经历可能会追问什么?

    这些问题,才是很多学生真正卡住的地方。

    简喵想做的不是另一个”简历版 Word”,也不是批量制造 AI 味简历的模板机器。

    我更希望它成为一个简历内容助手:帮用户看懂自己的经历,整理自己的项目,优化自己的表达,并且尽量保留真实经历本身。

    简喵想解决什么问题

    一句话概括:

    简喵是一个 AI 简历优化与 JD 匹配系统,帮助用户把真实经历转化成更专业、更清楚、更适合投递的简历表达。

    它目前围绕几个核心功能展开。

    第一,简历上传与内容解析。

    用户可以上传已有简历,也可以直接编辑简历内容。系统会尽量识别不同模块,比如教育经历、项目经历、技能栈、自我评价等,为后续分析做准备。

    第二,AI 简历评分。

    简喵会从多个维度分析简历,而不是只给一个笼统总分。比如内容是否完整,表达是否具体,项目是否有亮点,量化信息是否足够,结构是否清晰,和目标岗位是否匹配。

    我不想做那种”你的简历 82 分,请继续努力”的空洞评分。分数本身没意义,真正有用的是指出哪里扣分、为什么扣分、怎么改。

    第三,项目经历优化。

    这是简喵最核心的部分。

    很多学生的项目并不差,但表达非常弱。简喵会尝试把”负责后端开发”这种描述,改成更具体的项目 bullet,比如使用了什么技术、解决了什么问题、完成了什么模块、产生了什么结果。

    这里的重点不是编造经历,而是把已经存在的信息表达清楚。

    第四,JD 匹配诊断。

    很多人投简历时只有一个动作:海投。

    但不同岗位对关键词、项目方向和能力证明的要求并不一样。后端开发、AI 应用开发、前端工程、算法实习,它们关注的点完全不同。

    所以简喵会支持用户粘贴目标岗位 JD,然后分析简历中哪些内容已经匹配,哪些内容表达不足,哪些关键词缺失,哪些项目应该被重点突出。

    第五,面试题生成。

    简历不是写完就结束了。

    你写上去的每一句话,都可能在面试里被追问。比如你写 Redis,面试官可能问缓存穿透、缓存雪崩、数据一致性;你写 JWT,面试官可能问 Token 续期、权限校验、Refresh Token;你写 AI 接入,面试官可能问 Prompt 设计、异常处理、成本控制和限流。

    所以简喵会根据用户简历内容生成可能的面试追问,让用户提前知道自己写上去的东西是否真的能讲清楚。

    为什么一定要免费导出

    我做简喵的第一个情绪来源,就是被”最后一步付费导出”恶心到。

    所以这个项目有一个很明确的原则:不靠卡导出收费。

    编辑可以免费,预览可以免费,导出也应该免费。

    当然,AI 功能本身有调用成本,完全无限制并不现实。后续我会通过次数限制、缓存、限流、任务队列和成本控制来处理这个问题。但这和”你都填完了,现在不给钱就不能导出”不是一回事。

    我反感的不是工具收费,而是不透明地利用用户投入。

    如果未来简喵真的需要商业化,也应该把边界提前说清楚,而不是把用户逼到最后一步才亮出价格。

    这点对我很重要。

    我做这个项目,不只是为了做一个工具

    说实话,简喵不只是一个工具项目。

    它对我来说还有另一层意义:这是我用来训练自己完整工程能力的项目。

    一个真正能上线、能被别人使用的 AI 应用,不只是调用一次大模型 API。它要考虑很多更现实的问题:

    文件上传怎么做安全校验?
    PDF 和 Word 解析失败怎么办?
    大模型输出不是 JSON 怎么处理?
    用户连续点击评分会不会烧掉 API 额度?
    接口超时怎么重试?
    AI 服务不可用时怎么降级?
    简历数据怎么保护隐私?
    导出 PDF 怎么保证格式稳定?
    项目部署到服务器后怎么排查问题?
    日志怎么记录,错误码怎么设计,成本怎么审计?

    这些东西,学校不会完整教,普通教程也很少讲。很多教程只讲”如何调通一个 Demo”,但真实项目最难的部分往往在 Demo 之后。

    所以我想用简喵把这些问题完整走一遍。

    从需求分析到产品流程,从前端编辑器到后端接口,从 AI Prompt 到 JSON 校验,从 Redis 限流到 Docker 部署,从 README 到技术博客,我希望它最后不是一个只能截图展示的课程作业,而是一个能被认真讲清楚的作品。

    一个帮别人写简历的工具,自己首先要成为一个值得写进简历的项目。

    这句话其实就是我做简喵的核心动机。

    这个系列会写什么

    这篇文章只是开始。

    简喵后面会整理成一个完整系列,我会尽量把产品设计、技术实现、工程取舍和项目复盘都写出来。不是只写”我用了什么技术”,而是写清楚”为什么这么做””踩了什么坑””最后怎么解决”。

    这个系列大概分成几个部分。

    第一部分是产品决策。

    我会写清楚为什么选择简历优化这个方向,目标用户是谁,核心场景是什么,第一版 MVP 应该做什么,又有哪些功能暂时不该做。

    第二部分是系统设计。

    包括技术选型、整体架构、数据库设计、前后端模块拆分,以及为什么使用 Spring Boot、Vue3、MySQL、Redis 和大模型 API 组合。

    第三部分是 AI 工程。

    这是我认为最有价值的一部分。大模型接入不是简单发请求,还要处理 Prompt 稳定性、结构化输出、JSON 校验、异常重试、成本控制、限流和降级。

    第四部分是业务功能。

    包括简历评分、项目经历优化、JD 匹配、面试题生成、隐私保护、权限设计和导出能力。

    第五部分是部署和复盘。

    包括 Docker 部署、服务器配置、日志排查、项目 README、简历写法,以及这个项目如何成为一个真正能展示工程能力的作品。

    我不打算把它写成”跟着我一步一步复制代码”的教程。那种文章已经太多了,而且大多数看完也只是多了一个本地 Demo。

    我更想写的是,一个普通 CS 本科生如何从 0 开始,把一个 AI 应用项目做成可以展示、可以复盘、可以写进简历、也能被别人理解的完整作品。

    这篇文章写给谁

    如果你正在找实习或准备校招,但不知道简历为什么投出去没反应,这个系列会适合你。

    如果你也在做 AI 应用项目,但感觉自己只是”套了一个 API”,不知道怎么把项目做得更像真实工程,这个系列也会适合你。

    如果你想写技术博客,但不知道写什么,这个系列也可以作为一个参考:一个项目不是只能写一篇总结,而是可以拆成需求、架构、功能、问题、取舍、复盘和求职表达。

    我不想把简喵包装成一个宏大的产品,也不想说它能解决所有求职问题。

    它现在还只是一个正在开发和打磨中的项目。它肯定会有 bug,会有不成熟的地方,也会有很多需要迭代的功能。

    但至少它从一个真实问题开始。

    我自己被简历工具的付费导出卡过,我也见过很多同学明明做过项目,却在简历上写得像没做过一样。我知道这个问题不是虚构出来的,也不是为了做项目硬找的选题。

    这就是我愿意继续做下去的原因。

    结尾

    简历写不好,不一定是你没有能力。

    很多时候,是你没有把自己的经历翻译成别人能快速理解的语言。

    简喵想做的,就是帮你完成这一步:把真实经历整理出来,把模糊表达改清楚,把项目价值讲明白,把简历从”我好像做过一些东西”变成”我能证明自己做成过什么”。

    这也是我做这个项目的原因。

    下一篇,我会写简喵的需求分析:目标用户是谁、他们在什么场景下打开这个工具、最痛的痛点是什么,以及第一版 MVP 到底应该做哪些功能。


    文章作者: Ryan
    版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Ryan !

    评论

    有问题欢迎留言,看到都会回~

      大纲
     目录
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +

    简喵 01:为什么我要做简喵


    项目预览

    下面是简喵当前开发版本的部分界面。功能和样式还会继续迭代,但核心方向已经确定:让用户不只是”做出一份好看的简历”,而是写出一份更清楚、更专业、更适合投递的简历。

    简喵工作台总览

    简喵的核心工作台:围绕简历分析、AI 优化、JD 匹配和面试准备组织功能。

    简历上传与编辑

    用户可以上传简历,也可以直接编辑内容,让 AI 基于真实信息进行分析,而不是套一段通用模板。

    AI 简历评分

    系统会从多个维度分析简历问题,比如内容完整度、表达质量、项目亮点和量化表达。

    简历评分雷达图

    简喵最核心的价值不是”帮你写漂亮话”,而是把原本模糊、平淡的经历,转化成更适合求职场景的表达。

    简历模板

    面试题生成

    简历优化不是终点。简喵还会根据简历内容生成可能被追问的面试题,帮助用户提前准备。

    GitHub仓库地址:https://github.com/RyanCoreAI/AIResume

    一次很普通但很不舒服的经历

    去年 11 月的一个晚上,我用一款在线简历工具改简历。

    基本信息、教育经历、项目经历、技能标签、自我评价,每一栏我都认真填了。项目经历改了好几遍,自我评价那段甚至来回调整了五六次。那种状态很熟悉:你明明只是想写一份简历,结果慢慢进入一种”再改一点就好了”的循环。

    一个多小时后,我终于点了”导出 PDF”。

    然后,弹出了付费窗口。

    那一刻我第一反应不是”贵不贵”,而是”我被套路了”。

    如果一开始告诉我导出要付费,我其实可以接受。工具有成本,服务要收费,这都很正常。但真正让人不舒服的是:它先让你把所有内容都填进去,让你投入时间、精力和耐心,等你已经不想重来一遍时,再在最后一步告诉你:想拿走结果,先付费。

    这不是单纯的收费策略,而是在利用沉没成本。

    你填的不是简历,是逃跑成本。每多填一栏,你就更不愿意放弃。等你终于走到最后一步,系统才把门关上。互联网产品把人性研究得这么熟,结果用来卡一个学生导出 PDF,属实有点荒谬。

    最后我做了一件很笨但很多人可能都做过的事:截图,然后在 Word 里手动复刻版式,调整字号、行距、边距,再导出 PDF。效果不算好看,但至少能用。

    那天之后,我开始想一个问题:

    能不能做一个真正免费的简历工具?
    不靠最后一步卡导出收费。
    不只是给用户一堆模板。
    而是认真帮用户把简历内容写清楚。

    这就是简喵的起点。

    大学生写简历的真正问题:不是没经历,是不会翻译

    做简喵之前,我一直以为很多同学写不好简历,是因为经历太少。

    后来我发现并不完全是这样。

    很多计算机专业的学生,其实并不是完全没有东西可写。他们做过课程设计,写过实验室项目,参加过比赛,搭过小工具,甚至维护过自己的 GitHub 仓库。但这些经历一旦放进简历里,就会变成非常干的一句话:

    负责前端页面开发和后端接口设计。

    这句话不能说错,但几乎没有信息量。

    它没有告诉别人你用了什么技术,没有告诉别人你解决了什么问题,没有告诉别人你做到了什么程度,也没有体现你在项目中的具体价值。

    同样一个 Vue + Spring Boot 项目,可以写成:

    负责前端页面开发和后端接口设计。

    也可以写成:

    基于 Vue3 和 Spring Boot 实现图书管理系统,负责用户登录、权限控制、图书检索、借阅记录管理等核心模块;封装 20+ 个可复用组件,设计 RESTful 接口并完成 MySQL 表结构设计,支持多角色用户的基础权限管理。

    这两段描述背后的项目可能差不多,但给人的感觉完全不同。

    前者像是在说”我参与过”。
    后者是在说”我具体做了什么,并且能复用到真实开发中”。

    这就是简历表达里的”翻译”问题。

    学生做过的事情,需要被翻译成招聘方能看懂的能力语言。项目不是简单堆技术名词,而是要说明场景、职责、动作、结果和可迁移能力。

    很多人不是没经历,而是没有把经历翻译成简历语言。

    你调接口调到凌晨,简历上写”参与项目开发”。
    你把一个功能从需求做到上线,简历上写”完成相关模块”。
    你做了权限、缓存、异常处理、部署,简历上只写”熟悉后端开发”。

    真正亏的不是你没做事,而是你做过的事没有被看见。

    市面上的简历工具,很多只解决了”排版”

    我试过不少简历工具,最后发现它们大概可以分成两类。

    第一类是排版工具。

    它们提供很多模板,能让简历看起来更整齐、更漂亮。这个方向当然有价值,因为一份排版混乱的简历确实会降低阅读体验。但问题是,排版只能解决”看起来怎么样”,不能解决”到底写什么”。

    第二类是模板填充工具。

    你输入一个岗位名称,它给你生成一些看起来很专业的描述。短期看很方便,但问题也很明显:这些内容往往太通用。不同的人投同一个岗位,生成出来的描述可能非常接近。HR 一天看很多简历,这种模板味很容易被识别出来。

    这两类工具之间,有一块很重要的空白:内容层。

    也就是帮助用户判断:

    我的项目里哪些内容值得写?
    这一句话是不是太空?
    哪里需要补充量化结果?
    哪些技术点适合放前面?
    这份简历和目标岗位到底匹不匹配?
    面试官看到这段项目经历可能会追问什么?

    这些问题,才是很多学生真正卡住的地方。

    简喵想做的不是另一个”简历版 Word”,也不是批量制造 AI 味简历的模板机器。

    我更希望它成为一个简历内容助手:帮用户看懂自己的经历,整理自己的项目,优化自己的表达,并且尽量保留真实经历本身。

    简喵想解决什么问题

    一句话概括:

    简喵是一个 AI 简历优化与 JD 匹配系统,帮助用户把真实经历转化成更专业、更清楚、更适合投递的简历表达。

    它目前围绕几个核心功能展开。

    第一,简历上传与内容解析。

    用户可以上传已有简历,也可以直接编辑简历内容。系统会尽量识别不同模块,比如教育经历、项目经历、技能栈、自我评价等,为后续分析做准备。

    第二,AI 简历评分。

    简喵会从多个维度分析简历,而不是只给一个笼统总分。比如内容是否完整,表达是否具体,项目是否有亮点,量化信息是否足够,结构是否清晰,和目标岗位是否匹配。

    我不想做那种”你的简历 82 分,请继续努力”的空洞评分。分数本身没意义,真正有用的是指出哪里扣分、为什么扣分、怎么改。

    第三,项目经历优化。

    这是简喵最核心的部分。

    很多学生的项目并不差,但表达非常弱。简喵会尝试把”负责后端开发”这种描述,改成更具体的项目 bullet,比如使用了什么技术、解决了什么问题、完成了什么模块、产生了什么结果。

    这里的重点不是编造经历,而是把已经存在的信息表达清楚。

    第四,JD 匹配诊断。

    很多人投简历时只有一个动作:海投。

    但不同岗位对关键词、项目方向和能力证明的要求并不一样。后端开发、AI 应用开发、前端工程、算法实习,它们关注的点完全不同。

    所以简喵会支持用户粘贴目标岗位 JD,然后分析简历中哪些内容已经匹配,哪些内容表达不足,哪些关键词缺失,哪些项目应该被重点突出。

    第五,面试题生成。

    简历不是写完就结束了。

    你写上去的每一句话,都可能在面试里被追问。比如你写 Redis,面试官可能问缓存穿透、缓存雪崩、数据一致性;你写 JWT,面试官可能问 Token 续期、权限校验、Refresh Token;你写 AI 接入,面试官可能问 Prompt 设计、异常处理、成本控制和限流。

    所以简喵会根据用户简历内容生成可能的面试追问,让用户提前知道自己写上去的东西是否真的能讲清楚。

    为什么一定要免费导出

    我做简喵的第一个情绪来源,就是被”最后一步付费导出”恶心到。

    所以这个项目有一个很明确的原则:不靠卡导出收费。

    编辑可以免费,预览可以免费,导出也应该免费。

    当然,AI 功能本身有调用成本,完全无限制并不现实。后续我会通过次数限制、缓存、限流、任务队列和成本控制来处理这个问题。但这和”你都填完了,现在不给钱就不能导出”不是一回事。

    我反感的不是工具收费,而是不透明地利用用户投入。

    如果未来简喵真的需要商业化,也应该把边界提前说清楚,而不是把用户逼到最后一步才亮出价格。

    这点对我很重要。

    我做这个项目,不只是为了做一个工具

    说实话,简喵不只是一个工具项目。

    它对我来说还有另一层意义:这是我用来训练自己完整工程能力的项目。

    一个真正能上线、能被别人使用的 AI 应用,不只是调用一次大模型 API。它要考虑很多更现实的问题:

    文件上传怎么做安全校验?
    PDF 和 Word 解析失败怎么办?
    大模型输出不是 JSON 怎么处理?
    用户连续点击评分会不会烧掉 API 额度?
    接口超时怎么重试?
    AI 服务不可用时怎么降级?
    简历数据怎么保护隐私?
    导出 PDF 怎么保证格式稳定?
    项目部署到服务器后怎么排查问题?
    日志怎么记录,错误码怎么设计,成本怎么审计?

    这些东西,学校不会完整教,普通教程也很少讲。很多教程只讲”如何调通一个 Demo”,但真实项目最难的部分往往在 Demo 之后。

    所以我想用简喵把这些问题完整走一遍。

    从需求分析到产品流程,从前端编辑器到后端接口,从 AI Prompt 到 JSON 校验,从 Redis 限流到 Docker 部署,从 README 到技术博客,我希望它最后不是一个只能截图展示的课程作业,而是一个能被认真讲清楚的作品。

    一个帮别人写简历的工具,自己首先要成为一个值得写进简历的项目。

    这句话其实就是我做简喵的核心动机。

    这个系列会写什么

    这篇文章只是开始。

    简喵后面会整理成一个完整系列,我会尽量把产品设计、技术实现、工程取舍和项目复盘都写出来。不是只写”我用了什么技术”,而是写清楚”为什么这么做””踩了什么坑””最后怎么解决”。

    这个系列大概分成几个部分。

    第一部分是产品决策。

    我会写清楚为什么选择简历优化这个方向,目标用户是谁,核心场景是什么,第一版 MVP 应该做什么,又有哪些功能暂时不该做。

    第二部分是系统设计。

    包括技术选型、整体架构、数据库设计、前后端模块拆分,以及为什么使用 Spring Boot、Vue3、MySQL、Redis 和大模型 API 组合。

    第三部分是 AI 工程。

    这是我认为最有价值的一部分。大模型接入不是简单发请求,还要处理 Prompt 稳定性、结构化输出、JSON 校验、异常重试、成本控制、限流和降级。

    第四部分是业务功能。

    包括简历评分、项目经历优化、JD 匹配、面试题生成、隐私保护、权限设计和导出能力。

    第五部分是部署和复盘。

    包括 Docker 部署、服务器配置、日志排查、项目 README、简历写法,以及这个项目如何成为一个真正能展示工程能力的作品。

    我不打算把它写成”跟着我一步一步复制代码”的教程。那种文章已经太多了,而且大多数看完也只是多了一个本地 Demo。

    我更想写的是,一个普通 CS 本科生如何从 0 开始,把一个 AI 应用项目做成可以展示、可以复盘、可以写进简历、也能被别人理解的完整作品。

    这篇文章写给谁

    如果你正在找实习或准备校招,但不知道简历为什么投出去没反应,这个系列会适合你。

    如果你也在做 AI 应用项目,但感觉自己只是”套了一个 API”,不知道怎么把项目做得更像真实工程,这个系列也会适合你。

    如果你想写技术博客,但不知道写什么,这个系列也可以作为一个参考:一个项目不是只能写一篇总结,而是可以拆成需求、架构、功能、问题、取舍、复盘和求职表达。

    我不想把简喵包装成一个宏大的产品,也不想说它能解决所有求职问题。

    它现在还只是一个正在开发和打磨中的项目。它肯定会有 bug,会有不成熟的地方,也会有很多需要迭代的功能。

    但至少它从一个真实问题开始。

    我自己被简历工具的付费导出卡过,我也见过很多同学明明做过项目,却在简历上写得像没做过一样。我知道这个问题不是虚构出来的,也不是为了做项目硬找的选题。

    这就是我愿意继续做下去的原因。

    结尾

    简历写不好,不一定是你没有能力。

    很多时候,是你没有把自己的经历翻译成别人能快速理解的语言。

    简喵想做的,就是帮你完成这一步:把真实经历整理出来,把模糊表达改清楚,把项目价值讲明白,把简历从”我好像做过一些东西”变成”我能证明自己做成过什么”。

    这也是我做这个项目的原因。

    下一篇,我会写简喵的需求分析:目标用户是谁、他们在什么场景下打开这个工具、最痛的痛点是什么,以及第一版 MVP 到底应该做哪些功能。


    文章作者: Ryan
    版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Ryan !

    评论

    有问题欢迎留言,看到都会回~

      大纲
     目录
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...

    我的服务器被暴力破解 10 万次后,我才真正理解公网安全


    本文同步收录自我在编程导航发布的同名文章;另见 CSDN 版本。正文以所链接的编程导航公开版本为准,保留该版本的原始发布日期。

    标题中的“10 万”对应原文统计的认证日志事件,不代表去重后的攻击次数,也不代表成功入侵次数。本文是当时的排查记录。

    简喵上线后,我做了一次服务器安全检查,本来只是想确认部署是否稳定,结果先看到的不是业务日志,而是 SSH 登录日志里密密麻麻的攻击痕迹。

    在当前 auth.log 里,时间范围是 2026-07-05 00:03:17 到 2026-07-07 14:45:03。这段时间内出现了:

    • Failed password: 11700 条
    • Invalid user: 7904 条
    • 解析到的认证相关事件总数:26812 条

    更早的轮转日志里,认证事件总量超过 10 万条。高峰小时里,单小时攻击尝试超过 1800 次。

    最常被猜的用户名也很典型:admin、ubuntu、user、test、deploy、debian、pi、postgres、git、mysql、jenkins。这些不是我的简喵业务设计的账号,而是互联网上自动化扫描 SSH 时常见的字典。

    攻击证据截图如下:

    image.png
    (其余被攻击日志过长仅展示这一部分)

    这件事给我的第一个结论就是服务器一旦暴露到公网,就会自动进入全球扫描流量池。

    从日志上看这更像是公网 SSH 的无差别自动化撞库。

    原因有三个,第一,攻击用户名高度通用。攻击者没有尝试我的业务账号、项目名、域名相关名称。第二,来源 IP 分散,行为模式重复。大量日志是 Invalid user xxx from 某 IP,随后紧跟 Failed password for invalid user。第三,我的登录记录和攻击记录可以明显区分。我自己的来源 IP 在日志里是 Accepted publickey,并且 failed_or_invalid=0。也就是说,我没有在反复输错密码;失败记录来自外部公网 IP。

    攻击者到底想要什么?进入服务器后,他们不一定关心我的产品是什么。对攻击者来说,一台云服务器本身就是资源:

    1. 可以拿来挖矿,消耗你的 CPU、内存和云账单。
    2. 可以变成跳板机,继续扫描别人。
    3. 可以偷 .env、数据库密码、JWT 密钥、对象存储密钥、第三方 API Key。
    4. 可以植入 cron、systemd 后门,长期潜伏。
    5. 可以篡改前端静态文件或后端服务,投毒用户访问链路。
    6. 可以打包数据库和用户文件,造成真实数据泄露。
    7. 可以把你的 IP 打进黑名单,影响邮件、搜索、支付、接口调用等外部信誉。

    对我来说,最严重的不是服务器宕机,而是如果 SSH 被拿下,攻击者可以绕开应用层权限,直接读取部署目录、环境变量、数据库连接信息和用户简历数据。

    应用安全挡不住服务器失守。只要运维入口被拿下,后端鉴权写得再好,也可能被从内部绕过。

    为什么10W次攻击都没有成功?
    第一,没有弱口令被猜中。
    第二,我实际运维使用的是 SSH 公钥登录。
    第三,大量用户名本来就不存在。
    第四,后续我把 SSH 密码登录彻底关闭了。

    我不想把这件事包装成“上线前我们已经万无一失”。更准确的说法是:上线时没有被撞开,说明基础密码风险没有暴露;但日志里出现大量 Failed password,说明密码登录攻击面仍然存在,必须立刻收掉。

    这次过后我做了什么防护?第一层,也是最关键的一层:关闭 SSH 密码登录。

    最终 SSH 策略收敛成:

    PasswordAuthentication no
     PubkeyAuthentication yes
     PermitRootLogin prohibit-password
    -MaxAuthTries 3

    SSH 不再接受密码,只接受密钥。MaxAuthTries 也降低了单连接认证尝试次数。
    第二层:启用 fail2ban,发现同一来源持续失败后自动封禁。
    第三层:收紧 Web 源站暴露面。我用 Cloudflare 保护 Web 流量,但 Cloudflare 默认只保护 HTTP/HTTPS,不保护 SSH。因此我把 80/443 的源站访问改成只允许 Cloudflare 官方 IP 段回源,避免攻击者绕过 Cloudflare 直接打源站。
    第四层:收紧敏感文件权限。后端 .env、部署备份目录都做了权限收敛。因为一旦普通进程或低权限账号出问题,.env 往往就是攻击者横向移动的第一目标。
    第五层:保留回滚和备用入口。我在调整 SSH 前做了配置备份和回滚脚本,并保留了备用运维账号,做到改完还能验证,出错还能回退。

    这件事对我的警示:第一,公网服务器不是上线后才被攻击,而是上线那一刻就被扫描。 只要有公网 IP、有开放端口,就会被批量探测。
    第二,Cloudflare 不是万能护盾。 它能保护 Web 入口,但 SSH、数据库、Docker API、管理后台、对象存储密钥这些都要单独处理。
    第三,不要把“没被攻破”误判成“没有风险”。 这次没成功,不代表攻击不存在。日志里的上万次失败就是风险本身。
    第四,密码登录应该从默认能力变成例外能力。 对服务器运维来说,SSH 密钥、固定来源、VPN/Zero Trust、最小权限,应该是上线前的基础门槛。
    第五,独立开发者也要按生产环境标准对待安全。 攻击者不会因为你是个人项目就放过你。自动化脚本不认识公司规模,它只认识开放端口和弱配置。具体的上线前应用防护可以见我写的上一篇文章:blog

    如果你也在部署自己的产品,我建议至少做这些:

    1. SSH 禁用密码登录,只允许公钥。
    2. 不使用弱口令,不暴露默认账号。
    3. 限制 SSH 来源,最好走 VPN、Tailscale、Cloudflare Tunnel 或固定 IP。
    4. 开启 fail2ban 或同类自动封禁。
    5. Web 源站只允许 CDN/反代回源,不让公网直接绕过。
    6. .env、备份、私钥、部署脚本权限收紧。
    7. 日志里定期看 Failed password、Invalid user、Accepted。
    8. 每次安全改动前留回滚路径。
    9. 把密钥轮换、备份恢复、最小权限当成上线流程的一部分。
    10. 不要等到数据泄露后才开始做安全。

    结语:

    这次事件不是“我的简喵被某个黑客盯上了”,而是更现实的一课:

    只要把服务器放到公网上,你就已经站在攻击面上。

    攻击者不需要认识你,也不需要理解你的业务。他们只需要脚本扫到你的 22 端口,然后一遍遍尝试 root、admin、ubuntu 和常见密码。

    真正的安全不是指望没人来,而是在他们来的时候,没有可撞开的门。 我最大的感受就是很多安全意识不是在课本里直接学会的,而是在项目真正上线、服务器真正暴露到公网之后,被日志和攻击流量一点点逼出来的。
    我是 Ryan,CS 在读本科生,正在记录自己从 0 到 1 做 AI 应用工程、项目上线、部署运维和安全加固的成长过程。后续我会继续把真实踩坑、修复过程和工程复盘写下来。


    文章作者: Ryan
    版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Ryan !

    评论

    有问题欢迎留言,看到都会回~

      大纲
     目录
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +MaxAuthTries 3

    SSH 不再接受密码,只接受密钥。MaxAuthTries 也降低了单连接认证尝试次数。
    第二层:启用 fail2ban,发现同一来源持续失败后自动封禁。
    第三层:收紧 Web 源站暴露面。我用 Cloudflare 保护 Web 流量,但 Cloudflare 默认只保护 HTTP/HTTPS,不保护 SSH。因此我把 80/443 的源站访问改成只允许 Cloudflare 官方 IP 段回源,避免攻击者绕过 Cloudflare 直接打源站。
    第四层:收紧敏感文件权限。后端 .env、部署备份目录都做了权限收敛。因为一旦普通进程或低权限账号出问题,.env 往往就是攻击者横向移动的第一目标。
    第五层:保留回滚和备用入口。我在调整 SSH 前做了配置备份和回滚脚本,并保留了备用运维账号,做到改完还能验证,出错还能回退。

    这件事对我的警示:第一,公网服务器不是上线后才被攻击,而是上线那一刻就被扫描。 只要有公网 IP、有开放端口,就会被批量探测。
    第二,Cloudflare 不是万能护盾。 它能保护 Web 入口,但 SSH、数据库、Docker API、管理后台、对象存储密钥这些都要单独处理。
    第三,不要把“没被攻破”误判成“没有风险”。 这次没成功,不代表攻击不存在。日志里的上万次失败就是风险本身。
    第四,密码登录应该从默认能力变成例外能力。 对服务器运维来说,SSH 密钥、固定来源、VPN/Zero Trust、最小权限,应该是上线前的基础门槛。
    第五,独立开发者也要按生产环境标准对待安全。 攻击者不会因为你是个人项目就放过你。自动化脚本不认识公司规模,它只认识开放端口和弱配置。具体的上线前应用防护可以见我写的上一篇文章:blog

    如果你也在部署自己的产品,我建议至少做这些:

    1. SSH 禁用密码登录,只允许公钥。
    2. 不使用弱口令,不暴露默认账号。
    3. 限制 SSH 来源,最好走 VPN、Tailscale、Cloudflare Tunnel 或固定 IP。
    4. 开启 fail2ban 或同类自动封禁。
    5. Web 源站只允许 CDN/反代回源,不让公网直接绕过。
    6. .env、备份、私钥、部署脚本权限收紧。
    7. 日志里定期看 Failed password、Invalid user、Accepted。
    8. 每次安全改动前留回滚路径。
    9. 把密钥轮换、备份恢复、最小权限当成上线流程的一部分。
    10. 不要等到数据泄露后才开始做安全。

    结语:

    这次事件不是“我的简喵被某个黑客盯上了”,而是更现实的一课:

    只要把服务器放到公网上,你就已经站在攻击面上。

    攻击者不需要认识你,也不需要理解你的业务。他们只需要脚本扫到你的 22 端口,然后一遍遍尝试 root、admin、ubuntu 和常见密码。

    真正的安全不是指望没人来,而是在他们来的时候,没有可撞开的门。 我最大的感受就是很多安全意识不是在课本里直接学会的,而是在项目真正上线、服务器真正暴露到公网之后,被日志和攻击流量一点点逼出来的。
    我是 Ryan,CS 在读本科生,正在记录自己从 0 到 1 做 AI 应用工程、项目上线、部署运维和安全加固的成长过程。后续我会继续把真实踩坑、修复过程和工程复盘写下来。


    文章作者: Ryan
    版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Ryan !

    评论

    有问题欢迎留言,看到都会回~

      大纲
     目录
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长

    项目作品集

    记录AI 应用开发与Java后端工程化构建项目,记录从需求、架构、开发、部署到复盘全过程

    上线前内测 AI 应用

    简喵 AI 简历优化工具

    一句话定位 证据约束的 AI 求职材料生成平台。
    Spring Boot Vue3 MySQL Redis JWT LLM API Docker Nginx

    简喵不是让 AI 随便美化简历,而是围绕 JD、候选人经历和证据索引,生成更可追问、可解释、可复盘的求职材料。它关注的核心问题是:AI 改出来的每一句简历描述,是否真的能回到用户的真实经历上,而不是为了匹配岗位强行编造。

    简喵 AI 简历优化工具
    已发布 本地 AI 编程 ROI 工具

    Token Studio ROI

    一句话定位 本地隐私优先的 AI 编程 ROI 复盘系统。
    Node.js 24 React Vite SQLite Electron ECharts GitHub Actions npm

    Token Studio ROI 不只是统计 token 消耗,而是尝试把 AI 编程过程中的模型、成本、任务、项目和产出证据连接起来。它关注的是一个更现实的问题:AI 编程花掉的 token 和时间,是否真的转化成了可解释、可复盘的工程进展。

    Token Studio ROI

    项目亮点

    • 本地读取结构化 token 元数据,不上传数据,不保存 prompt、response、transcript、diff 或完整本机路径
    • 用 Coverage Trust 区分原生可信采集、ccusage 可导入、仅检测到和无可靠 token 字段,避免伪造覆盖
    • 把 token 消耗连接到项目、任务、产出证据、模型策略和行动报告,适合高频 AI 编程复盘
    已发布 CLI 工具

    PatchBrake

    一句话定位 面向 AI 编码工作流的 diff 风险检查工具。
    Node.js CLI Git Diff 规则扫描 JSON / SARIF GitHub Actions

    AI 改代码很快,但风险往往藏在 diff 里:测试被删除、密钥被写入代码、CI 权限被放大、鉴权逻辑被弱化。PatchBrake 尝试在提交前扫描这些高风险改动,让 AI-generated code 在进入仓库之前先经过一道本地安全闸门。

    PatchBrake

    项目亮点

    • 本地运行,不调用 LLM,不上传代码,适合放在 commit 前做轻量 safety gate
    • 聚焦 staged diff,优先检查 AI 生成代码里最容易漏看的高风险变化
    • secret 输出脱敏,避免为了提醒风险反而把完整 token 打到终端里
    已完成 全栈项目

    个人博客

    一句话定位 基于 Hexo + Matery 的个人技术博客。
    Hexo EJS Node.js GitHub Pages

    yanxai.com 是我的长期内容和项目复盘入口,用来记录 AI 应用工程、可信交付、评测、安全、成本和项目迭代。它不只是文章归档,也承担项目展示、外部发布和个人品牌沉淀。

    个人博客
    已完成 AI 应用

    OmniMerchant 跨境电商 AI 客服

    一句话定位 基于 Spring AI 的跨境电商客服 Agent。
    Spring Boot 3.2 Spring AI Vue 3 MySQL + PGVector Redis RocketMQ Docker

    OmniMerchant 用跨境电商客服作为场景,把订单查询、物流追踪、退换货政策、商品知识库、工具调用和人工升级放进同一个 Agent 系统里。它不是只做一个聊天 Demo,而是用更接近真实业务的方式验证 Spring AI、RAG 和 Tool Calling 如何落到后端工程里。

    OmniMerchant 跨境电商 AI 客服

    项目亮点

    • ReAct Agent 思考-行动-观察循环,置信度低于 75% 自动升级人工,最多 5 轮迭代
    • 6 大业务工具:订单查询、物流追踪、退换货 RAG、商品搜索 RAG、多语言翻译、人工升级
    • 混合检索 RAG:HNSW 向量检索 + BM25 关键词检索 + RRF 融合 + BGE Reranker 重排序
    • 多语言:Lingua 自动识别 12 种语言,中转英语处理,降低 Token 成本
    • 模型路由:根据意图自动选择 gpt-4o-mini / claude-haiku / deepseek-chat,节省成本
    • 三层限流:Redis Lua 令牌桶 + 信号量并发限制 + Resilience4j 熔断降级
    • 多租户隔离:X-Tenant-Id 请求头 + MyBatis-Plus 自动注入租户上下文
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长

    项目作品集

    记录AI 应用开发与Java后端工程化构建项目,记录从需求、架构、开发、部署到复盘全过程

    上线前内测 AI 应用

    简喵 AI 简历优化工具

    一句话定位 证据约束的 AI 求职材料生成平台。
    Spring Boot Vue3 MySQL Redis JWT LLM API Docker Nginx

    简喵不是让 AI 随便美化简历,而是围绕 JD、候选人经历和证据索引,生成更可追问、可解释、可复盘的求职材料。它关注的核心问题是:AI 改出来的每一句简历描述,是否真的能回到用户的真实经历上,而不是为了匹配岗位强行编造。

    简喵 AI 简历优化工具
    已发布 本地 AI 编程 ROI 工具

    Token Studio ROI

    一句话定位 本地隐私优先的 AI 编程 ROI 复盘系统。
    Node.js 24 React Vite SQLite Electron ECharts GitHub Actions npm

    Token Studio ROI 不只是统计 token 消耗,而是尝试把 AI 编程过程中的模型、成本、任务、项目和产出证据连接起来。它关注的是一个更现实的问题:AI 编程花掉的 token 和时间,是否真的转化成了可解释、可复盘的工程进展。

    Token Studio ROI

    项目亮点

    • 本地读取结构化 token 元数据,不上传数据,不保存 prompt、response、transcript、diff 或完整本机路径
    • 用 Coverage Trust 区分原生可信采集、ccusage 可导入、仅检测到和无可靠 token 字段,避免伪造覆盖
    • 把 token 消耗连接到项目、任务、产出证据、模型策略和行动报告,适合高频 AI 编程复盘
    已发布 CLI 工具

    PatchBrake

    一句话定位 面向 AI 编码工作流的 diff 风险检查工具。
    Node.js CLI Git Diff 规则扫描 JSON / SARIF GitHub Actions

    AI 改代码很快,但风险往往藏在 diff 里:测试被删除、密钥被写入代码、CI 权限被放大、鉴权逻辑被弱化。PatchBrake 尝试在提交前扫描这些高风险改动,让 AI-generated code 在进入仓库之前先经过一道本地安全闸门。

    PatchBrake

    项目亮点

    • 本地运行,不调用 LLM,不上传代码,适合放在 commit 前做轻量 safety gate
    • 聚焦 staged diff,优先检查 AI 生成代码里最容易漏看的高风险变化
    • secret 输出脱敏,避免为了提醒风险反而把完整 token 打到终端里
    已完成 全栈项目

    个人博客

    一句话定位 基于 Hexo + Matery 的个人技术博客。
    Hexo EJS Node.js GitHub Pages

    yanxai.com 是我的长期内容和项目复盘入口,用来记录 AI 应用工程、可信交付、评测、安全、成本和项目迭代。它不只是文章归档,也承担项目展示、外部发布和个人品牌沉淀。

    个人博客
    已完成 AI 应用

    OmniMerchant 跨境电商 AI 客服

    一句话定位 基于 Spring AI 的跨境电商客服 Agent。
    Spring Boot 3.2 Spring AI Vue 3 MySQL + PGVector Redis RocketMQ Docker

    OmniMerchant 用跨境电商客服作为场景,把订单查询、物流追踪、退换货政策、商品知识库、工具调用和人工升级放进同一个 Agent 系统里。它不是只做一个聊天 Demo,而是用更接近真实业务的方式验证 Spring AI、RAG 和 Tool Calling 如何落到后端工程里。

    OmniMerchant 跨境电商 AI 客服

    项目亮点

    • ReAct Agent 思考-行动-观察循环,置信度低于 75% 自动升级人工,最多 5 轮迭代
    • 6 大业务工具:订单查询、物流追踪、退换货 RAG、商品搜索 RAG、多语言翻译、人工升级
    • 混合检索 RAG:HNSW 向量检索 + BM25 关键词检索 + RRF 融合 + BGE Reranker 重排序
    • 多语言:Lingua 自动识别 12 种语言,中转英语处理,降低 Token 成本
    • 模型路由:根据意图自动选择 gpt-4o-mini / claude-haiku / deepseek-chat,节省成本
    • 三层限流:Redis Lua 令牌桶 + 信号量并发限制 + Resilience4j 熔断降级
    • 多租户隔离:X-Tenant-Id 请求头 + MyBatis-Plus 自动注入租户上下文
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    2026-07-08
    说明简喵如何用关键词检索、受控工作流、执行轨迹与最小评测,让简历诊断成为可复盘任务。
    小白用 Codex 和 Claude Code 也能做产品,程序员的出路在哪里?
    2026-06-27
    AI 时代不缺代码生成,缺的是可信交付。真正重要的是能不能解释、验证、审查、回滚并长期维护 AI 生成的软件。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    2026-07-08
    说明简喵如何用关键词检索、受控工作流、执行轨迹与最小评测,让简历诊断成为可复盘任务。
    小白用 Codex 和 Claude Code 也能做产品,程序员的出路在哪里?
    2026-06-27
    AI 时代不缺代码生成,缺的是可信交付。真正重要的是能不能解释、验证、审查、回滚并长期维护 AI 生成的软件。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么?
    一条命令 npx token-studio 就能下载并启动本地体验。Token Studio 不只统计 AI 编程用了多少 token,而是追问这些 token 到底换来了什么,并把消耗连接到项目、产出证据、模型策略和行动报告。
    我让 AI 改代码,它悄悄删了测试、放大了 CI 权限,所以我做了 PatchBrake
    AI 改完代码后,最危险的地方往往不是项目能不能跑,而是这一次 diff 里有没有测试被删、权限被放大、secret 被写进代码。PatchBrake 就是我为这个场景做的提交前本地质检工具。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么?
    一条命令 npx token-studio 就能下载并启动本地体验。Token Studio 不只统计 AI 编程用了多少 token,而是追问这些 token 到底换来了什么,并把消耗连接到项目、产出证据、模型策略和行动报告。
    我让 AI 改代码,它悄悄删了测试、放大了 CI 权限,所以我做了 PatchBrake
    AI 改完代码后,最危险的地方往往不是项目能不能跑,而是这一次 diff 里有没有测试被删、权限被放大、secret 被写进代码。PatchBrake 就是我为这个场景做的提交前本地质检工具。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么?
    一条命令 npx token-studio 就能下载并启动本地体验。Token Studio 不只统计 AI 编程用了多少 token,而是追问这些 token 到底换来了什么,并把消耗连接到项目、产出证据、模型策略和行动报告。
    我让 AI 改代码,它悄悄删了测试、放大了 CI 权限,所以我做了 PatchBrake
    AI 改完代码后,最危险的地方往往不是项目能不能跑,而是这一次 diff 里有没有测试被删、权限被放大、secret 被写进代码。PatchBrake 就是我为这个场景做的提交前本地质检工具。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么?
    一条命令 npx token-studio 就能下载并启动本地体验。Token Studio 不只统计 AI 编程用了多少 token,而是追问这些 token 到底换来了什么,并把消耗连接到项目、产出证据、模型策略和行动报告。
    我让 AI 改代码,它悄悄删了测试、放大了 CI 权限,所以我做了 PatchBrake
    AI 改完代码后,最危险的地方往往不是项目能不能跑,而是这一次 diff 里有没有测试被删、权限被放大、secret 被写进代码。PatchBrake 就是我为这个场景做的提交前本地质检工具。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    2026-07-08
    说明简喵如何用关键词检索、受控工作流、执行轨迹与最小评测,让简历诊断成为可复盘任务。
    AI 应用生产级护栏实战:限流、日志、降级、缓存、审计、成本
    按一次 AI 请求的生命周期,拆解限流、幂等、日志、缓存、失败补偿、任务队列和成本记录。
    一文讲透 RAG 核心术语:Embedding、Chunk、Vector DB、BM25、Reranker 到底是什么
    把 RAG 里的核心术语翻译成人话,并说明每个组件在“证据链”里负责什么。
    RAG 不是外挂知识库,而是一套证据链系统
    RAG 不是让模型知道更多,而是让模型的回答有证据、有边界、可追溯、可评测。
    小白用 Codex 和 Claude Code 也能做产品,程序员的出路在哪里?
    2026-06-27
    AI 时代不缺代码生成,缺的是可信交付。真正重要的是能不能解释、验证、审查、回滚并长期维护 AI 生成的软件。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    2026-07-08
    说明简喵如何用关键词检索、受控工作流、执行轨迹与最小评测,让简历诊断成为可复盘任务。
    AI 应用生产级护栏实战:限流、日志、降级、缓存、审计、成本
    按一次 AI 请求的生命周期,拆解限流、幂等、日志、缓存、失败补偿、任务队列和成本记录。
    一文讲透 RAG 核心术语:Embedding、Chunk、Vector DB、BM25、Reranker 到底是什么
    把 RAG 里的核心术语翻译成人话,并说明每个组件在“证据链”里负责什么。
    RAG 不是外挂知识库,而是一套证据链系统
    RAG 不是让模型知道更多,而是让模型的回答有证据、有边界、可追溯、可评测。
    小白用 Codex 和 Claude Code 也能做产品,程序员的出路在哪里?
    2026-06-27
    AI 时代不缺代码生成,缺的是可信交付。真正重要的是能不能解释、验证、审查、回滚并长期维护 AI 生成的软件。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    2026-07-08
    说明简喵如何用关键词检索、受控工作流、执行轨迹与最小评测,让简历诊断成为可复盘任务。
    AI 应用生产级护栏实战:限流、日志、降级、缓存、审计、成本
    按一次 AI 请求的生命周期,拆解限流、幂等、日志、缓存、失败补偿、任务队列和成本记录。
    历时 3 个月,我从 0 上线了一个证据约束型 AI 求职助手:简喵
    2026-07-03
    记录简喵从真实简历需求、JD 诊断到投递文案和 PDF 导出的上线过程,以及当时的功能取舍。
    RAG 不是外挂知识库,而是一套证据链系统
    RAG 不是让模型知道更多,而是让模型的回答有证据、有边界、可追溯、可评测。
    小白用 Codex 和 Claude Code 也能做产品,程序员的出路在哪里?
    2026-06-27
    AI 时代不缺代码生成,缺的是可信交付。真正重要的是能不能解释、验证、审查、回滚并长期维护 AI 生成的软件。
    我让 AI 改代码,它悄悄删了测试、放大了 CI 权限,所以我做了 PatchBrake
    AI 改完代码后,最危险的地方往往不是项目能不能跑,而是这一次 diff 里有没有测试被删、权限被放大、secret 被写进代码。PatchBrake 就是我为这个场景做的提交前本地质检工具。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    2026-07-08
    说明简喵如何用关键词检索、受控工作流、执行轨迹与最小评测,让简历诊断成为可复盘任务。
    AI 应用生产级护栏实战:限流、日志、降级、缓存、审计、成本
    按一次 AI 请求的生命周期,拆解限流、幂等、日志、缓存、失败补偿、任务队列和成本记录。
    历时 3 个月,我从 0 上线了一个证据约束型 AI 求职助手:简喵
    2026-07-03
    记录简喵从真实简历需求、JD 诊断到投递文案和 PDF 导出的上线过程,以及当时的功能取舍。
    RAG 不是外挂知识库,而是一套证据链系统
    RAG 不是让模型知道更多,而是让模型的回答有证据、有边界、可追溯、可评测。
    小白用 Codex 和 Claude Code 也能做产品,程序员的出路在哪里?
    2026-06-27
    AI 时代不缺代码生成,缺的是可信交付。真正重要的是能不能解释、验证、审查、回滚并长期维护 AI 生成的软件。
    我让 AI 改代码,它悄悄删了测试、放大了 CI 权限,所以我做了 PatchBrake
    AI 改完代码后,最危险的地方往往不是项目能不能跑,而是这一次 diff 里有没有测试被删、权限被放大、secret 被写进代码。PatchBrake 就是我为这个场景做的提交前本地质检工具。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    AI 应用生产级护栏实战:限流、日志、降级、缓存、审计、成本
    按一次 AI 请求的生命周期,拆解限流、幂等、日志、缓存、失败补偿、任务队列和成本记录。
    历时 3 个月,我从 0 上线了一个证据约束型 AI 求职助手:简喵
    2026-07-03
    记录简喵从真实简历需求、JD 诊断到投递文案和 PDF 导出的上线过程,以及当时的功能取舍。
    一文讲透 RAG 核心术语:Embedding、Chunk、Vector DB、BM25、Reranker 到底是什么
    把 RAG 里的核心术语翻译成人话,并说明每个组件在“证据链”里负责什么。
    RAG 不是外挂知识库,而是一套证据链系统
    RAG 不是让模型知道更多,而是让模型的回答有证据、有边界、可追溯、可评测。
    小白用 Codex 和 Claude Code 也能做产品,程序员的出路在哪里?
    2026-06-27
    AI 时代不缺代码生成,缺的是可信交付。真正重要的是能不能解释、验证、审查、回滚并长期维护 AI 生成的软件。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    AI 应用生产级护栏实战:限流、日志、降级、缓存、审计、成本
    按一次 AI 请求的生命周期,拆解限流、幂等、日志、缓存、失败补偿、任务队列和成本记录。
    历时 3 个月,我从 0 上线了一个证据约束型 AI 求职助手:简喵
    2026-07-03
    记录简喵从真实简历需求、JD 诊断到投递文案和 PDF 导出的上线过程,以及当时的功能取舍。
    一文讲透 RAG 核心术语:Embedding、Chunk、Vector DB、BM25、Reranker 到底是什么
    把 RAG 里的核心术语翻译成人话,并说明每个组件在“证据链”里负责什么。
    RAG 不是外挂知识库,而是一套证据链系统
    RAG 不是让模型知道更多,而是让模型的回答有证据、有边界、可追溯、可评测。
    小白用 Codex 和 Claude Code 也能做产品,程序员的出路在哪里?
    2026-06-27
    AI 时代不缺代码生成,缺的是可信交付。真正重要的是能不能解释、验证、审查、回滚并长期维护 AI 生成的软件。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么?
    一条命令 npx token-studio 就能下载并启动本地体验。Token Studio 不只统计 AI 编程用了多少 token,而是追问这些 token 到底换来了什么,并把消耗连接到项目、产出证据、模型策略和行动报告。
    我让 AI 改代码,它悄悄删了测试、放大了 CI 权限,所以我做了 PatchBrake
    AI 改完代码后,最危险的地方往往不是项目能不能跑,而是这一次 diff 里有没有测试被删、权限被放大、secret 被写进代码。PatchBrake 就是我为这个场景做的提交前本地质检工具。
    Hexo + Matery 主题从零搭建个人博客完整教程(GitHub Pages 部署 + 美化优化全流程)
    为什么选 Hexo + Matery?Hexo 是一个基于 Node.js 的静态博客框架,一条命令就能把 Markdown 文章生成完整的 HTML 站点。Matery 是 Hexo 生态中最受欢迎的 Material Design 风格
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么?
    一条命令 npx token-studio 就能下载并启动本地体验。Token Studio 不只统计 AI 编程用了多少 token,而是追问这些 token 到底换来了什么,并把消耗连接到项目、产出证据、模型策略和行动报告。
    我让 AI 改代码,它悄悄删了测试、放大了 CI 权限,所以我做了 PatchBrake
    AI 改完代码后,最危险的地方往往不是项目能不能跑,而是这一次 diff 里有没有测试被删、权限被放大、secret 被写进代码。PatchBrake 就是我为这个场景做的提交前本地质检工具。
    Hexo + Matery 主题从零搭建个人博客完整教程(GitHub Pages 部署 + 美化优化全流程)
    为什么选 Hexo + Matery?Hexo 是一个基于 Node.js 的静态博客框架,一条命令就能把 Markdown 文章生成完整的 HTML 站点。Matery 是 Hexo 生态中最受欢迎的 Material Design 风格
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    AI 应用生产级护栏实战:限流、日志、降级、缓存、审计、成本
    按一次 AI 请求的生命周期,拆解限流、幂等、日志、缓存、失败补偿、任务队列和成本记录。
    小白用 Codex 和 Claude Code 也能做产品,程序员的出路在哪里?
    2026-06-27
    AI 时代不缺代码生成,缺的是可信交付。真正重要的是能不能解释、验证、审查、回滚并长期维护 AI 生成的软件。
    我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么?
    一条命令 npx token-studio 就能下载并启动本地体验。Token Studio 不只统计 AI 编程用了多少 token,而是追问这些 token 到底换来了什么,并把消耗连接到项目、产出证据、模型策略和行动报告。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    AI 应用生产级护栏实战:限流、日志、降级、缓存、审计、成本
    按一次 AI 请求的生命周期,拆解限流、幂等、日志、缓存、失败补偿、任务队列和成本记录。
    小白用 Codex 和 Claude Code 也能做产品,程序员的出路在哪里?
    2026-06-27
    AI 时代不缺代码生成,缺的是可信交付。真正重要的是能不能解释、验证、审查、回滚并长期维护 AI 生成的软件。
    我做了 Token Studio:AI 编程花掉的 Token,到底换来了什么?
    一条命令 npx token-studio 就能下载并启动本地体验。Token Studio 不只统计 AI 编程用了多少 token,而是追问这些 token 到底换来了什么,并把消耗连接到项目、产出证据、模型策略和行动报告。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    2026-07-08
    说明简喵如何用关键词检索、受控工作流、执行轨迹与最小评测,让简历诊断成为可复盘任务。
    一文讲透 RAG 核心术语:Embedding、Chunk、Vector DB、BM25、Reranker 到底是什么
    把 RAG 里的核心术语翻译成人话,并说明每个组件在“证据链”里负责什么。
    RAG 不是外挂知识库,而是一套证据链系统
    RAG 不是让模型知道更多,而是让模型的回答有证据、有边界、可追溯、可评测。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    简喵技术复盘:我如何用最小 RAG 和最小 Agent,让 AI 简历优化从生成变成可复盘任务
    2026-07-08
    说明简喵如何用关键词检索、受控工作流、执行轨迹与最小评测,让简历诊断成为可复盘任务。
    一文讲透 RAG 核心术语:Embedding、Chunk、Vector DB、BM25、Reranker 到底是什么
    把 RAG 里的核心术语翻译成人话,并说明每个组件在“证据链”里负责什么。
    RAG 不是外挂知识库,而是一套证据链系统
    RAG 不是让模型知道更多,而是让模型的回答有证据、有边界、可追溯、可评测。
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
      留言交流
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
      留言交流
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    -
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...
    +
    RyanCoreAI
    记录可信 AI 应用工程、项目复盘与长期成长
    Copyright © 2025-2026 Ryan | Powered by Hexo | Theme Matery
      站点总字数: 100.5k
    Loading ...