如果说作品集回答的是「我做成过什么」，这条时间线更想回答的是：我为什么会成为今天的晓灰，以及我在每个阶段如何升级自己的判断力。
我长期关注三类问题：
- 如何把复杂系统做可靠
- 如何把 AI Agent 真正落到业务里
- 如何在高速变化里持续学习、表达和创造
git log —since=earlier
更早 · 求学期：把好奇心变成长期能力
北大阶段给我留下最重要的东西，不是某个具体知识点，而是三种训练：
- 对问题保持追问，而不是只接受标准答案
- 在不确定中建立自己的判断框架
- 用写作整理知识，用项目验证想法
这些习惯后来延续到了我的技术博客、开源项目和 Agent 实践里。
代表记录：
2021 · 校招启程：从学生到工程师
2021 年北大毕业后，我校招加入阿里，从真实业务系统开始理解工程：代码不是写完就结束，而是要在复杂链路、多人协作和长期演进中持续工作。
这一阶段我开始形成对「高质量开发」的底层偏好：测试、可维护性、边界感，以及对业务问题的建模能力。
关键经历：
- 参与淘宝淘工厂补货计划链路重建
- 开发雅思写作助手 WritingHelper，累计 15000+ 下载
- 开始系统整理 Java、测试、数据库与工程实践经验
代表文章：
2022 · 业务系统重建：理解复杂系统的真实约束
这一年我更深入地参与业务系统建设，开始理解大型系统里真正困难的部分：不是单点技术，而是需求变化、数据一致性、链路稳定性、业务语义和协作成本交织在一起。
我逐渐意识到，工程师的核心能力不是「会用很多工具」，而是能在复杂约束下给出可靠方案。
沉淀方向：
- Java 后端工程
- 单元测试与 TDD
- 分布式系统问题
- 数据库与资源建模
代表文章：
2023 · 全栈与业财：把系统能力放到业务深处
2023 年，我参与淘宝淘工厂钱账票一体化以及业财一体相关建设。这个阶段让我意识到，越接近业务本质，越需要把技术抽象和业务语义放在一起思考。
工程能力不只是「把需求实现出来」，还包括：
- 看懂资金、账务、票据背后的业务闭环
- 识别系统边界和长期演进风险
- 在多角色协作中保证方案可落地
代表文章：
- 假如你五行属商家，如何和淘天做生意？
- Practices-for-Processing-l0-Billion-Bill-data
- Possible Problems with Sharding and Partitioning
2024 · 从工程到 AI Agent：用 AI 重新理解软件
2024 年，我从传统业务系统逐渐转向 AI Agent 落地，先后负责淘宝客服知识库与问答、蚂蚁保风控 AI Agent 驱动的案件分析工作。
这一阶段最大的变化是：我开始把 Agent 看成一种新的软件架构范式，而不是一个更聪明的聊天入口。
关键经历：
- 负责淘宝淘工厂客服知识库和问答相关工作
- 负责蚂蚁保风控 AI Agent 驱动的案件分析工作
- 开始系统思考 Agent 的上下文、工具调用、可靠性和评估问题
代表文章：
2025 · Agent 深水区：从 demo 到可靠系统
2025 年，我更深入地进入 Agent 工程化阶段，开始关注 MCP、上下文工程、Agent Runtime、工具生态和可持续交付。
关键经历：
- 负责蚂蚁保保险科技 MCP 相关工作
- 开发 MCPAdvisor，获得 2025 OceanBase AI 黑客松二等奖
- 带队获得 2025 蚂蚁集团黑客松三等奖
- 获得首届阿里&蚂蚁 ATA 个人 Agent 最佳实践奖
- 获得 2025 蚂蚁集团年度优秀创作者
代表文章：
- 如何快速创建领域Agent - OneAgent + MCPs 范式
- 【年度总结】从Claude Code到 OneAgent：如何做好上下文工程
- 如何打造可靠的Agent系统
- Agent Teams 的原理与实践
2026 · 百万 MAU Agent 应用：把 Agent 放进真实流量
2026 年，我继续在蚂蚁保推进 Agent 应用落地，作为百万 MAU 产品「保险快查」的 Agent 应用负责人，更关注 AI 能力在真实用户、真实业务和真实稳定性约束下的表现。
这个阶段我最关心的问题变成：
- Agent 如何从「可用」走向「可信」
- 上下文工程如何服务长期业务演进
- MCP 和工具生态如何降低领域 Agent 的创建成本
- AI 产品如何在体验、效率和风控之间取得平衡
当前标签：
- 蚂蚁 P7 · Agent 专家
- 百万 MAU「保险快查」Agent 应用负责人
- 财保 ACE「AI 先锋」获得者
- 财保技术部「AI 年度之星」
持续写作：
- 如何让 AI Agent 实时个性化可视交互
- 如何放心 100% AI 交付需求(2) — Loop 与 Agent Loop
- NARE (Nexus Agent Runtime Enviroment)
domains —depth
| 领域 | 深度 | 经验说明 | 代表内容 |
|---|---|---|---|
| AI Agent / MCP | █████████░ | 从客服问答、案件分析到百万 MAU 保险快查 Agent 应用 | 如何快速创建领域Agent - OneAgent + MCPs 范式 |
| 上下文工程 | ████████░░ | 关注 Agent 记忆、工具、任务状态、压缩与可观察性 | 【年度总结】从Claude Code到 OneAgent：如何做好上下文工程 |
| Java / 全栈工程 | █████████░ | 从后端业务系统到 React 全栈与工程质量实践 | Unit Level Test Theory、Tool、Discussion |
| 分布式系统 | ███████░░░ | 复杂链路、数据一致性、资源建模与系统稳定性 | Distributed System Problems |
| 数据库 / 数据系统 | ███████░░░ | MySQL、Redis、Hologres、TDDL、TableStore、HavenAsk 等工程经验 | How-to-Choose-the-Suitable-Database |
| 写作与知识管理 | ████████░░ | 用长期写作沉淀经验、迭代认知、建立个人知识库 | Farming in the cyber world |
我现在相信的几件事
- 长期主义不是慢，而是愿意积累复利。 文章、项目、代码和经验都会在未来某个时刻互相连接。
- 工程师真正的壁垒是判断力。 技术栈会变化，但识别问题本质、权衡方案、推动落地的能力会迁移。
- Agent 不是 prompt 工程的延长线，而是软件工程的新分支。 它需要架构、评估、工具、上下文、产品体验和业务理解共同支撑。
- 写作是我的第二套编译系统。 代码把想法编译成系统，写作把经验编译成可复用的认知。
next
接下来我会继续围绕这些问题写作：
- 真实业务里的 Agent 可靠性
- MCP 与领域 Agent 创建范式
- 上下文工程与长期记忆
- AI 产品的体验、风控和组织落地
如果你想了解我做过什么，可以看 Farming in the cyber world；如果你想了解我如何成长，这一页就是入口。