🌥️ 晓灰

RSS 订阅

晓灰的成长时间线

15分钟阅读

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：

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：

代表文章：

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

关键经历：

  • 2026 年 6 月，高考日，我回望从淘宝来到蚂蚁的两年：从 Java 转向 Agent，从使用框架到参与开源生态，从黑客松项目到 Claude Code / Harness Engineering 分享，也从确定性更强的工程题走进没有标准答案的 AI 考场。相关记录：另一间考场
  • 2026 年 3 月，我围绕 Claude Code 工作提效连续做了几场内部分享：先面向财富与保险事业群 HR 团队分享 Claude Code 提效案例，随后面向蚂蚁保产品团队分享 Claude Code 进阶课程，并受奕安对接邀请，面向蚂蚁保 BI 团队分享 Claude Code 入门与进阶课程。这让我把自己在 AI Coding、上下文工程和 Claude Code 使用中的经验，进一步沉淀成面向 HR、产品与 BI 同学的超级个体方法论。相关记录：【万字长文】 最强 AI Coding：Claude Code 最佳实践、AI Speeds
  • 2026 年 3–6 月，Harness Engineering 从项目实践走向连续技术传播：受聪安、行见、Kris、经香、心令对接或邀请，先后面向阿里国际 Accio 团队、蚂蚁集团平台体验技术部智能工程技术团队、阿里集团 ATH 事业群心流团队分享 Harness 提效与工程化实践；4 月在蚂蚁集团“技术夜校”做 Harness 开放麦专场，分享 1 小时并回答问题半个多小时；6 月 11 日将于高德大群直播分享。这让我意识到，Harness Engineering 不只是保险场景里的项目经验，而是一套可以迁移到更多智能工程团队的工作方法。相关记录：如何放心 100% AI 交付需求(3) — 为 AI 打造可持续迭代的环境
  • 2026 年，保险产品解读与评测系统从单一生成链路演进为“确定性主链路 + 可组合独立 Agent”：报告生成、内部增量补充、外部认知对齐、质量校验、评分和产品评测被拆成可治理的生产能力。这让我对 Harness Engineering 的理解从“让 AI 自举”推进到“让 AI 产物进入可交付的业务系统”。相关记录：保险产品解读报告系统：Multi-Agent 生产链路与评测闭环
  • 受周建华邀约，在平安健康险团队进行首次外部技术分享（Harness Engineering），两小时分享反响热烈。这是我第一次在公司外扩大技术影响，帮助外部团队解决 AI 工程与 AI 转型问题。相关记录：Harness Engineering - C 端 AIGC 实时生成系统
  • 重新审视价值投资的”长期持有”教条：认识到策略有效性依赖于宏观环境——单边向上时持有不动是最优解，经济承压时机械持有可能是糟糕策略。从机械执行投资理念，升级为根据宏观环境判断策略适配性。相关记录：Invest Consider、AI 周期、滞胀与四层仓位框架

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：

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

  1. 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。
  2. 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。
  3. 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。
  4. 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。

关系图谱