About

About

简介

我是一个写代码、也带团队的人。白天是研发经理兼 Java 技术负责人,带一支约 10 人的跨职能团队,负责一个餐饮科技领域的核心主数据平台。

现在我的主要精力放在 AI 落地上:自己先把 AI 用起来,再想办法让整个团队用起来。这个博客记的就是这一路上的实践、踩过的坑和一些想法,偶尔也写读书、摄影和生活。

在做的事

  • AI 落地小组:我在所在公司负责一个 AI 先锋小组,思路是「攻克前沿 → 提炼实践 → 分享推广」,目标是从「我来做 AI」变成「团队自己会做 AI」。具体就是组织内训、每月做技术分享、起草团队的 AI 工程规范。相关的想法写在 Develop an AI Develop Team 里。
  • 团队知识库:用 Obsidian + Git + LLM 搭了一个团队知识库,让产品、测试、开发围绕同一份知识协作,做法见 Obsidian 团队知识库搭建。为此我写了两个 Obsidian 插件:一个负责本地 LLM agent 的配置和知识库初始化;另一个是 Agentic Git Sync,让不写代码的同事感觉不到 Git 的存在,冲突也自动处理。
  • 开发助手 agent:基于团队知识库做了一个开发助手,帮大家写代码、排查问题、回答问题。
  • 规格驱动的 AI 编码:在已有的大型项目里用 openspec 配合 Claude Code,按 proposal → design → tasks → 实现 → 归档的流程走。完整的上手记录在 Openspec 实操 和 A Simple Spec-Driven Development Project。
  • 自己的 agent 编排平台:工作流引擎 + 沙箱 + 共享存储,一个步骤一个沙箱,凭证不进沙箱。它支持多个 reviewer 投票的代码 review、按风险决定审批人数、从 GitHub issue 和 PR 触发,还能从历史运行里学习、改进知识库。背后的想法见 Agent Platform 的设计思考。

学习上,我大致按三个阶段走:先吃透 agent 设计模式和 Claude、MCP,再看评估、调试和 LLMOps,最后把个人积累变成团队能力。博客上 集成现成的 MCP 服务、上下文工程、ReAct 模式、Claude 子 agent 这几篇都是这条路上的产物。

其他小项目都放在 Projects 页。

一些看法

  • 上下文 + 授权:个人和团队想用好 AI,关键是两件事:给恰到好处的上下文,再给它足够的授权。个人层面靠好用的界面、快速检索和 agent;团队层面靠基于 Git 的文本协作、清楚的角色分工和工作流,以及有持久记忆、用不绑定个人的凭证、在可预期的护栏内自己干活的云端 agent。
  • Agent 平台要从操作系统和容器出发:走「构建 → 编译 → 打包 → 发布」的路子,做到可调试、可发布、稳定运行、可监控、可治理。平台成熟以后,懂业务又懂 agent 的人就能自己构建 agent,传统公司的 IT 形态也会跟着变。
  • AI 时代要重新审视软件框架:很多冗余是为人类开发者存在的,比如只为暴露接口而生成的文件,现在可以去掉了。
  • 团队不会被「一人公司」取代:agent 总会遇到市场变化、凭证过期这类问题,团队里的角色会找到新的平衡。定义 agent 的能力会变成每个角色的基本功,AI 原生的产品也需要用 AI 来测试。

联系我

有问题或者想交流,可以发邮件到 lewei.me@gmail.com。