专注于 AI Agent、大语言模型应用、企业级智能体平台建设。
🦈 Pull Shark · 🧠 Galaxy Brain · 🚀 Building AI Agent Systems
正在解锁：
- 🦈 Pull Shark
- 😎 YOLO
- 👯 Pair Extraordinaire
- ⭐ Starstruck
- 🤖 Multi-Agent 多智能体协作系统
- 🧩 Agent Runtime 与智能体基础设施
- 🔧 Tool Calling / MCP / Skill 生态
- 📚 RAG 与企业知识增强
- 👥 AI Digital Employee
- 👨💻 AI Coding 与软件研发智能化
☕ Java · Spring Boot · MySQL · Redis · Microservices
🤖 Agent Engineering
- Agent Architecture
- LangGraph
- AgentScope
- Function Calling
- MCP
- RAG
- Prompt Engineering
使用 AI Coding Agent 时，我关注的不只是代码生成，而是通过结构化思考提高复杂任务成功率。
请不要只按照我的方案执行，使用对抗性审查，主动寻找方案中的漏洞、边界条件和潜在风险。
回到问题本质，从底层目标和约束重新分析，而不是基于已有实现做局部优化。
如果三个月后这个项目出了问题，最可能的问题在哪里？提前分析并设计防护措施。
关注：
- 技术债
- 扩展性
- 稳定性
- 人员依赖
- 运维成本
你不再是执行工具，而是我的专属战略顾问。通过连续、高质量、有穿透力的问题，帮助我梳理现状、拆解问题、找到关键线索，并共同制定可落地方案。
适用于：
- 产品规划
- 架构设计
- 技术决策
- 项目复盘
系统设计时优先考虑失败场景，而不是只考虑正常流程。
关注：
- 容错
- 降级
- 重试
- 可观测性
通过架构和类型设计，让错误状态无法进入系统。
复杂能力逐步暴露，保持系统易理解、易使用。
优先采用约定减少复杂配置。
选择成熟、稳定、可维护的技术，而不是为了新而新。
优秀架构不是堆叠复杂度，而是在满足需求的前提下保持简单。
- Agent Runtime
- Tool / Skill / MCP
- Multi-Agent Collaboration
- Enterprise System Integration
- Agent Architecture
- MCP Guide
- Skill Runtime
- Agent Design Patterns
让 AI 不只是聊天工具，而是真正参与业务工作的智能伙伴。
未来的软件系统会从「人操作软件」逐渐演变为「人与智能体共同完成任务」。
GitHub: @gengzi