01自述

关于我

AI 全栈开发工程师，2026 届计算机科学毕业生。写后端、写小程序、写 AI 工具链。

2022 — 2026

自述

我是祝文海，朋友更常叫我 Aether。2026 年 6 月从南昌大学计算机科学与技术专业毕业，现在在一家做智慧停车、智慧社区与车位资产托管的 SaaS 公司做 AI 全栈开发。

我的工作方式很具体：后端在 Spring Boot 多模块单体里写接口，前端在 Vue 2 中台和两个微信小程序之间来回切，一个人把需求从方案文档推到线上。三条产品线——停车、物业、资产托管——的支付、权限、数据一致性，基本都是我经手的。

生产环境也在我手上：一台阿里云 ECS 的账号体系、安全基线、发布回滚，以及让同事在家里也能推代码的内网 Gitea 远程访问。做得越久越确信，运维的价值不在「救火」，而在把这些事写成别人照着就能做的脚本与文档。

业余时间我在折腾另一件事：怎么让 AI 真正参与工程，而不是当个更快的自动补全。我写过 RAG 问答系统，也写过把设计稿读成规格书的 MCP Server、把多家模型供应商收敛成一个入口的网关、把测试用例灌进云效再自动提缺陷的流水线。这些工具我自己每天在用，所以它们必须可靠。

我相信两件事：需求要先想清楚再写代码，交付要能被别人验证。所以我的文档里每条结论都带文件和行号，每次改动都写清"要看到效果需要做什么"。这不是形式主义——实习时在线上系统里排查问题的经验告诉我，含糊的交付最终会以更贵的方式回来。

教育背景

南昌大学 · 计算机科学与技术
2022.09 – 2026.06
数学与计算机学院 · 本科
- 2024.02 转入计算机科学与技术 223 班，2026.06 毕业
- 主修：数据结构、计算机网络、数据库系统、操作系统、软件工程
数据结构计算机网络数据库系统操作系统软件工程

校园经历

辅导员助理 · 团支书
2022.09 – 2026.06
计算机科学与技术 223 班
- 2024.02–2026.06 转入计算机科学与技术 223 班，兼任团支书
- 2023.05 通过党校考核进入学院党支部；2024.11 任支部助理
学生会 · 素质拓展部部委
2022.09 – 2023.09
数学与计算机学院学生会
- 参与组织校园素质拓展活动，负责活动策划与现场执行

02AI 工程

四条 AI 工程能力

Agent、工作流、模型路由、应用——每条都有能上线的产出。

Agent 应用开发

HERMES 内核 · 全上云 · 多端接管

把代码、服务、Agent 全搬进云主机，电脑、平板、手机退化成 web-UI 客户端：内核常驻云上，任何一块屏幕打开浏览器都能接管。手机上发一条消息就能派活、看进度、改代码——开发不再绑定在某一台电脑前。

多端控制：电脑走 Desktop 的 remote gateway 注册表，手机把 dashboard 加进主屏，平板当第二块控制屏 —— 同一个内核、同一份会话，换设备不用迁移环境
消息即指令：飞书 / 微信发一句话就能派活、追问、验收，Agent 在云上执行，产出回到会话 —— 通勤路上、出差途中都在推进需求
单写控制面：state.db 与任务板只允许一个 master，多节点做灾备而不双写 —— 双写会撕裂会话、重复派发任务
零入站端口：gateway 只绑回环，经 Tailscale tailnet 转发并加鉴权；飞书 / 微信走出站长连接，不做公网回调
旁路指令层：watchdog 每 5 分钟只读 /api/status，零 token 把异常推给飞书，模型网关全挂也能重启服务、导出死因
AGI 时代的中间态：模型与工具还在快速演进，人保留判断、授权与验收，Agent 承担执行与留痕 —— 不是一步到位的「全自动」，而是随时可接管、可回退的半自动

AI 工作流编排

规范流水线 · 本地工具沉淀

把「需求 → 方案 → 代码 → 验证 → 文档」做成每步留档的固定轨道，再把常用平台沉淀成本地工具，让 Agent 在轨道上干活，而不是每次重讲一遍。

规范流水线：每一步都有产物与判据 —— 设计方案、修复记录、模块现状各一套模板，证据不够就退回，不往下走
每条结论指回「文件:行号」；改完强制静态检查，并写明生效前提（重启 / 重编译 / 重新登录）
本地工具 · 墨刀：设计稿沉淀成 Agent 可调用的 MCP —— 截图、控件树、素材、设计令牌，设计对齐不靠口头转述
本地工具 · 云效：测试计划、执行状态、缺陷工作项打通，179 条回归用例自动执行回写；流程 Skill 化，一次封装多处复用

多模型网关与余额管理

自研网关 · 二开 magpie · 到期优先路由

从一块余额看板出发，自研三套平台网关，再二开 magpie 成 magpie plus 把看板并回网关，最后用批次到期时间驱动路由。

三套自研平台网关（WorkBuddy / Qoder / Trae），同一进程暴露 Anthropic Messages、OpenAI Chat Completions 与 Responses
多账号池：按剩余额度挑号、分级冷却、故障轮换，doctor 能说出每个账号被跳过的原因
二开 magpie 为 magpie plus：power-meter 以 sidecar 并入 GUI，成为「余额看板」页，可看批次级到期
routing=expiry：用看板的批次到期时间排序账号，并为 Qoder / Trae / CodeArts 写薄包装补 runsOutAt

AI 应用开发

RAG · 向量检索 · 多模型后端

把大模型能力做成能上线的东西：知识库解析与切分、向量化与召回、答案引用溯源、模型后端可切换。

电商客服 RAG 问答系统：FastAPI + Vue 3 全栈，解析 → 切分 → 向量化 → 检索 → 生成全链路
本地开源模型与云端 API 双模式，按算力与预算切换，不改业务代码
答案附带引用来源，回答可核对，降低幻觉带来的客服风险
Docker 容器化交付，环境一致、一键启动

03能力

能力清单

29 项

AI 工程

Agent / MCP 工具开发

把内部能力封装成 Agent 可调用的工具，并写成可复用的 Skill

Agent 运行时与多智能体编排

常驻内核、任务板、子 Agent 拆分与人工接管

AI 网关与协议转换

把 Anthropic / OpenAI / Responses / Gemini 收敛成一个入口，含 SSE 流式、账号池与密钥分发

上下文工程与提示设计

把约束、证据与验收标准写进上下文，而不是靠运气

文档解析与多模态提取

PDF / 网页 / 视频 / 设计稿，都变成结构化输入

RAG 与向量检索

知识库解析 → 切分 → 向量化 → 召回 → 生成，答案带引用可回溯

AI Coding（Vibe / Spec）

日常以 AI 驱动的方式交付：说清意图让它写，或先定规格再让它实现

后端

Spring Boot + MyBatis-Plus

在 1400+ 文件的多模块单体里交付接口，含租户隔离、双鉴权与支付回调

Node.js / TypeScript

自研网关与工具链的主要语言，含协议转换、流式与 CLI

Go

网关与单二进制服务的主力语言：并发、SSE、SQLite 与 Wails 桌面端

MySQL 与数据治理

多数据源、索引与慢查询、租户隔离与数据一致性

NestJS + Prisma + PostgreSQL

TypeScript 服务端的另一条线：模块化分层、迁移与队列

Python + FastAPI

AI 应用后端与工具脚本

Redis / MQTT / 消息队列

缓存、会话、限流与设备指令下发

前端

设计还原与响应式排版

从设计令牌到像素对比，界面不是「看着差不多」

交互动效与前端动画

滚动、揭示与转场，但尊重 reduced-motion

TypeScript 与前端工程化

Vite + vue-tsc + ESLint 一条链，类型跟着契约走

Vue 2 / Vue 3

管理后台（Vue 2 + Element UI）与现代前端（Vue 3 + 组合式 API）都能落地

H5 移动端与 Vant

移动端 H5 的适配、刷新与微信内置浏览器兼容

微信小程序（uni-app / 原生）

跨端与原生两种形态都能开发，理解分包、包体与审核约束

工程

Linux / Docker / Nginx

能自己把服务发上去：构建、容器、反代与 HTTPS

Git 工作流与代码评审

分支、提交规范与可核对的变更说明

Gitea / Monorepo 工程化

自建代码托管、工作区与流水线，把团队协作收进一个入口

Linux 服务器运维与安全基线

账号体系、SSH 加固、发布回滚与审计巡检，全部脚本化

Tailscale / Headscale 内网组网

零公网端口把内网服务安全地开到家里和路上

自动化测试

接口 / Web / 小程序三端自动化回归，结果回写测试平台

综合素质

英语（NECCS）

全国大学生英语竞赛全国二等奖

数学建模

APMCM 亚太地区大学生数学建模竞赛全国三等奖

技术写作与规范沉淀

把口头经验写成别人照着就能做的文档：运维手册、设计规范、协作协议

自述