从个人工作台开始

我更愿意把这个站叫作工作台，而不是博客。

博客像一条时间线，工作台则更接近一个长期维护的公开界面：文章记录判断，项目展示实践，简历提供上下文，链接保留常用入口。它们放在一起，能更完整地说明一个人如何工作、如何学习，以及如何把经验转成可复用的东西。

这个站点只发布公开友好的内容。更完整的材料会留在私有知识库里，经过脱敏、整理和人工确认之后，再进入这里。

第一版的目标很朴素，也很具体：

• 能写 Markdown。
• 能稳定发布。
• 有清晰的信息架构。
• 简历和项目页可以长期迭代。
• 每次发布都经过人工确认。

这也是一个约束练习：不是把所有内容都搬出来，而是只留下值得公开、能够被别人理解、不会泄露敏感信息的部分。

工程笔记应该留下判断

工程笔记最有价值的地方，不是记录“做过什么”，而是记录“为什么这样做”。

一个可复用的工程笔记通常需要回答几个问题：

• 当时的约束是什么。
• 有哪些方案被考虑过。
• 最终选择背后的判断是什么。
• 实施之后，哪些假设被验证，哪些没有。
• 如果重新来一次，哪些地方会改。

这些信息如果只留在聊天记录、会议纪要或个人脑子里，很快就会变成无法复用的噪声。写成公开笔记时，需要再做一次压缩：去掉内部细节，保留问题结构、工程方法和长期可迁移的经验。

这也是本站文章的基本取向：不追求高频更新，优先写那些半年以后仍然有用的内容。

AI 工程化首先是边界问题

AI 能加速很多工作，但加速之前，系统需要先知道边界在哪里。

在研发流程里使用 AI，至少有三类边界要明确：

• 输入边界：哪些上下文可以提供，哪些材料不能进入模型。
• 责任边界：哪些判断由人负责，哪些实现可以交给工具辅助。
• 验证边界：什么结果必须通过测试、审查或真实环境验证。

如果这些边界不清晰，AI 很容易把“看起来完成了”变成新的风险来源。真正能长期运转的 AI 工程化，不是把每个任务都交给模型，而是让模型进入一个有约束、有反馈、有审计的流程。

我更关心的是后者：让 AI 帮助工程师更快进入问题核心，同时保留人的判断、验证和最终责任。