把模型放进可控任务系统
关注点不是单次模型回答，而是如何把需求、上下文、工具、状态、产物、日志和失败恢复组织为稳定的工程链路。
可处理的问题
- 长任务如何排队、执行、暂停、失败和恢复。
- 模型如何在有限工具边界内修改文件、生成报告或调用业务工具。
- 每次运行如何留下 timeline、artifact、snapshot、日志和复盘材料。
能力结构
把经历拆成可评估的能力
这个页面不按履历时间线展开，而是按“可以解决什么问题”组织。每项能力都对应具体作品，便于继续核验。
GraphRAG / 知识资产
把文档、示例和经验转成可检索知识
不只做向量检索，而是将文档结构、实体关系、上下文扩展、重排和事实约束组合起来，为 Agent 或业务问答提供可追溯依据。
可处理的问题
- 企业文档如何解析成稳定文档树和知识节点。
- 示例、API、规则和历史错误如何成为 Agent 可使用的知识资产。
- 检索结果如何被审计、调试和持续改进。
对应作品
图应用工程化 / 复杂关系数据
把关系数据做成业务操作界面
长期处理知识图谱、组织结构、股权关系、数据血缘、流程依赖和业务拓扑等场景，关注的是图展示、交互、编辑和业务系统嵌入。
可处理的问题
- 关系数据如何建模为 nodes、lines、业务 data 和运行时状态。
- 多框架组件如何共享核心引擎，避免重复实现。
- 图编辑、小地图、图片导出、布局和事件如何作为工程能力沉淀。
对应作品
金融数据系统 / 银行业务语义
理解金融业务中的数据约束
早期经验来自银行客户、企业关系、风险预警、外部数据治理和知识图谱场景。这些经验影响了后续 AI 系统对审计、证据链和数据边界的设计。
AI 数据分析 / 本地研究系统
把分析过程拆成可复核步骤
无论是银行经营分析还是本地量化研究，重点都不是一次性生成结论，而是保留数据处理、查询、指标、图表、报告和复盘之间的关系。
产品化交付 / 小团队系统推进
从核心代码到可使用产品
经验覆盖需求拆解、架构设计、核心开发、文档示例、运行部署、用户反馈和持续迭代，更适合从 0 到 1 推进复杂工具型产品。
可处理的问题
- 如何把底层能力包装成开发者可理解的文档、示例和工具入口。
- 如何在真实用户任务中建立日志、诊断、反馈和迭代通道。
- 如何让开源项目、知识资产、在线 Agent 和企业服务互相支撑。
对应作品
AI 系统治理 / 可审计执行
设计可审计的 AI 执行系统
把权限边界、工具调用、SQL 安全、运行日志、证据链、任务快照和审计记录纳入系统设计，让 AI 执行过程可以被复核、追踪和治理。
可处理的问题
- 模型调用文件、数据库和业务工具时，如何限定权限和执行边界。
- AI 生成结果如何自动绑定输入、工具调用、数据集和产物记录。
- 出现错误或争议时，如何回到完整执行链路进行复查。
对应作品
场景应用平台 / 应用包与工作底稿
让不同业务场景接入统一 AI 平台
把场景应用组织为应用包、模板、工具、节点流程、运行配置和工作底稿，让平台既能承载差异化业务，又能统一管理执行、审计和发布。
可处理的问题
- 不同业务场景如何拥有自己的模板、工具、节点和底稿结构。
- 平台如何统一处理应用发布、版本校验、运行配置和任务状态。
- 场景应用如何在不绕开治理链路的前提下接入 OpenAPI 或其他入口。
对应作品
Agent 评估 / 回放体系
把真实任务转成可持续改进的样本
把任务输入、上下文、工具调用、错误、修复、产物和业务结果保存下来，用于回放、对比模型效果、诊断系统问题和迭代知识资产。
可处理的问题
- 如何用真实任务构建可重复的 Agent 评估样本。
- 模型、提示词、工具策略或知识包变化后，如何做结果对比。
- 如何把失败案例沉淀为下一轮系统改进的输入。
对应作品
业务语义 / 受控数据访问
把底层数据封装成可治理的业务语义
将表结构、指标口径、对象关系、查询权限和工具调用封装成业务语义层，让 AI 和应用通过受控操作访问数据，而不是直接暴露底层细节。
复杂工具型产品 / 开发者体验
让复杂能力被开发者稳定使用
围绕 API 设计、示例体系、文档结构、错误提示、知识资产和 AI 辅助路径建设开发者体验，让复杂工具不只可用，而且容易被正确使用。
可处理的问题
- 复杂图组件如何通过稳定 API、示例和文档降低使用门槛。
- AI 生成代码时，如何通过知识资产和示例减少 API 误用。
- 开源项目如何把社区反馈转成文档、示例和产品能力。
对应作品
数据密集型系统 / 本地研究与实验
构建可长期迭代的数据研究系统
面向本地数据仓库、索引、缓存、离线计算、在线轻读取、复盘记录和实验迭代，处理数据量、性能边界和长期研究过程中的可复现问题。