FORWARD DEPLOYED ENGINEERING · AI DELIVERY · SHENZHEN
FDE / AI 解决方案交付|核心研发背景
把客户现场的模糊需求,转化为可开发、可集成、可评测、可交付的 Agent 与 RAG 系统。
以 10 年核心研发与复杂系统交付经验为基础,从业务流程进入问题,参与方案、核心实现、系统联调和交付验证;公司项目与个人项目按真实边界分别呈现。
10 年核心研发与复杂系统交付
端到端需求 · 方案 · 架构 · 核心开发 · 验证
Agent · RAGAPI 集成 · 私有化部署 · 交付验收
FDE CAPABILITIES
从现场问题到交付闭环。
每项能力均链接至对应的公开项目证据。01
业务调研与任务建模
梳理角色、业务 SOP、数据来源、失败路径与验收口径,把模糊诉求转成可实现任务。
02
方案设计与 PoC
用工作流、接口、原型和验证计划尽快确认模型、工具与业务链路是否成立。
03
Agent / RAG 核心实现
把上下文、记忆、工具、知识检索、引用和评测组织为可观察的任务链路。
- Context / Memory
- Tool Calling
- 混合检索
- RAGAS / Bad Case
04
系统集成与私有化部署
连接 API、权限、本地模型、软硬件与运行环境,把单点能力推进为可联调系统。
- API / Webhook
- 权限
- 本地模型
- Windows / Linux
- Docker
05
上线验收与持续迭代
围绕联调、失败恢复、Bad Case、交付文档和复盘建立可继续优化的验收闭环。
- 联调
- Checkpoint / 恢复
- Bad Case
- 文档与复盘
FDE CASES
用项目事实说明,如何把方案推进到真实交付。
每个案例保留项目来源、阶段、个人完成与协作边界。01 · 企业 AI · 平台产品公司项目已上线
面向个人生产力与企业私有化场景,将本地模型、Agent、RAG、ASR/TTS 和 AIGC 集成到 miniPC;通过预置模型、任务工作流和标准化交付体系,推动产品从研发验证走向 ToC 商品化与 ToB 私有化交付。
在跨职能产品交付中主导方案、功能架构、版本优先级和验收口径,并进入 Agent 核心链路与系统联调。
- 个人完成
- 主导产品方案、功能架构、版本优先级、产品规范、项目排期与验收口径,并参与 Agent 核心链路与系统联调。
- 完成方式与边界
- 与算法、研发、硬件、测试和交付团队协作;部署时长、业务覆盖和运行指标属于团队共同交付结果。
- 团队交付:将本地 AI 能力从重复部署推进到开箱即用、可复制交付
- 平台整合模型、知识与智能体能力
miniPC本地模型AgentRAGASDeepResearchASR/TTS
查看完整案例 ↗02 · 企业知识 · 平台产品公司项目已上线
RAG 知识增强问答平台
将解析、混合检索、权限、引用、效果评测与运营机制串成可观测的知识工作台。
将知识入库、混合检索、权限、引用、RAGAS 与 Bad Case 串成可观察、可验收的企业知识工作台。
- 个人完成
- 独立完成问题定义、检索产品架构、知识入库、混合检索、权限、引用、RAGAS、Bad Case、Roadmap 与验收闭环。
- 完成方式与边界
- 本人独立完成产品设计与核心实现;底层模型、Embedding、Rerank 和向量数据库属于外部模型或基础组件能力。
RAGBM25RRFRerankRAGASNeo4j
查看完整案例 ↗03 · Agent Runtime · 个人全栈项目个人项目持续开发
Lodestar
通过桌面与语音入口,将文件、命令、网页和任务执行组织为可跟踪、可取消、可重试的本地 Agent 工作流。
以个人项目验证任务模型、上下文、权限、审批、Checkpoint 与恢复如何组织成受控执行链路。
- 个人完成
- 主导办公与生活场景、任务模型、上下文、记忆、权限、安全、恢复设计及桌面端核心实现。
- 完成方式与边界
- 个人项目由本人主导,基于开源组件与外部模型能力开发;公开仓库提供 Runtime 与 Protocol 实现证据,不归入公司业绩。
TauriTypeScriptRustPythonMCPWebSocket
查看完整案例 ↗04 · AI 研究 · 个人全栈项目个人项目原型完成
DeepResearch 多 Agent 研究平台
将澄清、规划、多源检索、引用校验、质量评分和报告导出组合为可观察的研究工作流。
将企业研究任务拆成澄清、规划、检索、引用校验、评分与导出的可恢复工作流原型。
- 个人完成
- 独立完成需求定义、工作流、评测口径、交互状态及端到端原型实现。
- 完成方式与边界
- 个人项目由本人主导设计与实现;模型、搜索和向量能力来自外部服务或开源组件。
LangGraphFastAPIMilvusRedisSSERAG
查看完整案例 ↗ 查看完整项目库DELIVERY METHOD
不是只完成 Demo,而是走到交付与复盘。
- 01
进入业务现场
识别角色、流程、数据与真实阻塞点。
- 02
定义适用边界
确定任务、输入输出、风险和成功标准。
- 03
搭建 Demo / PoC
验证模型、检索、工具和接口链路。
- 04
完成系统集成
处理权限、部署、联调与异常路径。
- 05
按口径验收交付
交付文档、培训与人工接管方案。
- 06
回收问题并迭代
复盘 Bad Case、成本、时延与任务完成情况。
TECHNOLOGY JUDGMENT
技术判断必须回到接口、运行与验收。
完整链路与证据继续在工程页和项目详情中展开。AI 应用
- Agent
- RAG
- Context / Memory
- Workflow
- Tool Calling
- MCP / Skill
工程与集成
- Python / FastAPI
- REST API / Webhook
- TypeScript
- Redis / 异步任务
- SSE / WebSocket
部署与可靠性
- Docker
- Linux / Windows
- 本地模型
- 权限
- Checkpoint
- 评测 / Bad Case
查看完整工程主线PUBLIC FACT BOUNDARY
事实边界
- 个人项目、公司项目和跨职能团队项目分别标注。
- MDT AIIMMERSE 的平台与商品页结果属于团队或平台边界。
- 外部模型、Embedding、Rerank、框架和工具不表述为个人原创。
- 未公开的客户、样本、环境、统计窗口和商业数据不用于个人业绩或跨系统比较。