AIGC 行业从业者，长期关注 Agent Runtime、RAG 与内容生产基础设施。
目前专注于用 AI 重构影视、游戏与泛内容生产流程，把模型能力落到可执行、可评估、可协作的工程系统里。
- AIGC 生产系统：围绕剧本、分镜、图片、视频、3D 资产与项目协同，探索更稳定的 AI-native 内容生产流水线。
- Agent Runtime / Harness Engineering：把 prompt、工具、记忆、沙箱、反馈回路与评估体系看成一个完整运行环境。
- 检索 / 知识系统：关注 reasoning-oriented RAG、知识图谱问答、文档索引、代码搜索与结构化检索。
- 开发者工具：构建能减少噪音、提升可观测性和执行效率的小工具。
- 腾讯 NLP 算法：时序预测、NL2SQL 与 Agentic 相关的工作。
- Vectify 机器学习工程师：关注模型应用、数据流与面向真实业务的 AI 系统建设。
- AIGC 内容创作行业头部算法部门小组负责人。
| 主题 | 关注问题 | 公开项目 |
|---|---|---|
| AIGC 生产流 | 让影视/游戏内容生产从单点生成走向可控工作流 | CINE-OS |
| Agent runtime 与 harness | 模型之外，运行环境如何决定 Agent 上限 | hackathon-monad |
| Retrieval、KG 与 RAG | 从相似度搜索走向结构化推理 | PageIndex, KnowledgeGraph-based-on-Raw-text-A27, ai_edu_exam |
| 实用 AI 工具 | 降低模型使用、信息聚合与工程工作流里的摩擦 | newapi-balance, wechat-radar |
| 项目 | 方向 |
|---|---|
| CINE-OS | 面向影视生产的 AI-native 内容生产系统 |
| PageIndex | 面向 reasoning-based RAG 的文档索引系统 |
| KnowledgeGraph-based-on-Raw-text-A27 | 基于 LLM + 知识图谱的原始文本问答 |
| newapi-balance | 用于 NewAPI 余额监控的 VS Code 插件 |
- Kimi-K2.6 swarm 暴露的模型发展逻辑：执行内化，判断外挂
- Claude Code 如何长成 Agent Runtime
- 本体论能不能救 AI Agent，取决于它躲不开的一个缺口
- Mastra 中简单但又让我惊喜的记忆架构
- Cloud Agent 还要跑在 Linux 上多久？
- HY-World 2.0 / Marble 1.1 / HappyOyster 横评：三家对「世界模型」的三种答案
- 喜欢从真实工作流、真实数据和真实失败里抽象系统，不喜欢只停在概念层。
- 偏好无损内容、清晰边界、可观测系统，以及能长期演进的领域模型。
- 相信好的 Agent 不是 prompt 堆出来的，而是运行环境、反馈回路和评估体系共同长出来的。
- 对 AIGC 的兴趣不止在生成效果，更在可控生产、资产管理和多人协作。