From demo to production.
我是刘卓琪，AI 应用开发工程师（Agent 方向）。主要做 AI 应用、Agent 工作流与生产交付。
我担任过 AISEO、Help Center 和 UMS 的技术负责人并主导开发，也为视频理解 Agent 部署和接入过 SGLang / vLLM 推理服务。现在在一家 AI 基础设施公司做模型 API 聚合平台的研发：接入多家上游模型并做负载均衡，负责视频 / 图片模型的计费、新供应商接入验证和上游质量监控。
BUILD
AI 应用与 Agent
多阶段 Agent 工作流 · RAG · 工具调用 · 多模型路由 · 反馈闭环 · Agent 评测
前端
React · Vue 3 · TypeScript · Vite
SERVE
模型服务
SGLang · vLLM · 多模态视频理解 · GPU 环境联调与压测
后端与工作流
Python / FastAPI · Java / Quarkus · Go / Gin · Temporal · PostgreSQL · Redis
SHIP
工程交付
Linux · Docker · Kubernetes · Jenkins · GitHub Actions · Ansible · Prometheus / Grafana
$ ls projects/
项目与职责
模型 API 聚合平台
研发 · 现职多上游线路接入与负载均衡、媒体模型按秒 / 按分辨率计费、供应商一致性验证。
见微 Vane
独立开发 · 已暂停（2026-07 至 09）用 Go / PostgreSQL / Temporal 与 React / TypeScript 从零做到生产部署：工作流、飞书 Agent、画像反馈闭环。
proj_03Argus
开源 · 长视频理解纯前端的长视频理解 agent harness：视频不出浏览器，多 provider LLM，抽帧 / 记忆 / 子 Agent 工具。
AISEO
技术负责人 · AI 应用使用 Python / FastAPI / Temporal 构建多阶段 Agent 内容流水线，覆盖 RAG、多模型路由、Token 成本与多 CMS 发布。
Help Center
技术负责人 · 知识平台使用 Java / Quarkus / React 开发多站点知识平台，接入 RAG 检索、向量存储与本地 Embedding。
UMS
技术负责人 · 统一管理平台使用 Go / Gin / Casdoor 开发多产品统一管理平台，负责统一认证、权限、订阅套餐与权益同步。
不同技术的熟练度并不相同。我更看重能否对开发、测试、排障和上线结果负责，而不是把使用过的框架都写成“精通”。
$ ls posts/ --pinned
技术文章
- 买中转 API 之前先验货——六个问题判断卖的是不是真模型
响应 id 前缀、和官方计数接口逐个对上的 token、故意发错参数时的报错、视频里的 C2PA 签名，每项怎么查、花不花钱；整套流程开源成 Agent skill llm-relay-audit，一行装上，自动出对照报告。
- 让 Agent 自己验收、自己整理记忆——Outcomes 与 Dreaming
按官方文档拆解独立评审返工和会话之间的记忆整理，用同一个任务把 Claude Code 的 /goal 实测 12 次，最后翻译成能搬到任何 Agent 技术栈的两份契约。
- 读完 Codex 源码，最值得企业 Agent 借鉴的 5 个设计
基于 openai/codex 源码拆解选择性并行、Unified Exec、ExecCell、Skills 渐进上下文、Goal 自动续跑，以及怎样通过 App Server 嵌入同一套 Runtime。
- Codex 为什么不把所有工具都交给模型？
基于 rust-v0.147.0 源码讲清工具为什么按需加载、BM25 怎样从大量工具里排出最相关的几个，以及怎样把同一设计搬到 Python、Go 和其他模型。
来聊聊
也在折腾 AI 应用、Agent 工程，或者它们底下那层基础设施？上面哪个渠道都行，打个招呼就好。