拥有近 3 年 Scania R&D 工作经验的软件工程师,专注于生产级嵌入式系统与 AI 工程工具开发。曾参与中国研发中心 0→1 建设,负责量产车载中间件研发,并设计开发面向高性能团队的 RAG 知识库助手,持续提升团队工程效率与知识沉淀能力。
近期独立完成 3 个 AI Agent 项目,其中 Start From JD 已部署上线、公开可用。 具备复杂业务系统的分析与设计经验,具备端到端交付能力,熟练掌握拥有 Claude Code 等 AI Coding Agent 容器化部署的实战经验,深入理解AI Agent技术栈,能够构建可扩展的智能体系统。
西交利物浦大学应用信息学硕士,拥有国际化视野,习惯快节奏和跨职能协作。




为了更有效率地进行Vibe Coding,我打磨了一套固定的Workflow。目标很简单:每次开始一个项目,都不用重新想「下一步该做什么」,从需求、MVP、切分任务,到验证、Demo、评估和 Observability,都有对应的 Prompt 可以直接使用,供大家参考。
在动手写代码之前,先把要做什么搞清楚。挖出模糊需求,设定可量化的成功指标,划清 MVP 与锦上添花的边界。
设计最精简的端到端工作流:组件、数据流、API、依赖——用 ASCII 图表示。目标:5–10 分钟内跑起来一个可用版本。
定义单一黄金路径,生成最小可运行骨架。打包前先冒烟测试——骨架必须能真正跑起来才算。
把 MVP 拆成纵向切片——每片独立可运行、有可见用户价值、可演示、10 分钟内可实现。避免按层拆分。
每次只实现一个切片。最小 diff,不重构无关文件,不讨论设计——只要能跑的代码变更。
真正执行切片——不靠读代码推断。打印测试用例表,给出 PASS/FAIL,再生成演示卡片。
把所有通过验证的切片汇总成一份可现场朗读的 DEMO.md——功能列表、启动命令、有序演示路线,并标注未通过的功能。
为 AI 工作流设计轻量级评估策略:5 个测试用例、预期行为、失败模式与指标——面试规模,够用即可。