AI 时代，重新出发。
我是一名后端与系统工程师，长期关注设备接入、可靠数据链路、时序数据和网络基础设施；也在这一轮实践中，把 AI 辅助工程从代码生成推进到可验证闭环。
下一步更想投入设备接入、数据平台、网络基础设施，以及 AI 辅助下的系统迁移与工程提效。
我解决过的问题
设备接入与长连接
从早期 C 网关到 Rust/Go 现代化验证，关注协议兼容、连接状态、故障恢复和高连接规模下的资源成本。
可靠数据链路
用 Go 设计简化 WAL 数据队列，把持久化、恢复和幂等放在可解释的边界内，而不是直接引入更重的共识系统。
时序查询与存储
参与团队基于 Rust 与 DataFusion 建设设备时序查询系统，承担其中部分核心设计、查询路径和迁移整改；完整系统由团队共同完成。
网络与基础设施
从可用的虚拟网络推进到 P2P、加密会话、回退路径和真实网络稳定性验证，也持续补充部署与可观测能力。
近期可公开工程记录
工作流与学习实验
shipbin：个人 artifact bus
用于 AI 协作和多机器文件流转的小型发布工具，通过 watch 目录自动发布文件，并提供预览、运行、下载、搜索和事件记录。
toolgate：内部工具入口治理
把内部小工具的访问控制从口头授权和数据库手改，推进到统一登录、服务授权、入口审计和可交接的治理样板。
工作流治理实验
把依赖命令、日志、人工判断和临时交接的内部操作，收敛为有入口、有状态、有事件、有报告和有边界的系统流程。
git-rs：早期 Git 模型
用 Rust 复现 object、index 和 tree 最小模型，用于理解内容寻址存储、暂存区和不可变目录快照之间的边界。
tline：远程 PTY 路径 PoC
用单文件 C PoC 验证 TCP、PTY、bash、进程组和退出回收的完整交互路径；主路径与生命周期边界已有针对性测试，认证和加密尚未进入当前范围。
sitegate：个人站网关
用 Rust 与 Pingora 构建个人静态站网关原型，并实际走通构建、Caddy HTTPS、域名与公网部署流程。
AI 时代的工程方式
这一轮实践里，AI 显著降低了实现成本：过去可能需要数月的原型、测试工具和验证脚本，现在可以在数周内形成闭环。我的工作重心也随之从逐行输入代码，转向定义问题、拆分边界、选择方案和验收结果。
我不把自己包装成 AI 研究员，而是继续站在系统工程的位置：用 AI 加速实现，用工程约束验证结果，把设备、数据、权限、审计和交接串成闭环。
- 设计与复核、具体执行可以分给不同上下文，但最终方向和验收仍由人负责。
- 生成代码必须经过编译、测试、对照数据或真实使用，不能把代码量当作进展。
- 我不会声称逐行手写全部实现，也不会把未经理解和验证的生成结果包装成能力。
- 密钥、生产权限、破坏性操作和最终批准始终保留在人手里。
方向与边界
我想把更多精力放回设备接入、数据链路和基础设施这些做过多年、也真正感兴趣的事情上。相比职位名称，我更看重问题是否真实、目标是否清楚，以及团队能不能一起把系统做完并长期维护。