林清扬Lin Qingyang

THE THREAD / 技术主线

从企业后端，到 AI 数据基础设施。

我的技术经历从企业级 Java 后端与数据平台开发开始，逐步延伸到数据治理、数据中台与 AI 数据处理平台建设。

在 Agent、RAG 与数据分析应用的实践中，我越来越关注应用背后的基础问题：数据怎样清洗与富化，质量如何评测，提示词如何迭代，执行过程如何观测，失败以后如何恢复。

现在，我将长期方向聚焦在 AI Data Infrastructure。希望把数据工程、Agent 系统与质量闭环组织起来，持续积累面向真实问题的工程能力。

CURRENT QUESTIONS / 当前关注

我正在深入的问题

• 如何将采集、清洗、增强与质量检查组织成可追踪的数据流水线？
• 如何为 Agent 定义工具权限、上下文和执行预算，使失败可以定位与恢复？
• 如何用评测集、Badcase 与回归测试判断一次改进是否有效？
• 如何让本地模型、开发工具与任务系统形成可复现的实验环境？

WORKING PRINCIPLES / 工作方式

关注结果，也关注证据。

先理解问题，再选择技术。把一次性验证和长期运行分开，把本地实验和生产成果分开。对架构、数据与模型保持好奇，也为每一次判断保留可核查的依据。

个人网站记录定位与作品，博客记录思考，GitHub 保留代码与演进过程。企业经历只描述通用方向，不公开内部实现、业务数据和未经授权的指标。