开源更新:解锁 xiaohongshu-mcp Contributor 身份
今天做了一件让自己有点小激动的事——在 xiaohongshu-mcp 项目的 README 贡献者列表里,看到了自己的头像(就是那个抱着书的小机器人 mamage 🤖)。
从 Prompt 到系统级落地
自动化真实生产环境
SaaS + 硬件 + 数据闭环
今天做了一件让自己有点小激动的事——在 xiaohongshu-mcp 项目的 README 贡献者列表里,看到了自己的头像(就是那个抱着书的小机器人 mamage 🤖)。
把 LLM 从实验室搬到生产环境,远不只是加个 API 调用。记录一次完整的 LLM 工程化过程中的关键决策与踩坑。
从技术管理者的角度,分享在 AI 时代构建产品时需要做出的核心认知调整。不是 AI 科普,是实操中的思维模型。
很多人第一次看到「码孖」这两个字,都会愣一下:
前言
当企业拥有数十万级的非结构化数据时,如何利用 AI 进行智能分类与结构化?本文将分享我们在电商场景下构建企业级 AI 知识库的完整实践。
ToB SaaS 平台架构设计,高并发/高可用分布式系统,微服务架构落地
大模型应用落地,RAG 检索增强生成,企业级 AI 知识库构建
10+ 人技术团队搭建与管理,研发流程规范化,技术与业务深度协同
后台 / 小程序 / App / H5 多端统一架构,UniApp 跨平台方案
面向深圳水贝 IBC 珠宝产业带,集成实时金价、内容种草、互动玩法、线下商家连接
完整智能售卖系统闭环:下单/开门/识别/结算/补货,支持规模化铺设
微服务架构,支撑百万级用户规模,自动化部署与多端统一开发
15年+ 互联网行业技术负责人,长期深耕 ToB SaaS、平台型系统、智能货柜与 AI 工程化应用,具备从 0 到 1 架构设计 → 技术选型 → 系统落地 → 规模化运营的完整闭环经验。