从断点出发
先找到真实工作中反复消耗人的环节，再决定 Agent、模型和工具应该出现在哪里。
AI APPLICATION · AGENT ENGINEERING
张轶渤
AI 应用工程师 / Agent 工程师
我关注的不是让 AI 多写一点代码，而是怎样让它真正进入研发与运维现场：理解问题、调用工具、遵守边界、留下证据，并把一次成功变成团队可以复用的能力。
5+年软件研发经验
1.5年聚焦 AI 辅助研发
150+人团队 AI 支撑范围
北京现居与求职城市
01 关于我
把 AI 能力，变成真实流程里的工程能力。
我有 Java 后端研发基础，近一年半将主要精力投入 AI 应用、Agent 工作流和智能运维。相比单纯调用模型，我更在意 Agent 如何获得可靠上下文、如何安全使用工具，以及怎样用设计文档、状态机、质量门禁和测试防护网约束交付。
目前承担团队 AI Master，参与工具选型、培训答疑、Prompt / Skill 编写、复杂问题分析和研发流程推广。我希望继续做能落进真实业务、经得住工程验证的 AI 应用。
用工程约束智能
让模型负责判断与发散，让契约、权限、证据、测试和状态机守住确定性边界。
让成果能够复用
产品交付之外，也建设 Skill、工作流、知识资产、遥测与推广机制，让能力进入团队日常。
02 精选项目
这些项目，代表我解决问题的方式。
首页只给出判断所需的信息。每个项目都可以继续进入，查看问题背景、架构选择、个人工作与当前边界。
03 经历
后端工程基础，AI 工程方向持续深入。
华为北京研究所（OD）
Java 后端工程师 / 团队 AI Master
承担后端研发工作，并推动 OpsCopilot、AAW 工作流与相关 Skill 进入真实研发场景；参与约 150 人团队的工具配置、使用答疑、Skill 调优、复杂案例诊断和内部分享。
上海海隆软件技术有限公司南京分公司
Java 后端工程师
参与对日软件项目，负责 COBOL 转 Java 的迁移设计与 Java 改造方案输出。
江南大学
物联网工程 · 本科
211 工程、双一流建设高校。
04 能力图谱
我能够承担的工作
AI 应用与 Agent
LLM 应用设计、Prompt / Skill、Tool Calling、MCP、Agentic Search、知识检索与溯源、Agent 工具调用与权限边界。
AI 辅助研发
SDD、AS-IS / TO-BE、测试设计、质量门禁、多 Agent 协作、Coding Agent 会话与上下文机制。
工程交付
以后端研发经验为基础，能够完成桌面端、CLI、服务端与前端的方案设计和 AI 辅助工程交付，并重视测试与可观测性。
团队落地
工具选型、培训答疑、流程推广、问题诊断、内部分享与知识沉淀，让方案从个人实践进入团队使用。
LET'S TALK ABOUT REAL AI ENGINEERING
正在寻找 AI 应用与 Agent 工程方向的下一段经历。
如果你关心 AI 如何进入真实研发流程、运维现场和工程系统，我们会有很多可以聊的。