AI 应用全栈
从需求、交互、前端、API、数据层到部署，我更关心 AI 能不能进入真实工作流，而不是只停在一次演示里。
About me
把 AI 想法做成能长期运转的产品系统。
这里是我的个人站点，也是我记录 XIN.LOG、Synapse 和其他 AI 产品实践的地方。相比追逐一个更响亮的头衔，我更在意把问题拆开、把系统搭起来，并让它真的进入日常使用。
我通常从产品判断开始：先确认一个想法是否值得做，再把交互、前端、后端、模型、数据和部署接成闭环。这个站点记录这些项目从模糊念头到可运行系统的过程。
Current loop
Design, build, route, ship
产品问题先于模型选择
本地优先，但不迷信本地
隐私优先，同时保证可用性
先做出闭环，再持续打磨
模型与数据系统
把 RAG、模型路由、隐私边界、上下文治理这些问题放在系统里看，追求可用、可控和可演进。
产品化交付
把技术判断写成产品语言：为什么这样拆模块，如何验证体验，什么时候该上线，什么时候该继续打磨。
Working mode
不把项目拆成孤立的技术栈，而是沿着一条完整路径推进：理解问题、设计体验、组织工程、接入模型、上线验证。
01
从真实问题开始
先判断问题是否值得做，再决定产品形态和技术路径。
02
把体验和系统一起设计
前端不是外壳，后端也不是管道；它们需要一起服务同一个使用场景。
03
让模型进入工程边界
模型选择、RAG、上下文和隐私策略，都要放回完整系统里权衡。
04
上线之后继续修正
真实反馈会暴露最关键的问题，系统也应该在使用中持续变稳。
Stack map
长期关注的技术栈与系统边界
这些不是标签墙，而是写作和项目实践里反复出现的工程坐标。
Next.js / React / TypeScript
FastAPI / Node.js / API Design
RAG / Embedding / Vector Search
LLM Routing / Prompt Engineering
PostgreSQL / Redis / Qdrant
Vercel / GitHub / CI Delivery