In progress
Synapse
隐私优先的 AI 记忆系统。
把笔记、检索、模型路由和对话式查询接成一个长期可演进的个人记忆系统，重点关注隐私边界、RAG 质量和真实可用性。
FastAPIReact NativeQdrantOllamaOpenAI-compatible API
Projects
把写作、产品和工程实践沉淀成可持续的资产。
这里不是作品集橱窗，而是我长期维护的几个系统入口：AI 记忆、个人站点、交互页面，以及它们背后的文章记录。
AI / Engineering / Product
为什么我要做 Synapse：一个隐私优先的 AI 记忆系统
我复盘 Synapse 的初衷与架构：从零摩擦输入、自动整理、语义检索、对话式查询，到本地优先的模型路由、隐私边界和数字分身愿景。
AI / Engineering / RAG
RAG 在真实系统里的几个坑
把 RAG 从 demo 推到可用系统时，最容易踩的 6 个坑：chunk 切分、检索不准、上下文污染、token 预算、本地模型、latency。结合 Synapse 的真实取舍给出可操作解法。
AI / Engineering / Product
模型路由不是 if else：Synapse 里的本地模型与云模型分流
结合 Synapse 当前代码，复盘模型路由的真实实现：隐私分级、本地优先阈值、对话云端优先、失败降级、运行时配置、心跳探测和成本记录。
AI / Engineering / RAG
从笔记到回答：Synapse 里的检索、上下文和引用
继续复盘 Synapse 的真实实现：笔记后台处理、关键词搜索、Qdrant note 级向量、对话上下文拼装、citations，以及下一步要补的 chunk 与重排。
Live
XIN.LOG
用 Next.js、MDX、RSS、sitemap、llms.txt 和文章状态流构建的个人站点，记录 AI 全栈工程、产品判断和长期项目资产。