我不是只从"技术能不能做"出发的人。 我更在意：这个问题值不值得解决、能不能更快验证、最后能不能真的被长期使用。
- 产品思维 · 先判断问题，再决定方案；先讲价值，再谈功能
- 全栈落地 · 从产品设计到前后端、接入、部署、运维
- AI 工具产品化 · 工具真的进入工作流，而不只是 demo
- Agent 系统 · 任务分解、上下文组织、协作链路、执行稳定性
- Memory System · 长期记忆、检索策略、状态管理、反馈闭环
| 维度 | 具体 |
|---|---|
| Languages |       |
| AI & LLM |       |
| Infra & Ops |        |
|
shuorenhua · 中文优先的 AI 输出修正工具（rewrite skill） 它要解决的，不是"把文字润得更华丽"，而是把 模板腔、表演感、套话和不自然的 AI 味 压下去，让表达更像真实的人在当前场景里会说的话。 |
| 解决什么问题 | 把 AI 生成内容的"模板感"压下去，还原人话的节奏与语境 |
| 方法独特在哪 | 在处理风格之前，先保护事实、术语、代码和技术上下文 |
| 为什么代表我的做事方式 | 从真实问题出发；把模糊体验拆成可执行规则；让规则可复用、版本化、可评测 |
|
部署、接入、稳定性、运维、可维护性，以及系统真正跑起来之后的那些问题。 |
长期记忆、上下文组织、检索与协作能力，以及多轮任务中的信息延续。 |
等抽象稳定、能给出可复用形态时，再逐步开源。
- 先判断 为什么做，再决定 怎么做
- 先做 最小闭环，再扩展复杂度
- 先保 信息和语境，再谈风格和体验
- 先把东西 做出来，再把它 跑稳、跑久
把模糊想法变成清晰方案，再把清晰方案做成可交付产品。
Product sense decides what to build. Engineering decides whether it can actually ship.
