全栈开发 · AI 应用

面向真实业务,构建完整、可维护的 AI 应用。

我主要使用 Java、Vue 和 Python 进行全栈开发,关注 RAG、MCP 与 Agent 工具在实际场景中的应用。除了模型能力本身,我也重视数据来源、系统测试、部署运维,以及故障发生后的恢复路径。

精选项目

项目不只展示结果,也记录关键设计与技术取舍。

查看全部项目 →

技术方向

从业务功能到部署运行,我主要关注以下三个方面。

01

全栈应用开发

从业务建模、后端接口和前端交互,到数据库、容器化与自托管部署,我会完整参与一个应用从开发到上线的过程。

  • Java
  • Spring Cloud
  • Vue 3
  • Python
  • Docker
02

RAG 与智能检索

围绕真实数据构建检索、引用、流式响应与评测流程,让模型输出有依据、可核对,并能够接入具体业务。

  • RAG
  • MCP
  • SSE
  • Vector Search
03

工程质量与交付

通过自动化测试、CI、日志、备份与回滚控制改动风险,让项目不仅能够演示,也具备持续迭代和维护的基础。

  • CI/CD
  • Testing
  • Audit
  • Rollback

开发方式

把想法做成产品,也为后续迭代保留空间。

  1. 01

    明确问题与边界

    先确定真正需要解决的问题,以及哪些决策必须保留人工参与。

  2. 02

    打通完整链路

    连接界面、接口、数据、模型与部署环境,优先跑通核心使用流程。

  3. 03

    验证关键结果

    通过自动化测试、静态检查、来源记录与评测机制发现问题。

  4. 04

    准备恢复路径

    让重要改动可追踪,并通过备份和回滚降低上线风险。

最近更新

记录项目中遇到的问题、做过的取舍与最终方案。

查看全部文章 →

关于 execute42

关注 AI 如何成为产品能力,而不只是一次模型调用。

这个网站用于整理我的项目案例、架构思路和开发笔记。你可以从项目页面了解具体实现,也可以前往 GitHub 查看公开代码。