Building AI-native systems at scale.

企业级大模型网关

现状：接大模型的业务越来越多，算力开销只能事后对账，成本落不到具体团队；单一供应商限流或抖动直接拖停业务；接新模型要改一轮代码；调用记录分散，合规上无从追溯。

要做的：调用收敛到统一入口，预算按组织、团队、个人逐级分配、花超即停；供应商故障自动切换，业务侧无感；接新模型走配置；每笔调用可追溯到人和场景。让大模型对业务方是一项成本可控、稳定可用、可审计的公共能力。

转岗全栈，企业信息化系统

岗位从测试开发转为全栈开发。转型的实证是一套内部平台从零做到线上：信息架构、界面交互、登录鉴权、前后端、数据建模、实时消息、异步任务编排、容器化部署和线上运维一个人做完，流水线侧打通自动构建、合入前冒烟拦截和发布通知。现在重心是企业信息化系统，和业务方一起把问题和流程定清楚，然后自己做出来、发上去、维护住。

金融级稳定性与 AI 评测基建

做支付宝基金与个人养老金的 QA Owner，负责测试策略、全链路压测、容灾演练、监控与应急预案，覆盖开户、缴存、资金链路和对账，负责期间零重大事故。之后转到实时语音方向，为同声传译建 WER 自动化评估和翻译基准集，用 LLM-as-a-Judge 做批量验证。这是我第一次系统地处理不确定输出，这套经验后来直接接到了大模型的工作上。

自动化体系，第一次以开发身份交付

从 SaaS 客服系统起步，补 Ruby on Rails 后端单测把覆盖率做到 80% 以上，用 Selenium / Appium 加 Jenkins 建端到端自动化，单次回归耗时降九成。之后在百度核心搜索做检索链路质量，写 Python / Shell 的 diff 工具接进 CI；中途转研发，做日历、天气垂类的业务开发和架构迁移，这是我第一次以开发身份交付业务。