AI 应用与 RAG
Embedding、检索管线、模型调用与评测——从实验到可复用的服务。
About / 关于我
小系统、可见行为、诚实结论。
我是郑子豪（ZoeImport），一名 AI 应用与后端工程师，约两年工程实践，专注 AI 应用、后端系统、检索基础设施与 Agent Engineering。本科毕业于西安建筑科技大学计算机科学与技术专业（2021–2025）。
专注
AI 应用 · 后端系统 · 检索基础设施 · Agent Engineering
教育
西安建筑科技大学 · 计算机科学与技术 · 本科 · 2021–2025
Core strengths / 擅长方向
我最擅长的地方。
后端与数据基础设施
基于 Gin/GORM 的 Go 服务、RESTful API，以及 MySQL、Redis、Elasticsearch、RabbitMQ 等显式契约背后的数据基础设施。
Agent 工程
Agent Loop、MCP、Skills、Plugins、工具调用与 Context/Memory 管理，并内建可观测性。
交付与可观测性
Docker、Kubernetes、GitHub Actions 与 GitLab CI/CD，让行为端到端可检查。
Selected stack / 核心技术栈
我顺手的技术栈。
- 语言
Go、TypeScript、Rust、SQL
- 框架
Gin、GORM、React、Vue
- 数据与基础设施
MySQL、Redis、Elasticsearch、RabbitMQ
- AI / ML
PyTorch、Transformer、Embedding、RAG、模型调用与评测
- Agent 系统
Agent Loop、MCP、Skills、Plugins、工具调用、Context/Memory、可观测性
- 交付
Docker、Kubernetes、GitHub Actions、GitLab CI/CD
- 平台
ArchLinux、systemd
Selected projects / 代表作品
边界清晰的公开作品。
每个案例都会说明项目解决什么问题、使用什么技术栈、当前能力边界在哪里，以及源码或案例页在哪里。
SearchX
Provider-aware WebSearch 与带明确 URL 策略防护的 WebFetch，拆分为两个可独立部署的 Go 服务。
Token Atlas
一个 local-first、具有明确隐私边界的 AI 工具活动可观测仪表盘，用于理解多个 coding clients 的使用结构。
Current interests / 当前兴趣
持续吸引我的方向。
- Agent Runtime 与 harness
- 可观测的事件驱动系统
- Local-first AI 工具
- 通过可执行切片学习