关注复杂系统中的确定性与智能化，是我进行 AI 工程实践的核心出发点。 在真实业务系统中，智能并非越“聪明”越好，而是需要在可控、稳定的前提下逐步演进。
2025 年被广泛认为是 AI 从概念验证走向工程化落地的关键一年。 大模型能力不再稀缺，真正稀缺的是如何将其稳定地融入复杂系统， 并在高并发、长链路和强约束的环境中持续运行。
相比模型本身，我更关注系统层面的确定性、可解释性与可维护性。 在 Java 与后端工程实践基础上，引入 Agent、RAG 等能力， 探索 AI 在生产系统中的合理边界， 让智能成为系统能力的一部分，而不是不可预测的风险源。
如何在保证系统稳定性的前提下， 推动 AI 能力逐步落地到真实业务场景中， 是我当前持续探索的方向。