把 AI Agent 做成稳定、可评测、可维护的工程系统

我是单文杰，东南大学电子信息硕士在读，目前在腾讯 FIT 部门担任 AI Native 工程师实习生。
主要使用 Java、Go 建设后端系统，并参与金融助手平台与 AI Agent 工程化能力建设。
这里记录任务调度、Agent 执行链路、长期记忆、RAG 和数据库内核项目中的工程实践。

StockBuddy

面向腾讯自选股 APP 与微证券小程序的金融助手平台，覆盖中心化 Cron、Agent 执行轨迹、多 Session 对话和用户文件空间。

面向内部 LLM、通用 LLM 与 Agent 的配置驱动评测平台，统一管理数据、模型、Agent、环境、指标与任务。

面向投顾类 AI Agent 的长期记忆服务，支持结构化写入、跨轮召回、状态过滤、审计回放与删除治理。

企业级 RAG 智能知识库平台，覆盖多格式文档解析、异步入库、混合检索、权限控制和 AI 流式问答。

从零实现的轻量级关系型数据库，覆盖页式存储、缓存管理、B+ 树索引、WAL、事务隔离、SQL 解析和 C/S 通信。