构建 Agent 系统
从意图理解、任务规划到工具编排与异常恢复，把 Agent 做成可观察、可评估的生产系统。
Runtime · MCP · Evaluation01 / BUILDAgent Systems让自然语言驱动真实设备
02 / WRITE注意力场 · 51AI Agent 与一线工程观察
03 / ARCHIVE技术博客 · 125后端、系统与长期笔记
04 / BASEShenzhen工作、写作，也保持连接
Current practice
现在主要做三件事。
从模型到系统，从系统到真实行动，再把过程中形成的判断写下来。
连接真实世界
让语言、视觉、实时视频与飞行控制协同工作，把模型输出变成可靠行动。
VLM · Realtime · Flight control记录工程判断
在「注意力场」写正在发生的 AI 变化，在技术博客保存可以反复查阅的系统笔记。
Attention Field · Technical archiveFeatured system / 2025—Now
让多个 Agent，
协同完成真实作业。
DJI FlightHub 2 · Multi-Agent
智能作业系统
面向复杂作业场景，以分层意图路由连接领域 Agent，让任务从一句自然语言开始，经过规划、执行与反馈形成完整闭环。
01操控 Agent自然语言驱动飞行、拍摄与搜索
02航线 Agent生成航点、面状等可执行航线
03报告 Agent融合图像、视频与轨迹生成作业报告
Intent RoutingAgent RuntimeTrace & Eval
打开项目档案 ↗
Two channels / one mind
两种写作，一套思考。
注意力场 / 最新原创
App 没有死：Agent 只是把软件入口改成了自然语言
通用 Agent 没有失败，传统 App 也不会消失。真正可靠的 AI 应用，正在把自然语言交给模型，把事实、状态、权限和执行留给确定性系统，再用 GUI 完成展示与确认。
浏览 51 篇原创 →不知道从哪里开始？
直接问我的知识库。
从 176 篇公开文章里，找到 Agent、AI 工程和后端系统相关的答案与原文。