AGENT SYSTEMS
智能体与协作
探索智能体的记忆、工具调用、任务规划与多智能体协作，以及人如何与 AI 一起完成长期、复杂的工作。
01 / ABOUTLEARNING & BUILDING
LinYeeGiong
厦门大学研究生在读
在模型、系统与人之间，探索更可靠的智能协作方式。
我关注 Agents、MLLMs 与 Computer Vision，喜欢把研究问题落实成可以运行、验证和持续迭代的系统。
这个网站是我的公开工作笔记：记录研究过程、工程实践、阅读思考，以及技术之外的日常切片。
- IDENTITY
- GRADUATE STUDENT
- AFFILIATION
- XIAMEN UNIVERSITY
- FOCUS
- AI SYSTEMS
- STATUS
- BUILDING
正在探索的方向
研究不只是一个主题列表，而是一组持续变化、彼此连接的问题。
MLLMS
多模态大语言模型
关注多模态大模型的理解、推理与应用，思考模型如何连接文本、图像和真实环境中的信息。
COMPUTER VISION
计算机视觉
研究视觉信息的表示、理解与生成，以及视觉能力如何成为智能系统感知世界的一部分。
常用技术栈
技术栈会随问题变化。重要的是选择合适的工具，把想法做成可靠、可复现的系统。
- LANGUAGE
- PythonTypeScript
- BACKEND
- FastAPIPydantic
- DATA
- PostgreSQL
- FRONTEND
- Next.jsAstro
- INFRA
- DockerGitHub Actions
- KNOWLEDGE
- Obsidian
我的工作方式
用构建验证理解
真正运行起来的系统，往往比停留在纸面上的想法暴露更多问题。
用写作澄清判断
写作不是对结果的包装，而是梳理假设、压缩信息和修正判断的过程。
系统胜过一次性演示
相比短暂的展示，我更关心系统能否被维护、复现，并在真实环境中持续工作。
保留尚未完成的过程
不是所有内容都需要成为完整答案，正在变化的观点也值得留下版本记录。
当前阶段
- NOW
学习与研究
在厦门大学攻读研究生，持续学习和研究 Agents、MLLMs、Computer Vision 与相关工程系统。
- BUILDING
个人数字花园
连接 Obsidian、自动化工具、GitHub 与 Astro，让知识从私人笔记自然流向公开写作。
- NEXT
继续向真实问题靠近
深入智能体系统、多模态模型与视觉理解，同时公开记录研究和工程实践中的真实问题。
技术之外
除了研究和工程，这里也会记录阅读、写作、影像和日常生活。技术构成了我观察世界的一部分，但不是全部。
正在研究 Agents、MLLMs 或 Computer Vision？欢迎通过 GitHub 与我交流。