跳转到主要内容
Build in public · 2026

把 AI、软件工程与真实业务现场连接起来

Harukaze Lab 是一个持续更新的个人工程实验室,记录 AI-native engineering、FDE、企业软件现代化、通信系统与真实项目交付。

Focus Areas

现在真正聚焦的四个方向

从泛兴趣展示收敛到 AI-native 工程、FDE、通信系统与可验证的工程记录。

AI-native Engineering & Agent Workflows

把大模型、Agent、工具调用和自动化真正接入研发与业务流程。关注的不是 Demo,而是任务边界、可靠性、可审计性和交付效率。

AI AgentCodexHermesTool UseWorkflow Automation

FDE 与企业软件现代化

面向真实企业现场,把旧式桌面软件、分散流程和人工经验逐步转化为可维护、可部署、可持续演进的 Web 系统。

FDEEnterprise SoftwareWeb ModernizationIntegrationDelivery

通信系统与实时基础设施

围绕 Asterisk、SIP、RTP、AMI/ARI 与浏览器管理界面,探索从本地电话 MVP 到企业通信平台的工程化路径。

AsteriskSIPRTPAMI/ARIWebRTC

Build in Public & Engineering Notes

公开记录架构决策、失败路径、边界定义和交付复盘。内容以可验证事实为基础,避免用虚构指标包装项目。

ArchitectureADRRunbookPostmortemDocumentation

Selected Work

项目优先于自我描述

能力最好由正在运行、正在验证和持续维护的项目来证明。

查看全部项目 →
Communication / FDELocal MVP 进行中

Asterisk 企业通信平台

🎯 先冻结可演进架构和 MVP 边界,再用真实电话链路验证最小闭环。

从两部分机和本地 Asterisk 起步,构建浏览器可管理、可逐步扩展到录音、IVR、Queue、WebRTC 与 AI Voice Agent 的企业通信平台。当前优先验证真实 SIP 注册与双向通话,再进入 Web 管理能力。

🛠️ 技术栈

Asterisk + PJSIPSIP 注册、Dialplan、RTP 与后续通信能力核心
Spring Boot模块化单体后端与 Telephony Port/Adapter 边界
Vue浏览器管理界面
PostgreSQL业务持久化与后续 CDR/CEL 等数据承载
Nginx + Linux企业部署入口与运行环境

✨ 核心成果

  • 已形成架构与部署蓝图,明确 Modular Monolith + Ports & Adapters 路线
  • 已定义 MVP 程序边界、硬件检查清单和运行手册
  • 本地 Asterisk 已配置 PJSIP、1001/1002 分机与最小 Dialplan
  • 下一步以真实设备注册、双向通话和可重复部署为验收重点
2026-08 启动,当前处于 Local MVP
#Asterisk#SIP#RTP#Spring Boot#Vue#PostgreSQL
Enterprise Modernization架构与边界定义中

Feiya Nexus · 企业软件现代化

🎯 先解决部署、维护、协作和数据沉淀问题,再谈大而全的平台化。

面向传统通信设备企业的数字化现代化方向:从以 EXE 为中心的交付方式,逐步迁移到浏览器管理、统一数据、标准化部署和可持续维护的企业软件体系,同时为后续出海和 AI 工作流预留空间。

🛠️ 技术栈

Web Architecture用浏览器作为统一操作入口,降低客户端部署与版本碎片化
API-first隔离前端、业务服务与既有设备/系统能力
AI-assisted Delivery把需求、文档、测试与交付流程逐步标准化

✨ 核心成果

  • 方向从“继续做单机 EXE”调整为“Web 化管理 + 标准化部署”
  • 以现实团队规模和维护能力作为架构约束,而不是盲目追求复杂技术
  • 当前优先完善产品边界、系统地图与第一阶段可交付范围
2026-08 进入规划阶段
#FDE#Web Platform#Enterprise#Modernization#AI Workflow
AI Agent持续迭代

AI-native 项目交付工作流

🎯 把一次性的 AI 对话沉淀为可复用的工程上下文、执行规范和仓库文档。

把 AI 从“聊天工具”提升为研发协作者:用于需求拆解、代码库理解、架构评审、实现、测试、文档和交付检查。重点研究如何让 Agent 在明确边界、真实仓库和可验证结果上工作。

✨ 核心成果

  • 项目级上下文优先:README / AGENTS / ADR / Runbook 先于长 Prompt
  • 重要任务通过分支、PR、构建与验收清单形成可审计闭环
  • 对“AI 生成的事实、指标和案例”采用人工校验与证据优先原则
持续实践中
#Codex#Hermes#GitHub#Prompt Engineering#Agent Workflow

Operating Principle

少包装,多验证;少堆技术,多解决问题。

Harukaze Lab 会随着项目持续更新。这里允许“进行中”、允许失败,也允许旧判断被新的工程证据推翻。

交流具体问题