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。
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
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。
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。
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。
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。
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。
Selected Work
能力最好由正在运行、正在验证和持续维护的项目来证明。
🎯 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。
🎯 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。
🎯 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。
Engineering Notes
文章围绕真实项目、架构取舍、部署维护和 AI-native 工作流展开。
这次重构不追求更多动画和更多“成绩”,而是把网站重新对齐到真实项目:AI-native engineering、FDE、企业软件现代化、Asterisk 通信平台和可验证的项目交付。
记录 Asterisk 企业通信平台的架构取舍:为什么 Local MVP 阶段优先 Modular Monolith + Ports & Adapters,以及怎样为 AMI/ARI、WebRTC 和后续多节点演进保留边界。
Web 化的价值不只是“浏览器更现代”,而是版本统一、部署简化、维护成本下降、权限与数据集中,以及为后续自动化和 AI 接入建立可治理入口。
Operating Principle
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。