关于 Harukaze Lab
个人介绍
Personal Introduction
Harukaze Lab / 春风实验室，是我的个人工程实验室和长期构建记录。
这里不再试图覆盖所有感兴趣的话题，而是聚焦我正在真实投入的方向：AI-native engineering、FDE、企业软件现代化、通信系统和项目交付。
我希望这个网站最终证明的不是“我知道多少名词”，而是：我能不能把一个模糊问题定义清楚，把系统边界设计清楚，把东西真正跑起来，并且让后续的人能够维护它。
因此，这里的项目状态、文章和技术判断会持续变化。已经验证的写成结论，仍在验证的明确标注，失败的也保留原因。
Skills & Tools
技能与工具
持续学习和实践中的能力矩阵
技术技能
Java / Spring
工程基础后端服务、企业应用与模块化系统设计
TypeScript / React / Next.js
持续实践Web 产品与管理后台
Python
持续实践自动化、数据处理与 AI 工具链
Asterisk / SIP
项目实践通信平台、PJSIP、Dialplan 与实时事件集成
Linux / Docker
项目实践本地开发、服务部署、运行与排障
Git / GitHub
日常使用版本控制、PR 工作流和 AI Coding 协作
软技能
常用工具
Codex / AI Coding
主力工作流仓库理解、实现、评审和工程文档
Hermes Agent
持续使用Agent 工作流和工具编排实验
VS Code / WSL
日常环境Windows + Linux 混合开发
Docker
项目使用可重复环境与服务打包
Obsidian / Docs
持续使用架构记录、知识沉淀与项目上下文
Current Focus
当前重点工作
正在投入时间和精力的核心领域
推进 Asterisk 企业通信平台 Local MVP，并为 Web 管理和企业部署建立架构基线
为传统企业规划 Web 化、数字化和 AI 工作流的现代化路径
把 AI Coding / Agent 融入真实仓库的需求、开发、评审、文档与验收流程
持续处理真实 Web / 管理系统需求，形成轻量但可维护的交付方法
把 Harukaze Lab 建成以真实工程证据为核心的长期作品集
Work Style
我的工作方式
从想法到执行再到复盘的标准流程
- 🎯
先定义问题
先确认真实用户、现实约束和验收结果，再谈技术栈。
- 🧱
冻结 MVP 边界
明确第一阶段做什么、不做什么，避免未来需求提前污染当前实现。
- 🏗️
架构服务于交付
优先成熟、易部署、易维护的方案；复杂度必须有现实收益。
- 🤖
用 AI 放大而非替代判断
让 Agent 做检索、实现和重复工作，人负责边界、事实和最终决策。
- ✅
验证与沉淀
用构建、真实设备、日志、Runbook、PR 和复盘把结果变成可复用资产。
Core Values
价值观
指导我行动的核心原则
Truth First
不编造指标、客户、收入和项目历史；证据不足就标注待验证。
现实约束优先
团队规模、部署环境、预算和维护能力都是架构的一部分。
简单可演进
先选择最简单但不会堵死未来的结构，不提前支付分布式复杂度。
可交付
能运行只是开始，能安装、升级、回滚、排障和交接才算工程结果。
Build in Public
公开记录过程和取舍，让作品本身成为能力证明。
持续更新认知
允许旧判断被新证据推翻，技术选择随现实变化而迭代。
Timeline
成长路径
关键节点的回顾与展望
长期方向
长期方向不是追逐某一个框架，而是建立一套可迁移的工程能力。