我的 AI 技术栈
当前快照 · 2026年10月14日
这不是工具排名，而是我从语音想法和产品调研，到架构、代码、验证和生产上线的工作体系。本页介绍我使用过的技术。
工作流程
01 · 语音与想法
语音和文字工具用于记录想法并明确任务。
02 · 上下文
任务管理、文本存储和知识库用于准备开发所需的上下文与规则。
03 · 构建
Codex 和 Claude Code 检查仓库、编写代码、运行测试并检查界面。较大任务可以拆分给多个智能体。
04 · 验证
代码保存在 Git 中。发布前运行构建、测试和真实浏览器检查。AI 功能通过标准样例和 LLM 错误分析评估。
技术栈层次
智能体
Codex · Claude Code · LLM API
智能体是开发工具，不代替产品决策。我定义架构、上下文和验收标准，然后审查结果。
上下文与任务
Markdown · 文本存储 · API · Git
整理需求、决策与项目上下文，并通过受控访问集成资料来源。
产品开发
TypeScript · Python · Next.js · React · Astro · HTML/CSS/JS · Figma
用于原型、Web 界面、内部服务和生产级产品。视觉实验使用 p5.js、p5.brush 和 WebGL。
AI 基础设施
PostgreSQL · Qdrant · RAG · Temporal · n8n · Payload CMS
PostgreSQL 和 Payload 管理数据与内容，Qdrant 用于语义搜索，Temporal 运行可靠流程，n8n 用于快速验证多步 AI 场景。
语音与消息
Whisper · Telegram Bot API · Edge TTS · Swift
语音识别与合成、语音界面及消息工具集成。
硬件设备
ESP32-S3 · C++ · Arduino/ESP-IDF · USB · BLE
语音和 HID 原型：录音、USB 和蓝牙键盘、按钮、编码器和宏。
交付
Docker · CI/CD · Kubernetes · 浏览器测试
可复现环境、构建、测试和真实界面检查。企业解决方案会适配封闭环境和 Kubernetes。
实际应用
工作原则
- 先构建可运行版本并验证真实场景，再进行规模化。
- 智能体需要上下文、边界和验收标准，而不只是提示词。
- LLM 输出需要测试、评估数据集和人工审查。
- 封闭场景需要本地处理、权限控制和可观测性。