JL 江离 · Second Brain
AI4S · Agent · Knowledge System

把前沿 AI 能力，转化为 科研场景中的可用产品。

我是江离，一名关注大模型、Agent 与 AI for Science 的程序员。 这里用于沉淀论文阅读、工程实践、产品思考与 AgentHub 相关灵感，持续构建面向科研服务的知识与创新体系。

了解当前重点 查看知识流

关注方向

围绕科研用户价值、工程可落地性和长期知识复用，持续追踪并实践关键技术。

01

大模型工程应用

RAG、工具调用、上下文工程、可观测性、成本优化与稳定性建设。

02

Agent 前沿设计

规划、反思、记忆、多 Agent 协作、评估方法与失败兜底机制。

03

AI for Science

面向材料、生命科学、化学与科研服务流程，寻找真实可感知的 AI 增量价值。

当前重点：AgentHub / sci-agent-hub

面向材料科研课题组的 AI 原生科研认知中枢与结果协作平台。 目标是帮助个人、项目和团队持续维护“当前理解”，将论文、实验记录、会议讨论和对话中的有效信息沉淀为知识页、结论和可交付结果。

科研用户价值 证据追溯 结果沉淀 工程边界 可验证体验
1
减少整理负担 让知识沉淀自然发生，而不是要求科研用户额外维护复杂系统。
2
保留证据链路 结论、引用、假设与不确定性都应能追溯到来源。
3
面向交付结果 服务论文对比、组会汇报、项目交接和团队知识复用。
4
避免暴露内部概念 普通用户不需要理解 runtime、checkpoint、skill 等工程实现细节。

技术栈与能力结构

以稳定、清晰、可维护为优先原则，将产品判断、工程实现和科学背景结合起来。

J

Java 后端

  • Spring / Spring Boot
  • 分层架构与依赖注入
  • 配置、异常处理与可维护性
Py

Python AI 应用

  • FastAPI
  • LangChain / LangGraph
  • Agent 工作流与状态管理
Sci

科研背景

  • 材料科学
  • 第一性原理计算
  • 电催化方向研究经验

知识沉淀工作流

把输入转化为可复用的认知资产：从资料阅读到结构化笔记，再到项目决策与原型验证。

In

输入

论文、技术博客、产品案例、实验记录、会议讨论与日常灵感。

Map

组织

MOC 主题地图、论文卡片、项目文件夹、稳定标签与双向链接。

Out

输出

产品判断、工程方案、学习笔记、调研结论、原型设计与可交付文档。