一句话

我是凌贵黔（Ling Guiqian），后端 / 全栈工程师，目前在一家 AI 金融量化公司做 Go 方向的后端与量化系统。

这个博客前面两年基本只写了 Rust 学习笔记（2023~2024），中间停更了一段时间。现在重新开起来——原因有两个：做过的事值得写下来；以及需要一个地方，让想找人干活的人 30 秒看懂我能做什么。

我平时在做的三件事

一、量化交易系统（Go）

策略引擎与行情管线：K 线采集与数据校验、价格行为结构识别、回测、以及风控闸门（下单前的人工确认、额度限制、审计留痕）。

  • 数据层最深的体会：**”看起来有数据”和”数据是对的”是两件事**。超短 K 线、丢根、时间边界这些问题，只看”有没有数据”永远发现不了，必须做成断言。
  • 风控层的原则：只拦开仓，不拦平仓。平仓与保护单是逃生通道，任何时候都不能因为”记账失败””风控说不”而被卡住。

二、AI Agent 工程

多智能体编排、工具调用与权限控制、本地大模型部署与推理服务。

  • 我更在意的不是”让模型更聪明”，而是让它出错时不至于造成破坏：工具级权限、不可逆操作的二次确认、全量审计。
  • 本地模型部署也踩过不少：显存/内存边界、长序列 OOM、量化后的效果漂移。

三、业务系统与桌面端

SpringBoot + Vue + MySQL 做业务系统；也用 Tauri 2 交付过桌面客户端（复用现有 Web 产物 + Go 二进制作 sidecar，7.9 MB 的绿色包，对比 Electron 运行时 368 MB）。

我做事的几个习惯

  1. 能验收才算做完。给关键路径做指标化验收：体积、冷启动、成功率、误报率……”感觉快了”不算结论。
  2. 先复现，再动手。定位不到根因的修改，我倾向于不改——那只是把症状挪了个位置。
  3. 负结果照报。一个策略/假设不成立，我就把方法和数据一起留下写清楚。这比”看起来有效”诚实，也更有用。
  4. 给自己划不做清单。第一版明确写清”哪些不做”，比硬塞一堆半成品强。

我能提供的合作

正在接远程兼职（时区 UTC+8，可异步交付）：

方向 具体能做什么
Go 后端 服务/接口/数据管道、并发与稳定性治理、性能与内存问题定位
数据与检索 MySQL 建模与迁移、数据采集与校验、RAG 检索与评测（命中率/拒答率）
AI 集成 本地大模型部署与推理服务、Agent 工具层（权限 scope、人工确认、审计日志）、MCP 工具服务
全栈交付 Vue 3 + TypeScript 前端、桌面客户端（Tauri 2）打包与交付
疑难排查 线上偶发问题、崩溃/卡死、数据不一致——只要给我可复现的证据，我就能追到根因

怎么联系

说明：博客里所有技术内容都是我自己动手做过的；涉及在职公司的项目与数据一律不写。