从 0 到 1 构建 AI 平台：我的架构实践阅读地图

如果你正在招聘或面试 AI 平台架构方向的岗位，这篇文章是我为自己整理的一张「能力证明地图」。它不堆砌概念，而是把我过去几年在真实环境里做过的、踩过坑并修复过的系统，按 AI 平台架构的核心维度重新组织一遍。

1. AI Agent 与工具调用：不只是聊天

AI 平台的第一层是理解 Agent 如何安全、可控地调用外部世界。

• AI 怎么学会"用手"的？从只会聊天到会查、会写、会操作 —— 拆解 Tool Calling / MCP 的完整链路，讲清楚权限边界应该放在哪里。
• 别再迷信 Agent 框架：12-Factor Agents 才是 AI 时代的工程底线 —— 为什么 80% 的 Agent 项目过不了生产质量线，以及如何用工程原则把 LLM 收编进可观察、可恢复的系统。
• 多 Agent 共享记忆：让 OpenClaw、Codex、Claude 与 Gemini 协同工作 —— 当多个 Agent 需要共享上下文和长期记忆时，数据模型和权限如何设计。

2. 可观测性与生产排障：AI 平台的地基

JD 要求「参与全链路可观测体系，建立标准化的故障发现、定位、处置与复盘闭环」。以下是我把 AI Agent 真正接入监控、日志、数据库后的实战记录。

• 别再让 AI 猜故障了：MySQL + Prometheus + Loki + Grafana 四件套接入 Agent 全自动实战 —— 通过自建只读 MCP Bridge，让 Agent 自动完成指标查询、日志关联、数据库核对和故障总结。
• 别再人工翻日志了：ELK 三件套接入 AI Agent，从部署到自动排障的手把手教程 —— Elasticsearch / Logstash / Kibana 与 MCP Server 的完整接入，包含权限设计和 trace_id 关联。
• Art of Reading Logs: 排障的思维方式 —— 比工具更重要的是如何从日志里读出系统行为。

3. 模型网关与 AI 基础设施

JD 提到「建设统一的大模型语音交互工程链路，完善模型调用、路由编排、流量控制、降级容错、状态监控及成本核算」。

• NewAPI 自托管中转站：模型网关的部署与治理 —— 多模型统一接入、Token 管理、限流和成本核算的真实部署。
• Headroom + NewAPI + OpenClaw + HermesAgent Token 压缩指南 —— 当上下文窗口成为成本瓶颈时，如何在网关层做压缩和路由。
• Docker Registry 与镜像治理 —— AI 工作负载的镜像管理和分发。

4. 云原生与分布式系统

JD 要求「落地微服务、流式计算等分布式体系，熟悉 Docker、Kubernetes 及 CI/CD」。

• Proxmox VE 接入 AI Agent：从只读巡检到安全自动化 —— 虚拟化平台与 AI Agent 的权限边界设计。
• Minikube 与 K8s 本地开发环境 —— 容器编排的本地验证流程。
• Docker 网络冲突迁移实录 —— 一次真实的生产网络故障复盘。

5. 安全、权限与合规

AI 平台架构师必须回答的问题：当 Agent 能操作门锁、数据库、支付接口时，如何避免误操作？

• 密码管理器的主密码与加密仓库数学 —— 密钥管理的底层原理。
• 青龙面板公网裸奔风险与白虎面板迁移 —— 任务调度平台的安全加固和访问控制。
• Synology WebAPI 登录加密深度解析 —— 如何审计一个设备的认证链路。

6. 家庭实验室：架构思维的练兵场

JD 的加分项包括「机器人、智能座舱、车载系统、IoT 或多模态交互产品的研发经验」。我的家庭实验室就是一个小型 IoT + 边缘计算环境。

• 基于 PVE + 软路由 + NAS 的家庭网络架构梳理 —— 从物理层到应用层的完整设计。
• HomeAssistant 接入天猫精灵与小爱同学 —— 多模态语音入口与云端模型的联动。
• IoT VLAN 与访客网络隔离 —— 设备权限、网络分段和隐私保护。

结语

这些文章的共同点是：都在真实环境里跑过，都有失败记录，都有可验证的修复结果。如果贵司正在寻找一位能把 AI 能力工程化、平台化，并且对生产稳定性有洁癖的架构师，我们可以从这篇文章开始聊。