夜雨聆风2019 -> 2026 从软件工程师到 AI 教育实践者
大家好，我是郑同学，也可以叫我郑老师。
目前，我是一名 AI 高级工程师。
这是「小郑同学讲 AI」的第一篇文章。与其一上来就分享工具和提示词，我想先认真做一次自我介绍：
我从哪里来，正在做什么，又为什么决定开始讲 AI？
前几天，我重新翻开了一份 2021 年的旧简历。
那时，我给自己的标签还是“Java 服务端工程师”。简历里写满了微服务、数据库、消息队列、数据平台和性能优化。
几年后的今天，我的工作已经走向 Agent、智能备课、知识库、Prompt 工程和 AI 质量检测。
看起来方向变了，但我一直在做同一件事：
把复杂的问题拆开，把新的技术做成稳定、可靠、真正有人使用的系统。
下面，我想沿着时间线，讲讲这条路是怎样一步步走到今天的。
01｜2015—2019：在软件工程里，建立解决问题的底层能力
2015 年，我进入 集美大学软件工程专业学习，完成了四年全日制本科教育。
集美大学是一所福建省属重点建设高校。大学四年，我系统学习了程序设计、数据结构、数据库、计算机网络、软件工程和系统开发。
那时候的我还不知道，多年后自己会进入 AI 领域。
但软件工程训练给了我一套至今仍然重要的思考方式：
面对复杂问题，先拆解，再设计； 写出功能只是开始，还要考虑稳定性和可维护性； 技术最终要服务真实的人，而不是停留在演示里。
这套方法，也成为我后来建设大型教育系统和 AI 系统的基础。
02｜2019—2023：进入教育科技，让系统经得住真实规模
2019 年毕业后，我进入教育科技行业，从 Java 服务端研发做起。
我做过课程、用户、积分、社区和数据平台，也经历过服务拆分、业务重构、数据库优化、消息队列、分布式系统和故障排查。
其中，一个核心教育白板项目的规模达到：
日活跃用户 300 万，月活跃用户 700 万。
面对这样的用户规模，技术不能只在开发环境里“跑得起来”。
一次接口变慢、一条异常数据、一个高峰期的性能抖动，都可能影响大量教师和课堂。因此，我逐渐形成了非常朴素的工程观：
真正有价值的技术，不是演示时有多惊艳，而是能不能在真实用户、真实数据和真实故障面前稳定工作。
后来，我又把工程能力延伸到数据平台与业务分析，建设数据模型、自动调度、异常告警和可视化看板。
这段经历让我开始从“完成一个功能”，走向“理解一整个系统”。
03｜2024—至今：成为 AI 高级工程师，让 AI 从“会说”走向“能做”
大模型出现后，很多人第一次感受到：机器真的可以理解语言、生成内容，甚至参与复杂工作。
但在真实项目里，我看到的问题要更具体：
AI 怎样理解一个并不完整的需求？ 怎样把复杂目标拆成多个可执行步骤？ 怎样选择并调用正确的工具？ 怎样接入知识库，减少事实错误？ 怎样让生成过程可追踪、结果可检查？ 怎样在不同模型和不同业务之间稳定运行？
围绕这些问题，我主导并承担了多类 AI 工程的核心设计。
让 Agent 真正完成任务
我主导企业级 Agent 基础能力与核心框架设计，围绕任务规划、工具调用、多模型适配、上下文记忆、流式反馈和多智能体协作等能力持续建设。
如果用一句容易理解的话概括：
Agent 不只是回答问题，而是围绕一个目标，完成“理解任务—制订计划—选择工具—执行步骤—检查结果”的全过程。
让 AI 真正进入教学场景
我也主导了 AI 智能备课相关核心能力设计。
当教师提出“帮我准备一堂课”时，系统不能只生成一段看起来正确的文字。它需要理解学段、学科和教学目标，查找合适资料，规划课堂结构，生成课件页面和互动环节，并对内容进行检查。
这背后涉及知识库、RAG、OCR、文档解析、图片生成、多模态理解和内容安全等一整套能力。
这段实践让我越来越确定：
教育 AI 的价值，不是替老师做决定，而是减少重复劳动，让老师把更多精力留给教学设计和学生本身。
让 AI 的结果可控、可验证
“能生成”并不等于“可以使用”。
Prompt 版本变化会不会让结果波动？生成的互动页面能不能正常打开？按钮和拖拽是否真的可用？内容是否准确？是否适合对应年龄？
因此，我主导了 Prompt 管理、模型调试，以及 Agent 和 AI 生成内容质量检测的核心设计。
我们不仅看最终结果“像不像”，还会检查程序运行、页面布局、交互流程、内容准确性、风险和证据是否充分。
这也形成了我对 AI 最重要的判断：
AI 不只要会说，还要能做、可控、可验证。
04｜2026：为什么开始做 AI 教育？
做了多年教育科技和 AI 工程后，我越来越明显地感受到：工程一线与大众认知之间，存在很大的信息差。
一边是不断出现的新模型、新工具和新概念；另一边，是学生、家长、教师和职场人面对一连串现实问题：
孩子使用 AI，会不会慢慢失去独立思考？ AI 完成作业和辅助学习，边界在哪里？ 提示词是不是写得越长越好？ 为什么 AI 会一本正经地给出错误答案？ 今天学会的工具，几个月后被替代了怎么办？ 普通人能不能做出自己的 AI 项目？
我不想只做“工具说明书式”的内容，也不想制造“错过 AI 就会被淘汰”的焦虑。
工具会变化，但理解问题、拆解任务、核验事实、保护隐私、尊重版权，以及对结果负责的能力，不会轻易过时。
所以，我决定开启自己的 AI 教育实践，也建立了这个公众号。
我想把真实项目中的经验，翻译成不同年龄、不同基础的人都能理解的课程和内容。
05｜在这里，我会分享什么？
后续内容会围绕四条主线展开。
认识 AI
用通俗的语言讲清楚大模型、Agent、RAG、知识库和多模态，让概念不再神秘。
用好 AI
分享学习、写作、研究、编程和内容创作中的真实方法，不只是提供一串可以复制的提示词。
做出 AI 项目
从一个小需求开始，带大家动手完成智能体、知识库、互动网页和自动化工作流。
负责任地使用 AI
认真讨论事实核验、隐私、版权、学术诚信、年龄适配，以及什么时候不应该使用 AI。
内容会面向不同学习阶段：
小学生与家长：培养兴趣、规则意识和正确使用习惯； 初高中生：训练提问、核验、创作与项目能力； 大学生：把 AI 与专业学习、编程和职业发展结合； 教师与职场人：把 AI 变成可复用、可管理的工作流。
06｜最后，再介绍一次我自己
一名从 Java 服务端、数据工程走向 Agent 与教育 AI 的 AI 高级工程师。
我曾承担日活 300 万、月活 700 万大型教育系统的核心研发，也主导和核心设计了 Agent 基础能力、AI 智能备课、Prompt 工程与 AI 质量检测等项目。
现在，我正在把这些一线实践转化为课程、文章和可以动手完成的项目。
我不希望把 AI 讲成魔法。
我更希望和你一起弄明白：
AI 能做什么，不能做什么； 怎样让它真正帮助学习和工作； 又怎样在使用它的同时，保留自己的判断、创造力与责任感。
如果你愿意，欢迎关注「小郑同学讲 AI」。
也欢迎在留言区告诉我：
你是学生、家长、教师，还是职场人？你目前最想解决的 AI 问题是什么？
你的问题，可能就是下一篇文章的主题。
有任何问题，欢迎私信或者联系我！
