- 文生视频 / 图生视频，中英多语言站点，上过 Product Hunt
- 负责文章系统前后台、无限滚动与页面元数据
- Sitemap / RSS 等 SEO 基础建设
通晓过去，预知未来。
帮中文科技投资者更早看到重要变化，并更快理解市场分歧。天眼从 X、RSS、Telegram、科技媒体和研究信源持续追踪，用事件快报、日报和深度研究，把全网噪音压成5 分钟能读完的判断。
Vol. 2026 — No.10
大模型应用工程师 · 独立开发者
合肥 --:-- GMT+8
Building AI that actually ships.
把大模型，做成真正落地的产品。
我是 lanyun，一名大模型应用工程师，曾任算法组长。工作中把 LLM 做进了招投标文档审查和智能座舱语音交互；业余独立开发并运营 AI 科技情报平台「天眼」。比起模型分数，我更在意系统的边界、成本与可靠性——让 AI 在生产环境里长期跑得住。
GitHub @lanyun1103 · 天眼 tianyanx.com
Fig. 1 — 天眼 TianYan 首页p. 01 →
10亿+
AI 审查平台日均 token
78节点
LangGraph 招标审查 Agent
1,400+
天眼追踪的信息源
550期
天眼已出版日报
01
把全网噪音，压成你 5 分钟能读完的判断。— 天眼的产品定位
i.
事件快报
突发检测 → 事件聚类，重大变化第一时间推送到邮件与 Bark。
ii.
天眼早报
每天 4 版日报与 Speed Read 速读，按主题、日期筛选。
iii.
投资信号
Bullish / Bearish / Neutral 情绪标注，追踪市场分歧。
iv.
深度研究
溯源、深度与市场三类研究，覆盖美股、A 股与全市场。
v.
新词与专题
捕捉新出现的概念并解读商业机会；用户可自建专题持续追踪。
vi.
MCP Server
16 个只读工具，让 Claude 等 AI Agent 直接调用天眼情报。
系统架构
Fig. 4 — ArchitectureA · SOURCES信源1,400+ 信息源
X · RSS · 11 个平台
X · RSS · 11 个平台
B · INGEST采集调度Celery 分层爬取
按账号质量 2h–48h
按账号质量 2h–48h
C · AI PIPELINEAI 管线预总结 → 事件聚类 → 研究
多模型分档与兜底
多模型分档与兜底
D · STORAGE双库分离内容库只读
用户库经 REST 抽象
用户库经 REST 抽象
E · DELIVERY交付Web · RSS · 邮件
推送 · MCP
推送 · MCP
No.决策取舍 / 理由效果
- D1
一份代码，部署两个站
按区域环境变量切换，不分叉代码；代价是两站账号不互通。
换域名、支付、MCP 地址只改配置
- D2
内容库与用户库分离
采集端写、读者端只读；用户数据经 REST 抽象，留在本区。
自建 PG 替换云端服务，业务代码零改动
- D3
增量预处理，而不是整点批跑
每采集 200 条先做一次 AI 预总结，把 LLM 调用摊到全天。
避开整点超时，每天稳定出 4 版日报
- D4
把 MCP 当作一等交付渠道
每位用户独立 API Key，握手即鉴权，按用户滑动窗口限流。
AI Agent 可直接调用 16 个情报工具
Sources · 信源
XArXivRSSTelegramWeChatGitHubYouTubeBloomberg TechB站排行榜Dev.toGoogle TrendsHacker NewsHuggingFace PapersProduct HuntStack Overflow新浪财经NewslettersPodcasts
Pricing · 定价
| ¥0 | Free · 日报、快讯、RSS 与邮件订阅 |
| ¥29 / 31 天 | Pro · 全文搜索、投资信号、深度研究、MCP；7 天免费试用 |
02
No.项目一句话角色年份
- 浮动工具栏划词收藏，页面高亮持久化
- 基于 XPath 的原文精准定位与回跳
- 侧边栏、收藏夹、二维码识别与 WebDAV 同步
- Web 端：PDF 阅读器、多语言、Serverless 后端
- 小程序后端：微信登录、稍后读、关键词订阅
- PDFInsight：论文 PDF 结构化解析与正文抽取
- 抓取 X 关注网络与推文，按话题聚类打标
- 每个话题生成 LLM 日报，验证了「信息流 + 日报」这条路
- Flask 控制 API + Next.js 看板，之后演进为天眼
- 医生、患者双角色对话，注入专科知识
- 把医院网页数据清洗成微调语料
- Vue 早期演示 → Next.js 正式版
- 支持 B 站、YouTube、公众号与 X 链接
- 负责 YouTube / X 解析与代理支持
- 部署在阿里云函数计算
03
2026 — Now
智能座舱 AIOS · 语音 Agent 平台
语音主链路 · 双脑智能体 · 能力中间件
System 01 · Java 25 · Python · WebSocket
车机语音交互主链路
从车机长连接到云端双脑：网关负责接入与意图仲裁，交互脑实时对话，任务脑在后台推理执行，结果在安全窗口内回灌。
2层路由仲裁
2脑交互与推理分离
1,100+自动化测试
IN车机长连接连续语音
+ 终态消息
+ 终态消息
ROUTER两层路由仲裁本地快路径
∥ 小模型 Guard
∥ 小模型 Guard
TALK交互脑S2S ∥ 级联
只对话，不等待
只对话，不等待
LEDGER任务台账唯一状态持有者
一句话一条道
一句话一条道
THINK任务脑ReAct 多轮
∥ 单轮快链路
∥ 单轮快链路
DELIVER安全窗口回灌不抢话
幂等投递
幂等投递
- D1
快慢双路径路由
指令走本地规则；其余请求与小模型 Guard 并行，Guard 失败一律转复杂链路。
快路径零模型耗时，任务诉求不会误入闲聊
- D2
交互与推理拆成双脑
交互脑只管对话，复杂指令作为任务非阻塞派发给后台任务脑；同进程异步队列协作，Redis 兜底，不拆微服务。
推理再久也不占对话，进程崩溃后任务可恢复
- D3
删掉代际计数，只认响应完整性
被打断的响应里的工具调用不落地；已完整的响应照常建任务，下一轮由交互脑结合任务与历史裁决修订或新建。
半截指令不会变成任务，追加需求不误杀旧任务
- D4
回灌必须经过安全窗口
结果、澄清、授权在用户说话或播报时排队；短时间内的多条合并成一次播报，客户端开始播放才算送达。
不抢话、不重播，紧急内容插播后自动接回原话
- D5
一句话一条执行道
同一句话派生的任务串行执行，前后两句、不同车辆之间并行；任务脑只上报事件，状态只由台账改写。
同句任务不乱序，跨句互不阻塞
- D6
每个会话一条串行发送队列
多个回调线程并发写同一连接，会让下行帧交错。
下行严格有序，打断时旧轮一定先结束
System 02 · Spring Boot 3 · MCP · 创建者
AIOS 基础能力服务
把 ASR / TTS、意图理解、标签分类统一封装成 WebSocket、REST 与 MCP 接口，调用方不感知供应商。
5篇架构决策记录 ADR
3种接口形态一套实现
CALLERS端侧 / 主链路 / AgentWS · REST · MCP
GATE接入层协议校验 · 热开关 · 并发闸门
CAPABILITY能力模块语音 · 意图 · 标签分类
SPI引擎抽象ASR / TTS / NLU 接口
PROVIDERS供应商实现配置选择，热更新
- D1
引擎抽象为 SPI，配置选供应商
供应商细节只留在实现内，会话管理只依赖接口。
换供应商 = 新写实现 + 改配置，主干零改动
- D2
状态单一归属，拒绝双写
语音风格状态归主链路，本服务每轮只取不可变快照。
去掉一项存储依赖，故障域更小
- D3
MCP 与 REST 共用同一业务实现
不复制业务逻辑；共享并发闸门，可单独热关。
新增 Agent 接入不影响原有接口
可配置 Agent Workflow
类 Dify / Coze 的 DAG 工作流演示版：配置与执行分离，嵌套层数受限以防 Agent 互相调用死循环。
全链路可观测
trace 贯穿端侧、主链路与各 Agent，跨服务问题可以按一次请求追到底。
决策可追溯
命名、拆分、状态归属都以 ADR 记录取舍，新人能看懂每个「为什么」。
2024 — 2026
招投标 AI 平台
算法组长 · 审查、生成与业务平台
System 03 · Python · FastAPI · LangGraph
AI 招标文件审查
解析招标文件，按基础性、一致性、合规性等维度多模型审查，再把问题精确定位到原文坐标。
78节点LangGraph 审查 Agent
87%审查准确率
10亿+日均 token
API接口与编排业务服务
GRAPHLangGraph 决策层只承载复杂流程
ABILITY解析与分析PDF 解析 · 多维审查
LLM POOL模型资源池路由 · 限流 · 冷却 · 缓存
ANCHOR问题 + 坐标锚点原文高亮 / 回调
- D1
把模型当作不可靠的资源池
统一入口按能力分组路由多渠道，每渠道令牌桶集中限流。
限流或故障时自动冷却换渠道，单点不拖垮审查
- D2
为前缀缓存设计路由
长提示词复用，优先走支持缓存的渠道；不可用时降级而非失败。
降本，但不牺牲可用性
- D3
LangGraph 只用在值得的地方
仅全局状态、有环或节点复用时用图；线性流程保持普通服务。
复杂度可控，新功能首版可提前上线
System 04 · Java 21 · 虚拟线程
AI 招标文件生成
以范本为结构、项目需求为事实来源逐章生成；需求变更时，只对文档做最小化的精确替换。
11组并行字段抽取
TEMPLATE范本解析章节目录提取
EXTRACT分组并行抽取项目字段
GENERATE逐章并发生成虚拟线程
VERIFY篡改检测确定性修复
DIFF最小替换变更只改差异处
- D1
放弃检索，直接按章生成
范本本身就是结构，去掉占位符映射层，AI 直接用真实字段。
链路更短，各章并发生成
- D2
模型负责理解，规则负责精确
字段被改写时用正则确定性修复，而不是寄希望于重试。
金额、时间等关键字段与需求严格一致
- D3
变更先 diff，只做最小替换
模型只产出「旧 → 新」替换对，并校验每个变更都被覆盖。
改动最小、可审计
System 05 · Java · Redis
审查业务平台
审查任务的创建、分布式排队限流、按租户档位路由到 AI 审查服务，并处理回调与报告。
CREATE创建任务事务内写入
QUEUE分布式队列提交后入队 · 共享额度
EXEC异步执行锁外派发
REVIEWAI 审查服务携带租户档位
CALLBACK回调释放超时任务定时回收
- D1
事务提交之后才入队
异步线程读不到未提交的数据；回滚也不该留下任务。
消除竞态，没有孤儿任务
- D2
锁内只改状态，重活移到锁外
临界区压到最短，令牌校验后安全解锁。
不再抢锁失败，下游负载可控
- D3
租户档位驱动，而不是分叉代码
按租户解析审查档位并全链路透传，未命中回落默认。
新租户接入只需改配置
能力开放平台
从零搭建后端：对接 RAGFlow，按采购需求自动生成技术参数。
GraphRAG 智能问答
意图识别准确率 99.12%。
同款商品比价
NER + LLM 抽取品牌、型号、规格，Kafka 流式写入 ClickHouse。
04
A · LLM / Agent
Orchestration
多流程编排、RAG / GraphRAG、MCP、多模型路由与缓存。
LangGraph · LangChain · MCP
Spring AI · FunASR
B · 后端
Systems
Python 与 Java 双栈；高并发、流式与长连接服务。
FastAPI · Flask · Celery
Spring Boot 3 · WebSocket · gRPC
C · 前端
Interface
产品级 Web 前端，浏览器插件与小程序。
Next.js · React 19 · TypeScript
Tailwind · Vue 3 · Plasmo
D · 数据与运维
Operations
从数据管线到部署运维，独立上线与长期维护。
MySQL · PostgreSQL · Redis
ClickHouse · Kafka · Docker