Full-Stack Engineering
真正的全栈开发能力
从前端、后端、API、数据库，到部署、云服务与基础设施，可以独立完成完整系统，也能深入关键性能与底层问题。
Software Engineer · Technical Lead · Full-Stack Builder
把复杂的问题，变成真正能运行、能创造价值的系统。
我是林建入（Jianru Lin）。我有十五年以上的软件与系统工程经验，做过网络安全、国际数字产品、云基础设施、分布式系统、区块链与 AI。今天，我同时经营自己的公司、为企业提供 Tech Advisory，并在中山大学软件工程学院黄华威实验室担任技术负责人。熟悉管理，但我更愿意把自己定义成一名工程师。
我能管理团队、做技术判断，但核心竞争力仍然来自长期的一线工程实践：理解问题、设计系统、写关键代码，然后让它稳定地跑起来。
AI & Distributed Systems
AI、分布式与去中心化系统
当前重点投入 Agent、模型训练与推理、异构分布式计算、区块链、云资源和网络系统等复杂技术方向。
Architecture & Product
把技术做成可用的产品
不只解决“能不能实现”，也关注可靠性、成本、运维、合规、用户流程与商业价值，让技术最终成为可以长期使用的系统。
Technical Leadership
能带团队，但仍然亲自写代码
近六年持续指导研究生和博士生开展研究，同时保持高强度个人开发实践；每年在 GitHub 的代码提交超过 4,000 次。
Where I am now
今天，我处在产业工程、企业顾问与高校研究三个场景的交叉点。
我有自己的公司，会参与实际产品和软件项目，也为企业提供 Tech Advisory；同时在中山大学软件工程学院黄华威实验室担任技术负责人，指导研究生、博士生开展研究工作。相比单纯的软件外包，我更适合参与那些技术路径复杂、需求尚未完全定义、需要持续做架构和工程判断的项目。
Experience, compressed
我的经历跨度很大，但主线一直没有变：不断向更复杂、更底层的工程问题走。
Education中国地质大学（武汉）计算机科学与技术专业
→
Early Career网络安全公司网络防火墙相关工程工作
→
Product / GlobalCuriosityChina数字产品与国际品牌项目 · 后被 Farfetch 收购
→
NowCompany + Research创业 / Tech Advisory / 中山大学技术负责人
我希望这些案例回答三个问题：做过什么真正产生价值的系统、正在探索什么前沿问题，以及我平时会为自己构建什么。
三级代表项目所处的环境，而不是技术难度。企业级强调真实业务价值与商业化目标；研究级强调未知问题、系统实验与技术验证；个人级则更直接地反映我的工作习惯、兴趣和主动性。
01
企业级 · Production & Commercial
已经支撑真实业务，或者正在以明确的产品化、商业化目标推进。重点是可靠性、可运营性、成本、收入，以及能否真正解决用户的问题。
Multi-Cloud Infrastructure · Production
统一管理 AWS、Google Cloud 与 Azure 的企业云平台
企业内部不需要分别维护多个云厂商账号。平台统一接入不同云服务 API，可以一键分配服务器、部署系统，并根据业务需求与价格变化给出成本优化建议。
Business Value降低多云管理复杂度与成本，同时减少对单一云厂商的依赖。
What It Proves能够把不同基础设施供应商抽象成统一、可运营的资源层。
AWSGoogle CloudAzureProvisioningCost Optimization
3Cloud Providers
128Managed Instances
-23%Projected Cost
Production APIAWSRunning
Analytics ClusterGCPRunning
Backup RegionAzureStandby
未来 Demo：选择业务模板 → 比较云资源 → 一键创建实例 → 自动部署 → 显示成本优化建议。
Distributed Crawling · Commercial System
国际航班价格与套利机会搜索系统
这是一个比较早期、但商业结果非常直接的项目。我为客户构建了一套高性能分布式爬虫网络，持续搜索国际航班价格，并从海量组合中寻找可以盈利的机会。这个系统后来长期支撑客户公司的核心业务，持续多年，直到疫情前。
Business Value系统不是辅助工具，而是直接支撑客户收入与公司日常运营的核心基础设施。
Engineering Challenge大规模抓取、反爬限制、网络波动、任务恢复、数据时效与长期无人值守运行。
Distributed CrawlingHigh ConcurrencyFault RecoveryPrice SearchRevenue System
2.4MFares Scanned
184Markets
37Opportunities
HKG → LHR¥4,280+18%
NRT → CDG¥5,160+12%
SIN → FRA¥4,740Watch
未来 Demo：分布式节点抓取价格 → 归一化航线数据 → 发现价差 → 计算潜在利润 → 加入机会列表。
Commercial AI Product · In Development
训练一个能“听懂歌唱问题”的 AI 声乐诊断模型
因为长期学习声乐，我逐渐意识到声乐教学中存在大量专业老师能够听出来、但很难标准化描述的问题，例如舌根紧张、鼻音过重、共鸣与发声状态。于是我和声乐老师一起推进一个面向实际教学的 AI 产品：老师负责构建专业标注数据，我负责模型设计、训练与产品化。
Commercial Direction目标不是研究 Demo，而是最终上线成为面向声乐学习者与教师的实际产品。
Hardest Part真正稀缺的是高质量、带专业声乐诊断标签的数据，而不是通用音乐数据。
Audio AIVoice DiagnosticsDataset DesignModel TrainingDomain Expert Collaboration
32sVoice Sample
2Issues Detected
4Exercises
Tongue RootTensionHigh
NasalityExcessiveMedium
Training PlanGeneratedReady
未来 Demo：上传演唱录音 → 模型分析 → 标出具体发声问题 → 给出练习建议 → 追踪多次训练变化。
Compliance Infrastructure · Ethereum
满足 KYC / 黑名单规则的 Ethereum API Proxy
为需要满足合规要求的合作伙伴构建 Ethereum API 代理层。它通常运行在 AWS Lambda 上，在请求进入上游节点之前执行过滤：命中黑名单地址的交易直接拒绝，其余请求再转发给配置好的 peers。
Business Value在不改动现有区块链节点的前提下，为业务增加可配置的合规控制层。
What It Proves可以把法规要求翻译成低侵入、可运营的基础设施能力。
Ethereum JSON-RPCAWS LambdaKYCPolicy EnginePeer Routing
4Configured Peers
128Blocked Addresses
99.9%Proxy Availability
eth_sendRawTransactionAllowedForwarded
0x8A…91FBlacklistRejected
Peer eu-west-124 msHealthy
未来 Demo：添加黑名单规则 → 发起 API 请求 → 请求被拦截 → 切换 peer → 查看审计记录。
02
研究级 · Research & Exploration
面向尚没有成熟答案的问题。允许路线仍在演化，但必须通过架构、代码、实验网络与真实数据去验证，而不是停留在概念层。
Decentralized AI · Current Research
把零散个人设备连接成异构 AI 训练与推理网络
这是一个正在推进的去中心化分布式机器学习平台。与高端机房中的同构 GPU 集群不同，个人设备的算力、网络质量与在线时间高度不一致，因此系统需要同时解决调度、通信效率、隐私、安全与训练稳定性问题。
Engineering Challenge弱网络、异构设备、高延迟、低带宽、隐私与不可信节点同时存在。
What It Proves能够处理真正前沿、跨算法与基础设施边界的复杂系统。
Federated LearningDifferential PrivacyCryptographyHeterogeneous ComputeHigh-performance Networking
8,742Online Devices
14Hardware Classes
92 msMedian Latency
Training Round #18422,108 peersActive
Privacy BudgetDPHealthy
Aggregation LayerSecureReady
未来 Demo：设备上线 → 网络测量 → 自动分组 → 发起训练任务 → 安全聚合 → 显示训练进度与节点贡献。
BrokerChain · Blockchain Research
高性能分片区块链系统 BrokerChain
作为中山大学软件工程学院黄华威实验室的技术负责人，我与团队一起设计并实现 BrokerChain。系统采用 Sharding 技术将网络切分，通过架构设计提升交易处理能力；目前峰值在线节点数已超过 1,000。项目不仅覆盖区块链底层架构，也实现了与之配套的 Web3 钱包。
Research Value从协议、网络、分片到客户端完整验证一套高性能区块链系统，而不是只做单点算法。
Scale实验网络峰值在线节点数已超过 1,000，并具备配套 Web3 钱包。
BlockchainShardingDistributed Systems1000+ NodesWeb3 Wallet
1,000+Peak Nodes
8Shards
LiveWeb3 Wallet
Shard 01128 nodesHealthy
Cross-shard TXRoutingActive
Wallet TransferSignedConfirmed
未来 Demo：节点加入 → 自动进入分片 → 发起跨分片交易 → 网络完成处理 → Web3 钱包显示确认结果。
Experimental Storage · Decentralized Systems
把去中心化网络封装成透明的 Key / Value 存储引擎
一个偏研究性质的实验项目：把 Ethereum 等去中心化网络隐藏在普通 Key / Value 接口后面，让传统应用可以像使用存储引擎一样读写数据。性能和成本并不适合常规业务，但它验证了去中心化网络可以可靠完成持久化，并与已有软件无缝连接。
Experiment Goal验证“去中心化账本能否被抽象成普通应用可使用的持久化接口”。
What It Proves愿意用工程实验验证新基础设施，而不是停留在概念讨论。
Key / Value APIEthereumPersistenceAbstraction LayerPrototype
PUTprofile:alice
GETprofile:alice
12.8sConfirmation
Write RequestEncodedSubmitted
Network StateConfirmedPersisted
Read ResultVerifiedReturned
未来 Demo：普通应用执行 PUT → 适配层编码 → 写入链上 → 等待确认 → GET 返回相同数据。
03
个人级 · Personal Systems
没有客户需求，也没有外部 KPI。只是因为我自己长期需要，所以把想法做成可以每天使用、持续积累数据的系统。
Personal AI System · Current
为自己的工作方式打造一套 AI Agent 开发系统
这是一个完全为我个人工作流设计的 AI Agent 系统。它具备类似 Claude Code 的代码辅助能力，但我重新设计了上下文管理、任务拆分与工具调用方式，让它更节省 Token，也更贴合自己的研发习惯。系统完全运行在我自己的服务器上，无论在家、出差还是移动途中，都可以访问同一套工作环境。
What It Proves
我不仅使用 AI 工具，也会重新设计 AI 工具本身，把模型能力、成本控制、私有服务与个人工作流整合成真正长期使用的系统。
AI AgentOpenAIClaudeGeminiTool UseSelf-hosted
Personal coding agent · demo placeholderself-hosted
Plan拆解新项目架构与任务Claude
Code调用项目文件与内部工具OpenAI
Review压缩上下文并交叉检查Gemini
Personal Health System · Ongoing
为自己设计的训练、恢复与饮食管理系统
因为长期保持健身习惯，我希望看到的不只是“今天练了什么”，而是自己是否真的在持续进步。于是我做了一套个人系统，记录每次训练的动作、重量、组数与心率，并根据历史表现帮助我执行渐进超负荷；当累积疲劳明显时，它也会提醒我降低训练压力或休息。
How AI Helps
系统同时分析饮食与营养数据，主要参考中国 CDC、美国农业部等公开数据源，并调用 OpenAI API，把训练、恢复与饮食信息整理成更容易执行的个人建议。
Training LogProgressive OverloadHeart RateRecoveryNutrition DataOpenAI
Personal fitness system · demo placeholderdaily use
Train卧推 80kg · 4 × 6Logged
Recover疲劳趋势升高，建议减量Alert
Eat分析今日蛋白质与能量摄入AI
我习惯在企业、研究团队和领域专家之间工作。对我来说，合作的重点不是身份或形式，而是把正确的人和技术组织起来，解决一个值得解决的问题。
Current collaboration network
目前正在发生的合作
中山大学软件工程学院 · 黄华威实验室近六年担任技术负责人，指导研究生、博士生开展区块链、分布式系统与工程化研究
早稻田大学相关机器人 / 自动驾驶实验室机器人、自动驾驶与实验系统方向的技术交流与合作
深圳北理莫斯科大学相关研究伙伴电力计算、优化与计算基础设施方向的合作
企业客户与技术合作伙伴通过自己的公司与 Tech Advisory 形式参与云平台、AI、基础设施与复杂软件系统
这些关系不是用于“背书”的 Logo 墙，而是说明我已经习惯在产业与研究之间组织不同类型的技术合作。
Start small
合作不一定从一个完整项目开始。
很多复杂项目最初都只是一个技术问题、一次架构讨论、一个 PoC，或者一个还不确定是否可行的想法。可以先把最大的不确定性解决，再决定是否继续扩大投入。
一次技术讨论架构方案PoC / Prototype联合研究
How we can work together
常见的合作方式
长期技术合作伙伴Technical Partner
你拥有业务、客户或行业资源，我作为长期技术伙伴参与技术路线、架构、核心研发与团队组织。
适合：需要持续技术能力，但不希望只采购一次性交付。产品 / 系统开发Product / System Development
已经有相对明确的业务目标，共同把需求转化为可运行的软件、AI 平台或基础设施系统。
适合：AI、分布式计算、云平台、特殊企业软件。联合研发合作R&D Collaboration
当技术方案本身还没有成熟答案时，可以联合做研究、原型与实验，先验证关键假设。
适合：分布式 AI、区块链、模型训练、边缘计算等。技术顾问Technical Advisory
如果你已经有研发团队，我也可以只参与关键判断：架构评审、技术选型、疑难问题和 AI 转型。
适合：需要外部高级技术视角，而不是额外开发人力。05 · Thank you
谢谢你花时间看到这里。
如果这里的某些经历，恰好与你正在解决的问题有关，很高兴认识你，也很愿意聊聊那个问题本身。合作可以从一次很小的讨论开始。
林建入 · Jianru Lin
Software Engineer · Technical Lead · Engineer First