關於
關於我
我是 Corey Chen，在新加坡工作的 Go 後端工程師。過去兩年，我為一個多租戶 B2B 平台打造並維運微服務——身分、客戶分群、通知、稽核，以及串接它們的 Kafka 與 Temporal 基礎管線。在此之前，我曾在 TikTok 儲存基礎架構團隊實習。
我的思維方式
我最在意的，是系統在出錯時依然正確：消費者收到同一則訊息兩次、工作流程執行到一半當掉、下游呼叫逾時。我最好的成果，大多是讓這些情況變得平淡無奇。
我喜歡從 profiler 和資料去理解問題，而不是靠猜測。我最引以為傲的一次記憶體洩漏修復，根因是一個被值複製的客戶端，是讀 heap profile 找到的。
工作之外，我用 AI Agent 打造工具——我自己的多 Agent 交易系統讓 Claude 與 Codex 擔任需經審查的領域 Agent——我也撰寫工程、市場與旅行相關的文章。
AI 與 Agent
我是 AI 的堅定看好者，說的是 Agent，不是程式碼補全。我的工作方式是 AI 原生的：從設計、寫程式到審查、文件、研究和發布，每個環節都有 Agent 參與。工作之外，我為自己的投資組合運行著一套多 Agent 交易系統。
我怎麼打造 Agent 系統
我把模型當成不可靠的分散式服務來看待。在 coreytrading 裡，Agent 只拿得到凍結並雜湊過的證據，必須回傳通過 Schema 驗證的 JSON，從不直接改動狀態。任何變更都要先經過受控寫入器的政策、時效與版本檢查；可以讓另一個模型複核，「棄權」也是合法的答案；每次執行都有預算和收據。
看看這個系統 →AI 原生的工作流程
我打造的是工作流程，不只是提示詞。專案契約（AGENTS.md / CLAUDE.md）讓每個模型都清楚程式碼庫的規則，自訂的 Claude Code 技能把重複性的工作變成一道指令，排程的 Agent 任務會自動跑研究，MCP 連接器把 Agent 接進我平常用的工具。這個網站本身就是例子：我用中文寫作，一個技能負責檢查文章、翻譯成三種語言、發布上線，並起草 LinkedIn 動態。
我對 AI 走向的判斷
個人 Agent 會逐漸長成數位分身，帶著你的經驗與判斷。當 Agent 能代替你去認識別人，我們用來快速評估一個人的那些粗糙捷徑（頭銜、品牌、名校）都會被「你真正做成過什麼」的可驗證紀錄重新定價。
讀這篇文章 →這和後端有什麼關係
Agent 系統本質上是帶著一個不確定元件的分散式系統。我在 Kafka 和 Temporal 裡練出來的習慣（冪等、有上限的重試、預算、稽核軌跡）正是讓 Agent 能真正跑在正式環境裡的東西。
工作原則
系統思維
我將服務作為分散式整體的一部分來設計，而不是孤立的單元。每個決策都考慮上下游影響。
預設可觀測
鏈路追蹤、指標和結構化日誌不是事後補充——它們是第一次提交的核心需求。
先交付，再迭代
比起完美的計畫，我更重視能運作的軟體：先讓它跑起來、量測，再改進。
技能概覽
工具 & 設置
硬體
- MacBook Pro M3
- Mechanical keyboard
- Dual monitors
軟體
- GoLand / VS Code
- iTerm2 + tmux
- Docker Desktop
- TablePlus
- Postman
工作流
- Feature branches + code review
- GitLab CI
- AI-assisted development with Claude Code, Codex and Cursor