关于
关于我
我是 Corey Chen，常驻新加坡的 Go 后端工程师。过去两年，我为一个多租户 B2B 平台构建并运维微服务——身份、客户分群、通知、审计，以及连接它们的 Kafka 与 Temporal 基础管道。在此之前，我曾在 TikTok 存储基础设施团队实习。
我的思维方式
我最在意的是系统在出错时依然正确：消费者收到同一条消息两次、工作流跑到一半崩溃、下游调用超时。我最好的工作，大多是让这些情况变得平淡无奇。
我喜欢通过 profiler 和数据来理解问题，而不是靠猜测。我最自豪的一次内存泄漏修复，根因是一个被值拷贝的客户端，是通过阅读 heap profile 找到的。
工作之外，我用 AI 智能体做开发——我自己的多智能体交易系统把 Claude 和 Codex 作为需经审核的领域智能体来运行——我也写关于工程、市场和旅行的文章。
AI 与 Agent
我是 AI 的坚定看好者，说的是 Agent，不是代码补全。我的工作方式是 AI 原生的：从设计、编码到评审、文档、研究和发布，每个环节都有 Agent 参与。工作之外，我为自己的投资组合运行着一套多 Agent 交易系统。
我怎么做 Agent 系统
我把模型当成不可靠的分布式服务来对待。在 coreytrading 里，Agent 只拿到冻结并哈希过的证据，必须返回通过 Schema 校验的 JSON，从不直接改动状态。任何变更都要先经过受控写入器的策略、时效和版本检查；可以让另一个模型复核，“弃权”也是合法答案；每次运行都有预算和回执。
看看这个系统 →AI 原生的工作流
我搭建的是工作流，不只是提示词。项目契约（AGENTS.md / CLAUDE.md）让每个模型都清楚代码库的规则，自定义的 Claude Code 技能把重复性工作变成一条命令，定时 Agent 任务自动跑研究，MCP 连接器把 Agent 接进我日常用的工具。这个网站本身就是例子：我用中文写作，一个技能负责检查文章、翻译成三种语言、发布上线，并起草领英动态。
我对 AI 走向的判断
个人 Agent 会逐渐长成数字分身，带着你的经验和判断。当 Agent 能替你去认识别人，我们用来快速评估一个人的那些粗糙捷径（头衔、品牌、名校）都会被“你真正做成过什么”的可验证记录重新定价。
读这篇文章 →这和后端有什么关系
Agent 系统本质上是带着一个不确定组件的分布式系统。我在 Kafka 和 Temporal 里练出来的习惯（幂等、有上限的重试、预算、审计链路）正是让 Agent 能真正跑在生产里的东西。
工作原则
系统思维
我将服务作为分布式整体的一部分来设计，而不是孤立的单元。每个决策都考虑上下游影响。
默认可观测
链路追踪、指标和结构化日志不是事后补充——它们是第一次提交的核心需求。
先交付，再迭代
相比完美的计划，我更看重能运行的软件：先跑起来，再度量，然后改进。
技能概览
工具 & 设置
硬件
- MacBook Pro M3
- Mechanical keyboard
- Dual monitors
软件
- 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