咨询级演示方案 AI Agent：把灵感自动转为结构化、数据驱动的专业 Deck。
TypeScript
Next.js
React
Tailwind CSS
LLM API
RAG
Agent System Design
Agent Eval
Context Engineering
你好，我是 Alfred Lin
AI 产品与 Agent 方向实践者，关注技术、产品与商业的系统协同。
AL
关于我
我叫 Alfred，来自台湾台北，目前在清华学习法律与计算机，长期专注 Agent 产品与系统工程。
我在 Manus 做 Product & Agent，主要围绕用户研究、场景定义与能力迭代，把系统从“能用”推进到“稳定可交付”。
我的专业方向是 Agent Eval、Agent System Design 和 Context Engineering，关注可评估、可迭代、可落地的工程化路径。
我的关键词是 Emancipate：把重复劳动交给系统，把人的时间还给判断与创造。
工作经历
技能
Python
HTML
CSS
JavaScript
Agent Eval
Agentic Engineering
Context Engineering
AI Product
System Thinking
我的项目
看看我最近在做什么
我做过内容平台、AI 产品到全栈 Web 应用等项目，也包括 LLM、Agent、RAG 方向的实践。
我的博客
最近的 4 篇文章
这里是我最新发布的思考与实践记录。
上下文(Context)对于LLM产品的重要性不言而喻。这就像一位刚入职的实习生，即使是清华北大毕业的高材生，如果没有人告诉他任务的背景、目标、可用工具和方法等上下文信息，他也难以出色完成工作。同样，再强大的模型，若缺乏适当的上下文引导，也无法真正发挥其潜力，更难以满足实际产品需
Blog
Model Context Protocol (MCP) 是一种标准化的通信协议，旨在连接大型语言模型（LLM）与外部数据源、工具和服务。可以把它看作是AI世界中的“万能适配器”，帮助LLM与不同系统之间实现无缝对接。通过MCP，LLM能够通过统一的接口与各种资源进行交互，查询数
Blog
