$ cat ~/about.md
从网络攻防到 AI —— 我的两个十年
一份叙事式的自我介绍 —— 第一个十年泡在网络安全里，第二个十年完整切到了 AI 工程。
网名 c4bbage。职业生涯从 2012 年开始算起，到今年差不多走完两个十年 —— 第一个十年完整泡在网络安全里，第二个十年完整切到了 AI 工程。 GitHub 账号是 2013 年底注册的，沿用至今。
这是一份叙事式的自我介绍，按时间线写，不按项目清单写。
第一个十年（2012–2022）：网络安全
入行就是攻方。 最早几年是 渗透测试 / 红队 / 漏洞复现 / 漏洞研究 / 破解与逆向工程 —— 写 PoC、跑红蓝对抗、翻译工具链文档、复现各种公开/半公开的攻击路径。 那也是国内攻防社区最热闹的一段，一波 0day、一波 APT、一波蜜罐与对抗。 GitHub 上现在还能翻到的小工具和翻译，大都来自那个阶段。
中段开始往企业防御那一侧切，从外打到内：
- 内网资产梳理、CMDB / 堡垒机类工具的工程化
- 2000+ 台生产主机的安全监控（含 EDR、合规、巡检、漏洞回响闭环）
- 零信任架构落地（身份、设备、网络分段、最小权限）
- 态势感知：日志中台 / 事件关联 / 告警治理 / 攻击路径还原
- 应急响应流程化 —— 从拉日志、回溯、写报告，到沉淀手册、值班 SOP
- 红蓝里"蓝方"那种不性感、要长期啃的活
最后几年偏向安全产品的工程化 —— 从"做一次入侵分析"变成"做一个能让别人重复做入侵分析的系统"。 这是我第一次切身体会到 "一次性脚本"和"可被别人用的能力"是两个完全不同的工程目标。 这条原则后面在做 AI 工程时反复出现。
那十年里写过、翻译过的零碎东西，整站封存在
legacy-2017 tag。
不删，但不再更新，更不放到新博客的导航里。
转折：怎么切到 AI
赶上了 LLM 这波。 起点其实不是被分配的任务，而是个人这边先嗨起来了 —— ChatGPT 一出，自己第一时间充了 Plus；后来 Poe 年费上车，市面上能订的模型挨个摸了一圈。 那段时间几乎所有能用 AI 摁住的零碎活（写脚本、查资料、出报告、文档结构化重写、做小工具）都被我 prompt 化了， 本职工作上的提效是真实可见的 —— 这是 AI 人民币玩家路线最早的回报。
老板（CTO） 注意到了这股热情和实际效果，顺势把 AI 正式加进了我的工作范围 —— 拉来一位浙大博士一起做后训练项目， 同时我自己开始搭一堆系统：RAG 知识库、IT agent、内部问答、各种小工具。 这才是我"真正切到 AI"的起点。
之后才慢慢意识到 —— 模型 + 算力打开的设计空间，比单纯做防御侧的攻防博弈大得多， 于是把主线整个迁了过去。
安全那十年的训练并没有浪费 —— 攻防侧"先假设系统是错的"那种直觉， 在做 agent / 做 AIGC 服务的运行时安全的时候， 反而比纯做 AI 出身的人占便宜不少。
第二个十年（2022– 至今）：AI 工程
这几年的工作横切起来大致是这样一个层级，从底往上：
1. 底层 · 算力
手上一个训练 / 推理混跑的小集群 —— 几节点的规模、数十张企业级训练卡、跨两个算力梯度（一档主力、一档备用与跑批）。 日常基本就是把这堆卡 "别躺平、别相互踩、别浪费钱" 这三件事做好。
具体：调度与隔离 · 空闲率治理 · 闲时任务接入（夜间编译 / 扫描 / 异步 agent）· 任务级成本核算 · ROI 反向治理业务侧。
2. 中间 · AIGC 生成能力
文 → 图、图 → 图、文 → 视频、图 → 视频、超分、抠图、人像修复 —— 这一层是把模型变成对内可用的 API、对外接到业务侧。
训练侧也做了一段时间： 全参微调（最大到 14B 规模）/ LoRA / 蒸馏 / 量化 都跑过，最近在测 NTP + flash-attention 的加速 baseline。 不过比起追单模型 SOTA，我更喜欢模型组合 —— 用便宜的基模托底、贵的高质感模型只在关键路径上插入。 成本/质量曲线上的工程问题，比"哪个模型分数高 0.5"有趣得多。
3. 业务侧
中间这层能力，往上接到几条具体业务：
- 短剧平台 —— 把生图、生视频、超分等能力组装成面向短剧创作的流水线
- 美术与运营工具 —— 团队日常的生图、修图、视频化工具
- 内部学习与文档平台 —— 让工具的使用方式可被消费、可被审计
4. 上层 · AIGC 能力平台
把上面这些拼起来对内提供服务的整体平台。 日活 60 人左右 —— 听起来不多，但每个人都是真正在用算力、用模型、产生成本的人。 所以从平台运营、成本治理、稳定性、安全审计的角度看，这个量级一点都不轻松。
5. Agent 体系（最近一年的主线）
最近精力的大头都在这里 —— 把组织里的重复劳动改造成 agentic 工作流，而不是再写更多一次性脚本。
按服务对象分三条线：
- IT agent —— 服务 IT / 基础设施，覆盖部署、巡检、监控、变更
- 安全 agent —— 服务安全侧，覆盖巡检、日报、入侵分析、应急响应
- 短剧 agent —— 服务业务侧，覆盖剧本草稿、分镜、素材生成、批量出图与视频
底层我把可复用的能力都做成 Unix 风格的小命令组合 —— 每个命令一件事，命令之间用结构化文档落盘传递，每步有自动 check 闭环。 这个口径跟十年前在安全产品那段时间领悟到的"做能力，不做一次性脚本"，是同一件事的两个十年版本。
工具上不太省钱
接着前面"AI 人民币玩家"那条线，几年下来工具开销越来越重也越来越值。 工程审美一句话：模型每年都在变，自己烧钱试，比看别人写的"最强 AI 工具排名"靠谱一万倍。
现在日常订阅大致是：
- Cursor —— 月开销在 3000 美元上下，是主战场
- Claude —— 长期订阅，Claude Code 几乎每天用
- ChatGPT —— 订阅一直在
- Poe —— 年度会员，主要用来横评不同 prompt 在不同模型上的差异
- OpenCode 等 agentic 编辑器轮流试
我真的把这些工具当 "多了一个能写、能查、能跑的同事" 在用， 不是辅助补全。使用心得后面会单独写。
这里会写什么
博客 v2 主要是给自己留个"思考留痕"的地方，节奏弹性 ——
- AI 工程笔记（算力 / 模型 / agent）
- 工具建设与试用心得
- paper 阅读与新模型杂感
- 旧的攻防方向偶尔也会冒出来一两篇，但不会再是主线