# markhuang.ai

我构建 AI 系统，也写下工程实践中的决定、错误与取舍。

- Canonical: https://markhuang.ai/zh
- Language: zh-CN

---

Mark Huang

AI 架构师与工程师

我构建 AI 系统，也写下工程实践中的决定、错误与取舍。

---

## 精选文章

### [看完教程，为什么还是不会自己做项目？](https://markhuang.ai/zh/blog/finished-the-tutorial-still-cant-build)

看教程、跟着练习、做自己的项目，要求你作出的决定并不一样。用一个假设的读书清单项目，讨论怎样借助反馈，把错误变成具体的学习机会。

### [AI 能帮我做出来，但不会让我自动学会](https://markhuang.ai/zh/blog/ai-makes-building-easier)

AI 让我更容易做出自己想用的工具、尝试创作，但不会让我自动学会判断结果。结合 Dense-Mem、AI MemMail 和创作尝试，谈我为什么还需要通过犯错与反思继续学习。

### [AI 总能让我惊叹。可我们准备好了吗？](https://markhuang.ai/zh/blog/ai-keeps-amazing-me)

AI 的编程、视频和决策能力让我兴奋，但快速普及与尚不充分的证据，也让我怀疑我们是否准备好了。结合 1995 至 2026 年的技术节点，思考不确定的后果、发布后的研究，以及我为何仍然期待进步。

### [Claude Max 20x 坚持不到第四天，这就是为什么我站Codex](https://markhuang.ai/zh/blog/why-i-cancelled-claude-max-for-codex)

Claude Max 20x 的周配额在第四天见底，返工却越来越多，于是我把主要编程工作迁到 Codex。现在由 Sol 规划、Luna 实现、Dense-Mem 补充上下文，再让其他模型家族审查。

### [我一直在问“为什么”：AI 时代我想保留的思维习惯](https://markhuang.ai/zh/blog/i-keep-asking-why)

一次和太太的对话，让我重新审视自己怎样成长为工程师和架构师：向身边的人学习，追问原因，验证假设，并在 AI 时代为决定负责。

### [我正在激进地尝试用 AI 替代自己](https://markhuang.ai/zh/blog/aggressively-trying-to-replace-myself-with-ai)

AI 掌握的上下文越多，就越有用，但每一封邮件、每一份文档和每一段故事都在移动隐私边界。这是我对自动化、AI 垃圾内容、专注力和构建者责任的一次个人反思。

### [AI 基准测试到底测什么：分数、上下文与使用额度](https://markhuang.ai/zh/blog/what-ai-benchmarks-actually-measure)

从实际编程体验出发，解读 AI 基准分数、上下文窗口和使用额度，说明为什么分数更高不一定意味着编程体验更好。

### [AI MemMail：让 Dense-Mem 帮你分拣和回复商务邮箱](https://markhuang.ai/zh/blog/ai-memmail-dense-mem-email-agent)

一篇实用部署教程：用开源 Rust 邮件智能体 ai-memmail 监听 IMAP 邮箱，从 Dense-Mem 取回业务上下文，并通过 SMTP 安全地回复、转发或不处理邮件。

---

## 精选项目

### [Dense-Mem](https://github.com/markhuangai/dense-mem)

Standalone HTTP MCP memory server for LLM hosts with durable graph memory, typed claims and facts, server-side embeddings, team/profile isolation, and recall.

### [golden-CLAUDE.md](https://github.com/Z-M-Huang/golden-CLAUDE.md)

A masterpiece CLAUDE.md configuration to maximize Claude Code proficiency — curated rules, patterns, and guardrails for AI-assisted development.

### [AI MemMail](https://github.com/markhuangai/ai-memmail)

Rust email agent that monitors IMAP inboxes, uses Dense-Mem knowledge over MCP plus safety rules to draft replies, forward, or no-op, and sends through SMTP with a React control panel.

---

## 已发布作品

### [Governed Enterprise AI Memory Beyond RAG: From Vector Retrieval to Permissioned Knowledge Graphs](https://doi.org/10.5281/zenodo.21403316)

Explores how permissioned, provenance-preserving knowledge graphs can support enterprise AI memory beyond conventional vector retrieval.

---

## 查看当前构建

Dense-Mem 现已开放免费体验，支持 AI 记忆管理和团队知识协作。

- [试用演示](https://demo-dense-mem.markhuang.ai)
- [阅读文档](https://github.com/markhuangai/dense-mem/wiki)
- [查看仓库](https://github.com/markhuangai/dense-mem)

---

## 认证

- **Claude Certified Architect Foundations** — 面向实际 AI 架构与实现工作的 Foundations 认证。
- **Claude Certified Architect - Professional** — 面向企业级 Claude 部署、系统集成、规模化优化与治理的专业架构认证。
