GOODYEAR, AZ · TỪ XA (HOA KỲ)
HYBRID PHOENIX
Jordan Truong, kỹ sư AI tại Goodyear, AZ. Sẵn sàng làm từ xa (Hoa Kỳ) hoặc hybrid tại Phoenix.
Kỹ thuật agentive: spec viết rõ, cổng CI/CD và đánh giá trước khi phát hành.
AI agentive trong thực tế: hệ thống đa tác nhân, pipeline RAG và hạ tầng phía sau. Tự xây dựng và vận hành hàng ngày, từ đầu đến cuối, từ một terminal ở Arizona.
Hành trình: mười hai năm là chủ kinh doanh. Rồi bốn năm trong IT doanh nghiệp. Giờ đây kỹ thuật AI, ship phần mềm tự vận hành. Cùng một bản năng: làm điều khó trở nên đáng tin cậy.
Cũng đang hoạt động và có thể kiểm chứng: /ops — bảng chi phí có Langfuse truy vết và giá theo từng yêu cầu · Anthropic Academy ×16, Claude Partner — Claude Code và Google AI Professional Certificate.
Tự xây dựng VPS đa tác nhân, SoloInvoice SaaS, trợ lý kiến thức RCM. Tất cả đang trong production.
Xây dựng công cụ AI production trên hai chiến dịch doanh nghiệp: copilot RCM HIPAA (mọi kịch bản đã kiểm định, 72 script, 27 playbook, 41 mã ghi chú) và ACES Aid (162 flow, áp dụng toàn sàn, 1.500+ từ khóa đã lập chỉ mục). Cả hai đang sử dụng hàng ngày.
Quản lý cấp phát trên 1.000+ cửa hàng nhượng quyền. Dẫn đầu kiểm toán mạng & bảo mật với cập nhật firmware theo múi giờ.
Hai chiến dịch doanh nghiệp: HMH (phần mềm giáo dục, hỗ trợ tài khoản/ứng dụng) và Dell Technologies (chẩn đoán phần cứng qua Zendesk, cộng tác Teams với kỹ thuật viên cấp cao, hậu cần bảo hành).
Mười hai năm điều hành doanh nghiệp dịch vụ: tuyển dụng, bảng lương, lịch trình, P&L. Tư duy hệ thống vận hành ở dạng trực tiếp nhất.
Máy chủ bộ nhớ MCP mã nguồn mở. Một lệnh để cài: pip install all41n14lla. Bộ 90 test chạy xanh trên CI từ Python 3.11 đến 3.14.
Mười hệ thống agentic trong sản xuất hàng ngày: copilot y tế + viễn thông (mọi kịch bản đã kiểm định, 162 luồng), năm demo trong trình duyệt (RAG, SQL, phân loại email, điều phối tác nhân, lớp ngữ nghĩa), SaaS với cấp phép offline, Agency Engine 7-tác-nhân, và nền tảng kết nối tất cả. Nhấn để khám phá.
Hơn năm mươi skill được tải theo yêu cầu, mười lăm máy chủ MCP, bộ nhớ tự động giữa các phiên và guardrail phân lớp. Mô hình chiếm 10% hệ thống. Harness là 90% còn lại.
Scout finds the lead, Diagnoser maps the gap, Builder ships the fix, Filmer records the walkthrough, Checker validates it, and Pitcher sends the note. No staff and no retainer, at about $0.10 a lead.
Nhập câu hỏi bằng ngôn ngữ tự nhiên. Xem nó trở thành truy vấn an toàn, có tham số hóa.
Dán email thô. Tác nhân phân loại, ưu tiên và soạn trả lời trong một lượt.
Trích dẫn inline và từ chối có kiểm soát độ tin cậy: khi không chắc, nó từ chối. Lĩnh vực: chu trình doanh thu y tế.
Chuỗi ba vai trò trên các dữ kiện thực đã truy xuất. Tác nhân Phê bình kiểm tra bản nháp so với dữ kiện và buộc viết lại khi phát hiện khẳng định không có căn cứ, tối đa hai vòng để luôn kết thúc.
Đặt một câu hỏi kinh doanh. Mô hình chỉ được chọn một chỉ số từ danh mục cố định đã công bố và không tự viết SQL. Câu hỏi ngoài danh mục sẽ bị từ chối.
Hoặc mở bong bóng chat (dưới bên phải) để hỏi tôi bất cứ điều gì.
Mỗi demo đi qua các gate typecheck, eval và prompt-regression trên mỗi commit. Bạn có thể thấy các guardrail hoạt động: RAG từ chối thay vì đoán mò, tác nhân Phê bình bác bỏ khẳng định vô căn cứ, lớp ngữ nghĩa từ chối chỉ số ngoài danh mục.
Fine-tune cục bộ Qwen2.5-0.5B với 8 ví dụ từ nội dung của chính trang này, thử xem liệu nó có thể bỏ system prompt ~190 dòng mà chatbot trực tiếp đang dùng hay không. Nó không thể. Bản ghi thực từ lần eval:
Mô hình gốc + system prompt (đúng): "Máy chủ bộ nhớ MCP mã nguồn mở cho AI agent, do Jordan Truong duy trì, xuất bản trên PyPI và GitHub."
Fine-tuned, không prompt (ảo giác): "...một ứng dụng web để quản lý 41 triệu người dùng của ứng dụng Netflix..."
Chủ và điều hành salon & beauty. Lịch hẹn, bảng lương, kho hàng, tuyển dụng, trải nghiệm khách hàng — tất cả mọi thứ. Công việc đó dạy tư duy hệ thống trước khi tôi có tên gọi cho nó: mỗi ràng buộc là một bài toán thiết kế, mỗi nút thắt là một lỗi quy trình chờ được giải quyết.
Gia nhập tech stack quản lý lực lượng lao động ở quy mô lớn. Xử lý yêu cầu bồi thường, RCM y tế, điều phối vận hành đa nhóm. Học được ý nghĩa thực sự của độ tin cậy hệ thống lớn khi một quy tắc cấu hình sai khiến ai đó mất tiền hoàn trả. Rồi LLM trở nên đủ mạnh để thực sự có ý nghĩa.
Đã ship một MCP server lên PyPI, một trợ lý kiến thức RAG+GraphRAG trực tiếp, một não VPS đa tác nhân và một sản phẩm SaaS có giấy phép — tất cả một mình, tất cả trong production. Kế hoạch là tiếp tục ship cho đến khi các hệ thống tự kiếm tiền trong khi tôi ngủ.
Một sơ đồ, rút ra từ mã nguồn ngay trong ngày viết nó. Hai điểm vào, một ranh giới tin cậy dùng chung và ba tầng trung thực trên mọi câu trả lời demo.
Hệ thống này KHÔNG có: không PHI, không tài khoản người dùng thật, không dữ liệu thanh toán. Công cụ an toàn HIPAA xây ở Valor là một hệ thống khác và không có trong sơ đồ này.
Năm quyết định từ các hệ thống ở trên, kèm cái giá phải trả. Ai cũng liệt kê được thứ mình đã làm. Đây là những lựa chọn có giá, kể cả những cái khiến tôi mất mát.
Từ xa tại Hoa Kỳ hoặc khu vực Phoenix. Sẵn sàng cho vai trò AI / hệ thống agentive toàn thời gian.