我是 Lambdua，一名偏工程落地的 AI Context Engineer。

主要做两件事：

1. 把 LLM / Agent 能力做成 可安装、可组合、可维护 的库与服务
2. 用证据与上下文窗口设计，减少“能聊但不可用”的 Agent 系统

非官方但持续维护的 Java OpenAI 客户端（Maven Central：io.github.lambdua）。星数以仓库页与上方 badge 为准。

• 覆盖 Chat / Completions / Embeddings / Audio / Images / Moderations / Batch / Fine-tuning
• Assistants v2、Tools / Function calling、同步与流式调用
• Retrofit + 环境变量配置，适合直接嵌进 Spring / 后端服务

<dependency>
  <groupId>io.github.lambdua</groupId>
  <artifactId>service</artifactId>
  <version>0.22.92</version>
</dependency>

当前主线：Agent Skills + MCP 数据服务，把“检索 / 证据 / 工具调用 / 审计”串成可部署链路。

关注点：

• Context Engineering：系统提示、技能包、工具面、证据分级如何一起工作
• 可运维性：OAuth、审计、双环境、真实上游依赖，而不是 demo-only 脚本
• 合规边界：优先官方 API；无官方时用可控浏览器通道；不碰逆向签与抢票类红线

语言与框架

Java · Spring · Python · TypeScript（按需）

数据与消息

MySQL · MongoDB · Redis · MQ

AI / Agent

OpenAI API · LLM client libraries · Agent Skills · MCP

工程习惯

证据优先 · 可部署 · 少写死会变的数据 · 文档只保留现行结论

想一起做 Agent 基础设施、Java LLM 集成或出行/垂直域 Skills？欢迎直接开 Issue 或通过仓库联系。