AI Agent 不是聊天框,而是一条可恢复的工作流
把 Agent 从演示带进真实工作,需要设计状态、检查点、失败恢复和人工接管,而不只是换一个更强模型。
- #AI Agent
- #工作流
- #可靠性
Journal
记录经过实践后仍然成立的判断,也公开正在测试、构建与运行中的工程实验。
00 Editorial Tracks
01 Notes
不做信息搬运,只记录经过真实任务、工具选择与长期使用后仍然成立的结论。
把 Agent 从演示带进真实工作,需要设计状态、检查点、失败恢复和人工接管,而不只是换一个更强模型。
好的经营看板不是从图表开始,而是从指标定义、责任人和追溯路径开始。
本地优先是一种数据边界策略,不是部署执念。知道什么时候不用本地模型,和知道怎样部署它同样重要。
云端模型很强,但把所有数据都默认上传并不总是合适。本地优先的核心,是把选择权拿回自己手里。
AI 工具更新快、宣传夸张。与其被演示带节奏,不如用一致的用例与维度,给工具一把公平的尺子。
再漂亮的看板,如果口径不统一,也只是把混乱可视化了。转型的第一步,是一次经营语言的统一。
02 Lab
每个状态都代表当前事实:稳定运行、测试中或构建中,不把概念验证包装成生产能力。
Local AI
在 Apple Silicon 上构建的本地 AI 技术栈,用统一内存跑本地大模型,覆盖日常推理、代码与写作,数据默认不出域。
Agent Tooling
本地网关与工具编排层,统一管理模型路由与工具调用,让 Agent 在本地与云端能力之间按需调度。
AI Agent
面向长时运行任务的 Agent 实验,探索任务持久化、状态恢复与可靠执行,让 Agent 能稳定处理跨越较长时间的工作。
AI Engineering
在 Claude Code 工作流中接入不同模型的实验,评估替代模型在真实工程任务中的表现、边界与性价比。
AI Engineering
基于 OpenAI Codex 的工程化工作流,把代码生成、脚本编排与重复工程任务串联为可复用的自动化流程。
Local AI
面向本地模型的评测实验,用一致的用例与维度横向对比不同开源模型在真实任务中的表现与资源占用。
Contact · Shanghai / Remote
适合讨论经营分析、数据治理与 Local-first AI。先确认真实问题、约束和判断边界,再决定是否需要系统建设。