智能体系统。跟踪模型、Harness、协议与业务控制层之间的真实工程边界。
COR ATCH
探索技术、知识与创造之间，值得持续追踪的信号。
SCROLL TO DECODE我把复杂系统变成可读的结构，再把一次性观察变成长期信号。
这里不是一张静态简历。名字、研究主题、文章和正在关注的问题，共同组成一个不断被修订的知识场。
02 / ORBIT KNOWLEDGE
KNOWLEDGE
CONSTELLATION
SELECT A NODE
TO OPEN ITS SIGNAL
知识设计。把阶段性观察压缩成可查询、可连接、可继续生长的内容结构。
产品方法。从实践中提取判断框架，保留证据、边界和可复用的决策路径。
创意开发。用排版、实时图形和交互把复杂系统转译为可感知的数字体验。
03 / INDEX SELECTED
查看完整档案
SELECTED
WRITING
Agent 评测 07：常见误区与推进路线
汇总系列中反复出现的评测误区，给出团队从零开始搭建 Agent 与 Skill 评测的分阶段路线，讨论评测驱动 Skill 自动迭代的做法和边界，并回顾整个系列。
Agent 评测 02：一次执行如何变成可信的分数
以一次下发、隔离执行的方式评测 Claude Code、Codex、pi 和自研 Agent：用终态判定完成度，用关键检查点评估过程，先记录再定耗时与成本预算，用多次试次衡量稳定性，并防止 Agent 越权或钻评测的空子。
Agent 评测 03：Skill 评测，固定 Agent 只改 Skill
Skill 评测是 Agent 评测的特例：固定模型、Harness 和已安装的 Skill 集合，只改变目标 Skill。本文按准入、触发、遵循、增益、代价五个环节拆解 Skill 评测，并给出成对对照、触发评测、行为审计和模型升级复测的做法。
Agent 评测 04：评分器，先证明它判得对
规则、脚本、LLM Judge、Agent Judge 和人工评分各适合什么；怎样写评分标准、规避 Judge 的已知偏差、用人工标注校准 Judge，以及用参考解、空跑和变异测试检验评测本身能否发现问题。
04 / NOW ACTIVE
ACTIVE
SIGNALS
当前关注不是履历装饰，而是下一批内容正在形成的坐标。
- Agent Harness 与企业业务控制层
- 可恢复的长时运行工作流
- 个人知识系统与编辑式写作
- 实时图形在内容叙事中的作用
11 Published entries
4 Knowledge axes
8 Min. latest read