“从提示词技巧走向 Harness 系统工程:拒绝靠自然语言 Prompt 赌输出概率,用前置契约规格、执行状态机与自动化门禁,构建确定性交付的智能体闭环。”
专注于探索大模型能力如何深度融入生产级研发工作流与企业级业务交付。核心工作聚焦于三项关键突破:
- 执行边界约束:通过严格的输入契约与执行状态机,杜绝 Agent 的无序漂移;
- 证据可信追溯:使所有研究分析与代码交付物均具备可审计的证据链与哈希指纹;
- 沉淀为基础设施:将资深工程经验固化为可复用的门禁脚本、原子技能(Skills)与自动化工具链。
| 核心项目 | 定位与攻克痛点 | 关键工程特性 |
|---|---|---|
| 📘 Tutorials-for-the-Harness-series | 大模型与智能体工程化实战开源教程 解决从“调参玄学/提示词拼凑”向工业级可靠系统工程跨越 |
8 大核心模块全景路线图、三权分立治理、上下文工程、生产级可观测性、CC-BY-4.0 |
| ⚙️ open-source-ssd | AI 研发全栈工程化脚手架与规范 (SSD) 解决长任务 AI 编程助手的确定性交付与多维验收标准 |
Harness Engineering、规格驱动开发 (Spec-Driven)、Next.js 全栈脚手架、严密门禁断言 |
| 📑 present-waza-agent | 专业技术表达与幻灯片交付智能体 解决将散落研究结论与复杂架构转化为专业演讲级 PPTX |
叙事设计与页级规格契约、python-pptx 自动化生成、演讲提词器提取、全平台 CI/CD |
| 🔬 open-waza-agent | 深度研究工作流与证据治理系统 消除大模型幻觉,使研究报告的每项论断可追溯证据链 |
证据契约 (Evidence Contract)、版本内容哈希校验、自动审阅与 Word 文档流水线 |
| 🧩 ameureka-skills | 企业级 Agent Skills 库与工程交付 CLI 将高频工程思考模式固化为原子级技能与独立命令行工具 |
7 套高阶工作流 Skills、gpt-imageflow 图像流客户端、HTML→PPTX 工具链 |
01 · 体系教程:大模型工程化与生产治理 — Tutorials-for-the-Harness-series
- 体系定位:覆盖大模型从认知升级到生产落地的完整进阶教程,直击提示词不可控、黑盒幻觉、上下文膨胀三大核心瓶颈。
- 理论基座 📐 —— 确立“输入限制 + 状态跟踪 + 边界门禁”的 Harness 工程框架,以可量化的工程约束替代不确定的自然语言祈祷。
- 治理架构 🛡️ —— 实践三权分立机制(执行 Agent、对抗评估 Eval、主干状态审计 Controller),实现无人值守场景的安全闭环。
- 生产实践 🚀 —— 深度剖析 上下文工程(Context Compression/Compaction)、MCP 协议标准对接、以及生产级 APM/可观测性实践。
- 教程全景目录 · CC-BY-4.0 协议 · 路线图说明
02 · AI 研发全栈工程化规范 — open-source-ssd
- 核心主张:建立 Specification-State-Distill (SSD) 研发体系,为 AI 编程助手提供无歧义的输入、状态追踪与准出标准。
- 流程设计 🎭 —— 任务分级分解、确定性停止条件(Stop Conditions)、界面设计规范与标准化发布 Runbook。
- 工程实现 🛠️ —— Next.js / TypeScript 全栈脚手架,搭配严格的 Server Action 架构边界与自动化检查门禁脚本。
- 反思沉淀 🤝 —— 包含多期复杂业务重构的复盘记录,深入探讨机制设计与生产环境真实交付之间的工程落差。
- 全栈模板 · 门禁实现 · 工程实践复盘
03 · 技术表达与高规格演讲交付 — present-waza-agent
- 核心主张:将技术演讲与 PPT 产出从“随机生搬硬套”改造为包含素材结构化、叙事设计、页级规格的工程交付管线。
- 知识组织 🎭 —— 严格区分核心主张、论据支撑与口播提词,通过页级规格表杜绝幻灯片排版坍塌。
- 工具链构建 🛠️ —— 封装底层 Python /
python-pptx构建器,集成排版审计、质量打分与演讲者备忘录生成器。 - 工程守门 🤝 —— 包含全套回归测试用例,CI 覆盖三大主流操作系统(macOS/Ubuntu/Windows)跨平台一致性。
- 合成案例 · 交付脚本 · CI 自动化测试
04 · 研究工作流与证据治理 — open-waza-agent
- 核心主张:构建可核验的深度研究工作流,让复杂长文研报的每一个论点均与事实源头强绑定。
- 证据建模 🎭 —— 显式登记数据源、推导逻辑与交付物,利用 SHA-256 内容哈希锁定审阅版本。
- 自动化边界 🛠️ —— 专家智能体聚焦于逻辑推理,Python 确定性工具负责证据登记断言、排版质量核验与多源合并。
- 可复现入口 🤝 —— 提供完备的离线样例、失败路径拦截测试,并原生支持人工批注与修订保护机制。
- 证据契约规范 · 完整合成报告示例 · 自动化回归测试
05 · Agent Skills 与开发工具箱 — ameureka-skills
- 核心主张:将反复验证的高阶推理路径、审计规则与人机协同范式沉淀为即插即用的 Skills 资产库。
- 7 套精炼 Skills 🎭 —— 涵盖规格驱动开发、盲区审计、需求矩阵建模、长任务状态提示词及多智能体交接规范。
- 2 款独立 CLI 🛠️ —— 自动化图像流管理客户端
gpt-imageflow,以及支持全自动截图对齐与报告审查的present-met-ppt-kit。 - Skills 源码目录 · 图像生成客户端 · PPTX 自动化工具链
| 技术方向 | 项目与实践仓库 | 核心技术亮点与交付价值 |
|---|---|---|
| 多智能体深度研究 | ai-deepresearch-agent | 规划、检索、长文合成与审阅角色解耦协作;基于 Next.js + FastAPI 实现流式进度反馈与模型自动回退降级。 |
| 大模型微调与端侧推理 | Unsloth_Lllama_deepseek | 围绕 Llama 3.1 8B 的指令微调流水线,覆盖数据清洗、高效 LoRA 微调、GGUF 量化与本地 Ollama 部署。 |
| 多模态与生成式应用 | nano-bananary-playground | 基于 Next.js / React / Gemini 的多模态图像/视频生成工作台,实现资产库流转与交互式控制。 |
| 技术商业化与架构思考 | Product_Co_Meth | 企业级 AI 落地实践思考、新质生产力与组织生产关系适配模型、MVP 边界验证与开源商业化路径。 |
- AI & Agent 系统工程:Harness Engineering、规格驱动开发 (Spec-Driven)、上下文工程 (Context Engineering)、MCP (Model Context Protocol)、Ollama / Unsloth 微调
- 全栈与后端服务:TypeScript、Python、Next.js (App Router)、FastAPI、Node.js、PostgreSQL、D1 (Cloudflare)
- 基础设施与工程效能:Docker、Cloudflare Pages / Workers、Vercel Edge、GitHub Actions CI/CD、Linux / macOS
- 多媒体与交付自动化:
python-pptx、ComfyUI / Stable Diffusion / LoRA、FFmpeg、Pandoc
- 欢迎就 AI Agent 架构设计、H 6E39 arness 工程实践、智能体测试门禁以及企业级生成式 AI 落地 开展技术交流与合作。
- 📧 Email: slicesarah8@gmail.com
- 🌐 GitHub: github.com/ameureka