让想法变成作品,把过程追问到底。

从自研 Auto 到异构 Harness 协作,
我关注真实需求、执行链路与用户体验。
用作品、失败和具体变化,解释架构选择。

这是公开作品集,不是军团在线工作台。
可用作品、私有源码和尚未交付的公网服务,分别说明。

CLAUDE OF LEGENDS 实战与缺口真实画面 · 2026.10.13
已经有的

原作品续改,
同伴意见真正被采用。

还没证明的

稳定胜过最强单家,
更省钱、用户持续回来。

工程取舍

有上限地继续验证,
不为“军团”而扩军团。

先认清谁在里面

军团不是一个模型,是这些工作台按需合作。

特点、组织与实际效果 ↗

上面是9个内置执行入口;另有19条外接执行登记和10条工具/平台登记。38是登记入口,不是38家独立公司,也不是38家当前在线。

Auto目前是工具库;Grok Bot重建版是平台。Prime、Penguin存在同源入口。名册依据9月29日源码快照,运行与交付证据分别说明。

迭代先看改变,再看解释

这几个月,真正值得留下的是六次转变。

从搜索答案,走向能接着做、能借力、能操作软件的作品。每一步都对应问题、动作、结果和没过关的地方;不是一条只报喜的升级曲线。

点一个节点,往下看

不是收到了同伴意见,而是作品真的改了。

卡在哪里
别人发现问题,如果只存一条回复、原作者不续做,用户仍拿到旧问题。
改了什么
让具体观察和失败现场回到原作者,再看原工程有没有采用和实改。
留下什么
同一赛车视角的招牌朝向、维修区辨识有真实前后变化;不是新生成的效果图。
还不能说
这证明有限作品的反馈被采用,不证明自动选优、所有成员净胜或长期群体进化。
同角度 · 改前
同角度 · 改后
01我的 Harness 架构判断 · 2026.10.15 更新

智能留给执行者,
连续性做进系统。

我的技术主线,从自研 Auto 自主用工具,走到连接完整的原生 Harness,再走向围绕同一作品的持续协作。关注点不是“接了几家”,而是哪一个断点让好模型也交不出好结果。

我负责问题定义、架构取舍、源码研究和验证设计;原生成员负责具体制作与返工。成熟开源底座、资产作者、操作员介入和未证实的收益,都保留来历。

模型推理与生成不是完整交付系统
Agent / Harness围绕目标实际执行工具、循环、上下文、会话
专业工作室保留领域原生方法工程、资产、预览与试玩
Meyo 底座接通现场与协作授权、版本、回执、成果、恢复
01 / 架构边界

不再给模型加一个“总大脑”

历史尝试里,多一层裁判有时反而把已有答案丢在收尾。我的取舍是 context not control:权限、取消与隔离由系统管;方案、研究深度和返工路线由执行者根据目标与证据判断。

看代码中的职责划分 ↗
02 / 能力接线

有工具,不等于用得上

10 月 14 日的真实报告任务先卡在身份检查和空参数。没有关沙箱,而是接入明确授权的宿主动作、修好参数传递;原成员随后取得工作室意见,真的改了原报告。

看这次闭环,而不是安装清单 ↗
03 / 持续工作

交接的是工程,不是几句话

同一用户、项目、执行、原生会话与成果版本要准确关联。完整事实可以持久保存,调用只拿相关索引;换一家接手原工程,不冒充跨格式无损恢复同一个会话。

看原工程交接与失败现场 ↗
04 / 体验判断

新版本不是自动晋级

画面泛白、实体消失、候选回滚都保留。最新源码、磁盘构建、真实截图必须对上;研究和复用只有落实成用户能感知的净变化,才算改善。

看游戏原图、回滚和缺口 ↗
05 / 实验方法

比较一件合格成果的全部成本

先用足单家的原生能力,再比较协作是否补上缺口。失败、重试、工具与人工救场一起算;累计解题账不拼成同条件成绩,局部案例不包装成普遍胜出。

看历史实验与反例 ↗
06 / 产品方向

从“看一个作品”到“接着把它做好”

社区是发现共同目标的地方,工作空间保留自己的版本与资产。加入协作、派生副本和公开作品是不同决定;关系来自真实贡献,不来自 AI 自述的热闹。

看社区与私有云的完整思路 ↗
局部实证 · 10.14—10.15

这一次,同伴意见没有停在另一份回复里。

原生 Codex 制作源码对照报告 → 用户指定 OhMyGame 复核 → 原作者核对并采用意见 → 更新同一 Markdown / HTML → 真下载与原文件逐字节一致。

切到固定常驻版本后,同一原生会话又完成首屏阅读顺序修改;刷新能恢复五轮历史,失败回合仍如实保留。证明的是这一条文本/源码协作,不是游戏品质或自主选出最佳工作室。

实际变化删去无证归因
原报告得到修订
原生连续性同一会话
重启后继续
独立验读真实页面下载
文件字节一致
展开我的完整判断:为什么这样设计,哪些还需要证明

把智能留给原生 Harness,把连续性做进系统

我的架构判断:少替模型做决定,多保证它能把事情做到底

我做这项工作的起点,是反复遇到一种落差:助手说完成了,用户却没拿到能用的东西。可能是按钮不能点,也可能是答案已经生成却在收尾时丢失,或下一轮换了执行者,原工程和人的修改都没有带过去。

这让我从“怎样再造一个更聪明的 Agent”,转向另一个问题:怎样让已有的优秀执行系统保留本领,并围绕同一件作品持续工作? 我关注的不只是调用模型,而是输入、工具、执行、交接、采用和用户使用之间,哪一段真正接上了。

1. 模型、Agent、Harness、工作室与运行底座,不能混为一谈

在我的设计里,模型提供推理与生成能力;Agent 是围绕某个目标工作的实例;Harness 是承载它的执行系统,包含循环、工具、权限、上下文、会话和恢复。“子 Agent”描述委派关系,不代表能力较弱,它也可以由完整 Harness 承载。

工作室则可能拥有自己的专业流程、多个执行者和原生状态。向它委托一个明确范围的任务,不等于把它拆成普通聊天接口,更不应该由两套系统重复指挥同一份工作。

Meyo 这层运行底座要统一的是目标、工程、授权、委托关系、成果版本和事实记录,而不是各家的全部内部实现。原生系统保管自己的会话与执行历史;平台保留准确关联,让需要帮助的成员能找到工具、拿到材料、收到真实回执。像接通不同车间:统一工件和交接单,不要求每个车间换成同一台机器。

因此,工具后端不应冒充答题成员;登记、安装、可执行、完成任务也必须分别呈现。

2. 从自研 auto 到开放协作:留下能力,收回“总大脑”

技术路径经历了固定流程、自研 auto 自主使用工具,再到连接成熟 Harness。auto 留下了搜索、文件处理、脚本执行、来源核对与连续工作的积累;但让同一个内核兼任执行者、规划者和最终裁判,维护面会不断扩大。

历史复盘记录过一个反例:模型已经写出答案,后续检查和收尾却把它变成了空结果。外部监督也未稳定兑现预期收益。这些是历史实验观察,不足以否定所有评审方法,却足以让我放弃“再叠一层判断,就一定更可靠”的直觉。

我的取舍是 context not control:安全边界可以硬,质量策略应该回到任务和执行者。 权限、取消、进程回收、资源与版本冲突必须由系统约束;设计方案、研究深度、是否求助、怎样改善作品,则应由成员根据本次目标与证据决定。

这不是取消验证。检查发现要带着原材料、具体失败和可操作的工具入口回到作者,让它继续处理,而不是只在最后发一个总分。用户要求不能被偷偷降低,外部材料也不能借“上下文”获得额外权限。

3. 工具接通的证明,不是返回成功,而是原作品真的改变

工具有目录、有名称,甚至返回“完成”,都不等于它执行了所需动作。我把能力借用分成三种:能独立完成的直接调用;依赖原生状态的委托原 Harness 或工作室;确有接口或复用需要时,再研究有许可的源码。读过源码、借用成功、学会方法,是不同结果。

对源码理解,我的判据也不是生成一张全仓地图,而是能解释一个具体机制:由谁触发、哪项配置启用、状态归谁、失败和取消怎样传递、结果如何回到用户。索引负责带路,源码和运行证据负责证明;用最小反例检验解释,足够支持当前修改就停,不为“彻底理解”无限扫描。

2026 年 10 月 14 日的个人运行验收,提供了一条具体证据链。 操作员选择原生 Codex 执行报告任务,用户指定 OhMyGame 工作室参与专门复核。初版报告的归因被指出有问题后,原成员需要读回审阅意见并修改原文件。

途中出现了两个真实断点:原生 shell 无法完成工作室的进程身份检查;工具参数描述过于空泛,成员反复提交空参数。修法不是删除检查或关闭沙箱,而是把获准的宿主动作交给受管 MCP 调用,并明确参数传递方式,保留原校验。

记录显示,修后成员真实传入文件参数、接续工作室审阅、核对意见,并修改原 Markdown 与 HTML。切到固定版本的常驻服务后,另一条阅读反馈仍沿同一原生会话更新原报告;新版 Markdown 经浏览器下载,与成员原文件逐字节一致。

这一单证明了委托、意见采用、原会话续作和文件取回。它没有证明自动选出了最佳协作者,也不是新游戏制作或多人云服务的验收。真正有价值的变化是:帮助不再停在另一份回复里,而是回到了用户正在使用的作品。

4. 连续工作要保住工程,不只是保住聊天记录

项目、对话、一次执行、原生会话和成果版本各有作用。相同会话编号不能单独证明续作成功;下一位执行者还得拿到实际工程、当前版本、依赖、人工修改和未完成事项。

交接回执还要拆开:已保存、已送达、已消费、已应用,不是一件事。断线或超时后先查原执行,不能盲目重派;旧执行晚到的结果只保留为观察,不覆盖新负责人的版本。换负责人转移的是执行责任,不是作品所有权。

我倾向于完整保存获准保留的事实,运行时只发送相关索引和可读回的原文引用。压缩的是每次传输,不是删掉证据。同家继续与跨家接手也要分开:前者可能恢复原生会话,后者可能是在新会话里接过原工程,不能称为跨格式无损迁移。

并行开发同样不是“多开几个窗口”:成员从共同基线进入独立写入空间,由明确的负责人读取真实差异、处理冲突并集成。单个分支失败要保留,不能用另一个分支的成功覆盖它。

版本采用则是另一项决定。历史 3D 作品记录中,接力成功后画面反而退化;引入更新资产的尝试也出现实体不显示。更新不等于更好,执行成功不等于应该采用。 我的设计是把稳定成果和候选修改分开,验证后按授权采用,保留可恢复的旧版。代码回退不能被夸大成付款、外发消息或数据库副作用都能撤销。

5. 用真实旅程和全成本,回答协作到底值不值

历史材料中的聚合、投票和路由实验,并没有共同支持“人越多越强”。一次调度候选虽然提前启动后继任务,总耗时仍更长;另一次候选更早结束,但对照没有完成同样的工作。这类结果能帮助定位机制,不能直接包装成普遍提速。

我的基线是先用足合适单家的原生能力,再看补位是否减少缺口。简单文字任务可以直接回答;专业交付要能打开、编辑或执行;复杂项目才按实际需要展开协作。比较时必须保留相同输入、工程和资源约束,算上失败、重试、协调与人工救场,不能把对手的能力剪掉后宣布获胜。

质量也必须回到用途。历史太阳系任务曾把交互作品续成静态图片,画面变了,却丢了用户要的体验。后续回原工程保留交互再补内容,才是沿原目标改善。网站能加载、文件存在、测试通过,都不能独自回答作品是否好用;参照应帮助作者理解具体差距,而不是成为固定闯关清单。

成本账同样如此:我关心的是每件被接受且实际使用的合格成果总成本,包括模型、工具、计算与存储、失败和人工,以及按真实复用次数摊销的准备维护费用。首次有用内容、首次可用作品和再次继续的时间分别观察;低 token 单价不等于低交付成本。

跨系统委托不能重置总预算;保存、索引、脱敏、转换与兼容维护也有成本。费用缺测应保留未知,而不是记成零。

6. 社区与私有云:让作品成为下一次行动的起点

从内容生产走向作品协作,我保留下来的产品判断是:让社区看起来热闹,不等于别人真的获得了能力。更值得验证的方向,是让人从可体验的作品发现用途,再决定独立使用、加入贡献或提出自己的目标。

社区是发现共同工作与成果的地方,画布是处理同一项目的工作视图。关系应来自真实行动:谁提供材料,谁修改,谁验证,哪些贡献被采用。复制一份自己的版本不等于加入原项目;调用过某个 AI,也不自动成为有效贡献。公开作品、共享方法和使用统计需要分别授权。

作品入口也应把“源码参考”“外部体验”“平台内可运行”分开,标清来源版本、所需账号和实际访问范围。有链接不等于已托管,地址能打开也不等于获得修改权限;授权发布应绑定一份冻结快照,后续私有修改不能悄悄改变公开内容。

私有云方案因此要分清五种对象:来源作品、固定的可运行版本、用户私有项目、应用运行实例、Harness 修改会话。可以共享经过验证的只读基础,但用户数据、凭据和写入不能混在公共演示里;持久的是用户资产,计算可以按需启动和休眠。普通使用已有作品,不必每次重新调用 Agent 生成代码。

这是后续产品方向,不是已经交付任意仓库托管的声明。先从一件有真实使用人的成熟作品验证“试玩—自己的版本—有效修改—回来继续”,比铺满模板和成员名单更有意义。会话历史适配工具可以帮助交接,但不能替代工程、素材、数据备份和运行隔离。

7. 我愿意用什么证明下一步

目前可明确展示的是上述个人实例中的报告交付与续改;旧作品演进和协作记录提供局部观察。多用户私有云、跨任务方法复用、同质量降本和持续用户收益,仍需要各自的证据。

我希望下一步留下的,不是更多“已接入”徽标,而是一条别人能追问到底的链:原始需求是什么,哪里失败,为什么这样改,原作品怎样变化,用户是否采用,还有什么没解决。 方法只有在另一条真实任务中再次被采用、产生净改善,才值得称为积累;若协作不划算,就保留单家。

↗看作品、看代码、用服务,是三件事

能打开哪里,直接说清楚。

公开可读

这个作品集

你正在看的就是对外展示站。可看真实截图、版本原因、失败与架构理解;部分静态作品有独立地址。

浏览作品与文件 ↗
已迁入个人主线

军团代码

个人仓库主线已合入 2d81afb。公网服务与内部仓库分开维护,后续改进持续同步到仓库。

军团代码仓库 ↗
公网服务尚未交付

真正使用军团

本机已有真实任务、反馈修改、下载和恢复证据;独立 HTTPS 服务与访客身份尚未部署验收。这里不放本机或公司内测链接冒充体验地址。

看下一步交付范围 ↗

设备同样按实际环境说明:文件工作区、云桌面、云手机不是同一状态。历史屏幕只证明当时的有限任务,不代表当前访客可以控制设备。

02真实作品与变化

先看作品,再看结论。

这里没有新生成的“效果图”。只有已有成品、真实截图,和仍未做好的部分。

下载作品材料包

交付物在这里,点开就能看。

先选“在线体验/观看”,或把成品、源码下载带走。下方再看截图、前后变化与原因。这些是个人主页上的独立作品地址,不是公司内测登录页。在本地打开这份报告时,相对链接也会打开随包文件。

10.18 操控修正版 · 首版保留
新作品 · 单人3D骑行演示

PELICAN COAST RIDE · 鹈鹕骑车

制作来源与当前不足

首版由军团 Codex+Kimi K3 制作,复用 Three.js。本轮操作员修正左右方向、手机触控布局、竖屏取景与失焦恢复;不是Jev自主返工。美术与长局体验仍需打磨。

看来源、验证和下一步 ↗
10.12批次 · 10.13对局实测
完整前后端工程 · 测试版

CLAUDE OF LEGENDS · MOBA 对战

10.18 核对:主线 9687111;静态前台 f63e0e1。旧对局截图继续保留。

版本与使用说明

10.12批次MOBA工程(10.13冻结/实测):相同版本在独立完整 Node 后端上,经真实浏览器操作进入了在线对局(游客客户端+机器人,非多人跨电脑完整对战验收)。角色美术、技能效果、自然胜负、多人对战未全部验收;部署文件不等于已部署成功。构建与署名文件已保留。GitHub Pages 托管的是静态首页与大厅(完整联机对局需运行 Node 后端,见仓库 GITHUB_DEPLOY.md)。

旧实拍 · 原工程新增撤销
原项目AI续改

2048 · 新增撤销

版本与使用说明

可看原工程新增的撤销能力;不是任意GitHub项目都已可托管。

点词语选择观察对象
看连线理解关联
切场景对照变化

操作示意 · 没有可复用的独立实测截图;点下方进入原互动图解。

可操作讲解网页

Transformer 互动图解

版本与使用说明

可点词语与切换场景;原解释已做具体修正,全文科学性未全面复验。

旧实录画面 · 非在线联机
对战实录,不是在线PVP

AI 对 AI Pong

版本与使用说明

这是另一条旧GIF比赛录像任务,不再拿它代替上面的3D对战。提供原脚本,不冒充现在能联机。

原片帧 · 56.3秒独立口播
另一订单的成片

56.3秒独立口播

版本与使用说明

与概念先导片不是同一单,不能拼成同一任务的一条成功曲线。

原图 · 单件图片生成
1024×1024原始图像

赛博大象

版本与使用说明

真实生成的单件图片,不是本次新画,也不是全家审美水平证明。

本次核对入口与文件,不把HTTP可达、旧录像或源码下载当作新一轮试玩通过。交互作品只在你点击后打开;不同时在报告后台运行多个3D场景。

2026.10.18 · 操控修正版

鹈鹕骑车:同一个题目,军团自己实现。

以公开的“鹈鹕骑自行车”需求为同题参照。军团原生成员实际写出角色、单车、海岸、骑行动画与交互,再在原工程上修改。复用的是 Three.js 引擎,不是把参考作者的整款游戏改名。

首版的左右方向错误由用户实玩发现:旧验收只看“数值改变”,漏了“按左真的向左”。本轮由操作员定点修复,并用实际键盘/触屏重验;新增窄屏取景和可触摸恢复按钮。明确记录人工修正,不把它包装成军团自主进化。

可体验,也把不足留下。

  • 本轮已修:A/←向左,D/→向右;触控键不互挡,竖屏可见骑手,静音/画质可点,切出后清键暂停并可点按继续。移动端采用浏览器模拟,非全部真机验收。
  • 视觉差距:主角偏暗、场景平面化,尚未达到期望的美术质量。没有把发布成功当成品质通过。
  • 仍待推进:角色与场景审美、抓鱼反馈和长局节奏、音频/真实手机兼容性。原军团隔离预览的存储权限问题也未因本次静态修正而消失。
原订单的新工程与旧实验,放在同一条时间线上

游戏最新进展:先看真实对局,再看验证与回滚。

旧单文件3D实验继续保留。后续复用完整MOBA工程,有10月13日的后端对局证据;10月14日有源码修正和工作室接续,10月17日主线又合入部署改动。GitHub代码入口与静态首页已接回本页,但不等于多人联机和新画质已验收。下面保留历史截图,最新主线单独标明,不拿旧图替新版本背书。

补全与更正:以前检索范围太窄,漏掉了已经做过的太阳系、AI对战与较完整视频。这次找回原工程、原截图和原视频,直接展示;“找回文件”不冒充新做出作品,也不把旧验证替代今天的品质验收。

点一个节点,往下看
同一原始需求 · 不同工程阶段
10月13日iyVsth2C实际对局画面,Sylra及完整HUD可见,角色仍有蓝绿色平片问题
实战截图 · 2026.10.13 · iyVsth2C
真实对局,不是选人卡

从单文件演示,走到有前后端的工程。

后续复用 Claude of Legends 工程,保留来源与原作者署名。已有一次真实游客通过完整后端排队、补机器人、选择 Sylra 并进入对局。

仍然看得见的问题:角色主体偏暗、蓝绿片状部件突出;技能、购买装备、自然胜负与跨电脑多人体验没有全部验收。

“10.12”是交付批次名。这份包的冻结与所示实测发生在10月13日,不把旧图改成10月14日新画质。

游戏前台页面不等于联机后端已上线;没有在这里承诺朋友已能完整联机。

工程主体与部分素材在开源项目基础上复用、修改与返工,资产署名与条款见作品内 CREDITS。

先点作品,再点阶段。完整动作链、角色、版本和限制可展开;不把图好看当世界级证明。

展开同一订单的全部动作、版本与原图

3D对战:同一份工程,有改善,也有真实退化

这款原作是 RIFT OF LEGENDS,同一产品订单从原Hermes会话恢复,之后有CC与JCode接力。目标是带英雄、小兵、防御塔、地图与游戏内UI的完整对战,而不是 Pong 录像。原始英文意图要求与既有MOBA相当的地图和画面,后续反馈明确了3D方向。

**公开体验副本使用中性名称 RIFT LAB。**为不把来源权利尚未核定的角色肖像和专有命名直接带入公开游戏,分发副本替换了五幅人物图、展示名称与指名徽记;保留原战斗逻辑、地图和操作,原工程未改。下面都是原版的历史截图,不是该分发副本的新运行截图,也不把这项分发调整算成画质优化。

同一订单的阶段 机制/现场变化与成员实际动作 作品结果与不能混淆的部分
原现场接回,0569 恢复已有文件和原生历史,让原Hermes继续,不从空目录重做。 有3D版本和局部操作记录;平台收尾还出现回执问题,不能说全流程顺利完成。
原作者连续修画面,0569 → db407 → f9a4 → 926 真截图回到原作者,随后修曲线、HUD、缺字、地表和塔的细节。 是原作品上的局部提升;不能给每次美术改动虚构一个“平台机制升级”原因。
接力成功但画面变差,926 → 8d41 私有调用方补齐现有网关和原生工具接线,CC接到同一工程。 能运行不等于更好看:真图出现明显泛白。换了原生工作台,也不是原Hermes同一native SID。
真反例反馈后修回,8d41 → b97 泛白原图返给同CC,作者自己回退/重调渲染与配色。 道路和玩家可读性恢复;图能证明视觉变化,不能单凭两图认定唯一底层根因或整局胜负通过。
运行机制减少拦路因素 后续修复真实反馈送达、任务ID与角色混用、研究默认墙钟、资料索引误判等;相关原单有后续工具动作。 这些是源码与记录支持的运行改善,不倒写成此前截图变好的原因,也没有证明每次协作都更快。
正常开局发现实现bug,d427 → 6f23 两次初始化曾让24只怪挤到12个坐标;JCode在同一工程修初始化。 旧记录显示12怪/12位置,玩家攻击让目标生命值下降;同版自然复活后身体仍不可见。这个bug不能归类为上下文问题。
最新资产实验又退化,6f23 → 8406 尝试引入新GLB、解析和动画绑定。 旧实测中出生/复活实体没画出;软件预览的“飞跃”说法被实际截图限制。新素材来源未在本次完全核清,不把这版作为默认公开二进制。
同一原3D对战较早版本的既有画面
0569 · 原工程恢复后的3D画面;早期UI与地表较粗糙。
原3D对战926版本的既有可读画面
926 · 原作者持续返工后的画面,不是多个答案拼接。
CC接力8d版本出现明显泛白的真实失败截图
8d41 · 接力能运行,但画面泛白;真实退化保留。
泛白反馈后b97版本恢复可读性的真实截图
b97 · 真失败图回作者后修回可读性;不等于整局通过。
6f版本出生时英雄可见的旧截图
6f23 · 出生可见、攻击有记录;自然复活仍缺身体显示。
840最新资产实验中实体未正常显示的旧截图
8406 · 最新不等于最好;新资产实验中的实体缺失。

**同一订单不等于同一模型、同一原生会话或相同预算。**当前固定地址默认打开最近有出生与攻击证据的演示分发副本,可回看早一版;更新时只更换当前版本指向,不换分享网址。原任务还在迭代时,不把“新请求已启动”说成“又一轮修好了”。完整自然胜负、胜后重开、五英雄全部准确机制与顶尖品质仍有缺口。

太阳系:一次“加星尘”,为什么曾经变成一张静态图?

**原需求没有变:**用户要的是可拖拽、可缩放、可点击查看天体信息的太阳系。后续只是希望增加更多天体、银河和星云,保留原来的交互效果。

同一 HELIOS 订单的阶段 系统与军团实际发生的动作 用户拿到什么、还缺什么
原交互工程 CC完成研究、样片与实现;后续检查原场景的拖拽、缩放、卡片。原任务的交付要求明确是网页与源码。 有可交互的3D太阳系。下面左图是这个订单增强前的真实截图,不拿另一个八星订单冒充它的前版。
用户说“增加银河与星云” 同一会话的下一轮却把交付要求改成图片;任务之间又出现循环依赖,多个节点未执行。Codex补救交出了PNG。 得到宇宙静态图,但原来的交互没有继承。这个失败首先说明续作现场与交付形态被误解,不能归因为“模型不会做星云”。
用户指出“我是说原来的交互效果” 后续问题重新带入“在上一轮工程上迭代、保留拖拽缩放和信息卡”。CC修改原工程,DeepSeek补科学资料说明,Prime检查运行。 恢复交互并加入矮行星、卫星、小行星带、柯伊伯粒子、银河和星云层。旧记录中22个标签可打开卡片。
仍然需要继续改 Prime的旧截图验收指出银河和星云几乎不可辨认,软件WebGL压力测试也偏慢。 粒子带真实可见,不等于“星云品质已顶尖”。这次恢复发布的是这个增强原构建,没有另造一张更漂亮的效果图,也没有重跑新验收。

机制上得到的教训:“加一个效果”必须连着原作品、已有操作和新增意图一起理解;阶段失败、补救产物与真正恢复都要送回原负责人。**但这份旧记录没有证明之后所有订单都已自动继承现场。**不能把用户重新解释和人工保全的工作,包装成一次无干预的机制成功。

下面前后图来自同一 HELIOS 订单的原验收。页面曾经默认展示的“八行星·轨道档案”是另一个订单,仍可从版本列表打开,但不把两个订单拼成严格A/B。

同一HELIOS订单增强前的原太阳系全景截图
增强前 · 原交互工程,未加入后续小天体与粒子带。
同一HELIOS订单增强后的原截图,可见小行星带与更多天体标签
增强后 · 22天体标签与粒子层;原验收仍指出星云不明显。
打开固定太阳系体验地址 ↗

赛车:不是让两家各做一份,而是让补位真正改到原工程

同一 TIDELINE 订单的原作者已经有驾驶基础,但道路与车体支撑、模型落实、比赛循环、招牌与维修区仍有问题。直接的作品修复和军团协作机制应该分两层讲。

阶段 具体问题与对应动作 实际变化与证据边界
把作品本身做好 原作者处理道路与车体支撑、实际车模和比赛闭环。 这是原工程上的实现改进,不能把所有视觉问题都叫“Context问题”。
求助后反馈没回来 既有协作路径曾丢失拒绝/失败回执,恢复状态也有断点;修复的目标是把真实结果送回原负责人,让它决定下一步。 收到失败信息之后可以重新选择帮手;这与在外层投票拼答案不同。不是每种失败都已修好。
同伴意见被采用 同伴指出招牌背面、维修区辨识、阴影与焦点等具体问题,原作者在同一工程返工。 本页同角度前后截图展示招牌与维修区的实际变化;相关成员使用同一Astra模型,不能说异构模型协作已被证明更优。
后续完整度继续提升 9月22日保存版有日落赛道、比赛信息及影子车等;旧操作记录完成一圈。 44.058秒是测试圈时,不是生成速度;整轮仍有约4小时28分超时,不能称世界级或零人工。

另有较早的受控恢复实验,原链352.95秒完成、候选370.33秒部分完成,是必须保留的负例;另一对原链236.20秒未完成、候选158.58秒完成三项,是限定正例。这些不是 TIDELINE 截图的同一场实验,不能把“恢复有效”的数字贴到另一幅更好看的画面上,拼出不存在的因果。

同一赛车视角的改进前截图,左侧招牌朝向与维修区辨识有问题
原作者收到具体问题前 · 同角度原截图。
同一赛车视角的改进后截图,招牌与维修区更清楚
意见被采用并改回原工程后 · 不是重新生成的效果图。
看详细变化和原游戏 ↗打开当前赛车 ↗

其它交付物,也要按原物说明变化

  • **Transformer图解:**角色解释、两种语境对照和手机阅读分别修正;本页直接嵌入真实修正版。旧截图临时路径已经失效,不伪造一张“改前”图。
  • **2048:**从真实原仓库导入,在同一工程增加单步撤销,再检查棋盘和分数是否恢复。源码和实际页面都能带走,不只看按钮截图。
  • **视频:**35.2秒原片与修订版可以直接比较,56.3秒口播属于另一单;音轨和字幕、视觉节奏、完整工程可重建是不同要求,不能跨订单合并成一个成功故事。
  • **AI对AI Pong:**保留原任务要求的GIF、实录与脚本;它是独立的历史录像任务,不再用来顶替上面的3D对战。

**证据缺失就写缺失。**新图可以解释想法,不能伪装成旧运行截图;文件在线可取,也不能替代真实试玩和完整体验验收。

太阳系原作、旧截图与完整说明
恢复的原作品 / 3D交互

HELIOS · 星尘太阳系

固定体验地址 · 原增强版
原来要什么
保留太阳系拖拽、缩放和信息卡,继续增加更多天体、银河和星云。
实际有什么
5颗矮行星、9颗代表性卫星、主小行星带与柯伊伯粒子,以及银河/星云层;旧记录中22个标签可开卡片。
真正的教训
同一订单加效果时曾误交静态PNG,用户纠偏后才恢复交互。原需求和原工程必须一同带到下一轮。
仍未证明
星云旧实拍不明显,软件WebGL性能有风险;比例压缩、非精密星历。不是“时间最新就质量最好”。

原太阳系链接不变,内容更新时仍从这里打开。版本列表可回看旧八行星原作。当前增强bundle是原运行代码,原app.js未同步,不能称完整源码重建已验证。

Pong旧实录:这是另一条录像任务
恢复的原作品 / AI对战实录

AI对AI Pong

原任务比赛录像
原来要什么
左右两个AI挡板打一场到5分的比赛,交付GIF。
实际结果
FOLLOW AI 5:2 CHAOS AI。原GIF为611帧、38.25秒;这里仅把原GIF转成方便播放的MP4。
合作证据
旧记录中CC路由失败后由Hermes继续。这说明特定任务能补位,不证明多家普遍更强。
边界
这是独立的历史AI比赛录像,不是双人在线游戏,也不是上面的RIFT 3D对战。两条订单分别保留。

没有重跑对战、没有新模型生成。旧比分JSON写765帧,与GIF优化后的帧数口径不同,保留差异不编补过程。

海岛赛车:滑动对比、原游戏与完整案例
作品 01 / GAME

TIDELINE 海岛驾驶

原工程持续改进的真实案例
9月21日返工后:左侧维修区建筑与正向招牌清晰可见 9月21日返工前:左侧招牌背面对着驾驶视角,维修区不明显 改进前改进后
50%

9月21日,同一视角的真实返工前后。重点看左侧招牌与维修区,而不是把截图当整体质量评分。

作品上的变化

在已有驾驶基础上,把体验继续做好。

原作者修道路与车辆支撑、落实车模,加入比赛闭环。同伴提供实际反例后,作者改招牌、维修区、阴影与焦点。

协作上的变化

不是几份答案拼在一起。

请求帮助 → 读回对方结果 → 改同一个工程 → 再检查。两家使用同一Astra模型,不夸成异构模型的群体优势。

仍有真实差距

最近整轮约4小时28分仍超时。44.058秒只是测试圈时;美术、手感、手机布局与速度,均未证明世界级。

9月22日保存的原作品,已随个人主页公开托管。点击后使用键盘;这不是公司军团后台的私有任务地址。

作品 02 / 原工程续改

不是重新做,是把我的项目改好。

导入真实GitHub工程,让AI加“撤销上一步”,验证棋盘和分数恢复。后续预览、采用、回滚和源码取回都有本地记录。

之前 只有原版 之后 在同工程里加撤销

一次续改约115秒,其他轮次有失败;不是任意GitHub仓库都可一键托管。

作品 03 / 交互讲解

把讲错的内容改对。

上面就是原交互HTML,不再用“示例图+再点一次”挡住。可在框内滚动、点词语看注意力,也可完整打开。

原图把追球小猫说成被追者,缺水果/公司对照,手机文字太小。返工修正解释、场景切换与窄屏阅读。

之前 解释与场景有误 之后 修正三项具体问题

这是9月19日修正版。旧图临时路径已失效,不伪造前后截图;全文科学性与速度未全面验证。

作品 04 / 图像成品

不只给一句“画好了”。
把原文件交到手里。

这是实际生成、下载并在刷新后恢复的原始PNG。没有虚构前后版本,也不把几秒的页面补验说成生图速度。

文件
1024 × 1024 PNG
原生成段
约197秒
证明范围
单件图像交付,不是全家能力或世界级审美
下载原始PNG
恢复的原作品 / 视频与修订

视频直接看,不再藏起来。

原片、修订版与独立口播分开
35.2秒|B站概念先导片修订版

同kb-final-v2原目录的后续修订,1080p、有音轨。片中画面明确为概念演示,不能当正式产品实测。

56.3秒|独立B站口播成片

来自另一条systemic-proof任务,1080p、有音轨;制作记录说明有原生动态片段、旁白与字幕,但首屏与结尾仍未达世界级。

下载口播成片 ↓
视频原来哪里差、后来改了什么?
为什么原来显得差

旧展示只挑了8秒无音轨测试,还把播放器折叠;原视频也有信息卡静态感、字幕时长和开场识别问题。

实际改了什么

35.2秒修订说明记载:卡片改为连续动作与反馈、新增音乐/事件音、修正字幕越界和封面安全区。这里给原片与修订文件,不靠文字代替对比。

仍欠什么证据

新复核确认文件完整解码和时长,并不等于审美、叙事或真实用户认可;56.3秒是另一单,不能拼成kb-final-v2的零失败成功链。

旧测试材料保留,但不冒充主成片:8秒无音轨开场测试(原partial) ↗历史PDF(未逐页验收) ↗旧PDF不作为现实应急决策依据。

有进步,也有明确反例。

已证个案

工具能补位;原工程能继续;同伴意见会被真实采用。

不能外推

多家不一定更好。一次旧链352.95秒完成,新链370.33秒仍部分失败。

真正的改进

实现错就修实现,回执断就修回流。不把所有问题归因于Prompt或模型弱。

功能、案例与上线,不混成一张“全绿”表。

代码有、真实旅程验过、当前入口能用是三件事。本地候选不冒充生产,原有作品不冒充新机制已生效。

能力用户价值已证范围 / 缺口
导入与原工程续改带已有材料开始,不从零重来2048真实导入、撤销;本地旅程,非任意仓库托管
版本 / 采用 / 恢复 / 下载改坏可回退,成果能带走限定项目已验,不等于所有业务状态持久化
私有副本 / 来源 / 贡献分别改不互盖,贡献由原作者采用测试身份实证,非真实社区规模验证
跨成员补位 / 部分并行反馈能回到原作,原负责人继续有实际采用也有超时,非全家稳定或普遍提速
规划与质量自治真正把任务决定权交回原生规划恢复有证;通用改造仍WIP,不能写上线
前端 / 正式后台 / 社区最终应同一入口完成全旅程前端23:03更新,但23:16 API仍Test f9;正式社区整合未全证

查看完整12行功能账 ↗ · Prompt、Context、实现与组织的根因拆解 ↗

完整阅读:所有案例、功能状态、成败因果、反例与体验地址

先拿作品和现场说话,不拿动作量说话

每项按“原需求→具体缺陷→改了什么→实际采用或运行证据→仍不能证明什么”讲。代码存在、测试通过、任务结束、部署Success、用户完整旅程、世界级品质是不同层,不能互相代替。下面复用既有真实记录,本轮编辑网页没有重新生成游戏、视频或跑业务模型。

赛车:实际实现没做好,不能一概甩给Context

原需求是精致车模、小岛、水面、夕阳与雾,WASD探索并真实迭代。早期作品已有驾驶,不把历史说成完全不能玩。但源码里道路曾是细管,车按另一高度放;车模加载被注释而用了方块车。中间版视觉地形0.288米、碰撞支撑4.437米,相差约4.15米,是具体几何、物理和资产落实缺陷。

作者后续落实带状路面、真实车模、固定步物理和比赛核心循环;同伴提供反例,原作者读回后修支撑、阴影、焦点与招牌。2026年9月21日同角度前后图可见左侧反字招牌和不清楚的维修区变成正向标识与建筑;9月22日保存版又增加日落海岸、分段成绩、出发/驾驶提示。不同日期的整体画面是阶段展示,不能伪称严格同条件视觉A/B。

本页保留真图切换、同角度对比、当前保存版原HTML和,源文件指纹可追溯。9月22日21:06—21:08的同版原生浏览器记录完成一圈44.058秒、零罚时,并记录三段成绩和影子车;44.058秒是测试圈时,不是生成耗时,也不是人类手感评分。

最近整轮约4小时28分仍超时,存在外层恢复和保全。手机地图位置、画面组织、声音、手感与速度仍有差距;不称世界级、零干预或所有成员都能同样完成。最新保存版与原源码能继续改,是有价值但有限的事实。

同一赛车的协作:修的是求助回执和恢复,不是投票融合

当作者请求不可调用的auto时,原逻辑未把“未执行”的事实回给原生会话,反而结束作者;外层没有合法恢复却多次喊继续。是协调和失败事实回流断链,不是auto答得差。

修复把拒绝回执落回同一任务,并按正确执行代次恢复;原Codex/Astra得到现场后,自行改找Hermes/Astra,收到真实浏览器结果并读回。另一轮也有Hermes请Codex核画面、按意见改原作。成立的是“借能力→读结果→实际改→复验”,不是几份答案汇总。

两家在这些关键案例中都使用Astra,只能说明不同工作台能补位,不是不同模型互相进化的证据;原作者仍有超时,不能把接力兜底遮住本家病。这与赛车画面是同一赛车订单,不重复计算两件成功作品。

2048:从一份仓库到能看效果、采用和恢复的原工程

用户原目标是“GitHub可以提交,部署后直接玩,再让AI改看效果”。已有本地旅程包含:真实仓库导入本人项目、重复领取不无意造多份、不覆盖用户修改、同工程加单步撤销、验证棋盘与分数恢复、预览、采用、恢复、再采用和源码取回。

本地撤销版与可由本页打开或下载。一次原工程AI续改约115秒;其他轮次有失败、外层验收和不同原生槽,不能剪成一次全自动成功。9月18日撤销版与9月19日后续采用不是同一阶段,不混文件版本。

相邻限定案例还证明了:两测试身份私有副本互不覆盖;选定文件贡献回原作者,由原作者整合采用;Hermes接手Codex工程、加撤销快捷键;同伴返回后负责人确实读全文并续改;部分并行的一份README被采用,原父任务有恢复记录。

这些改善的是重复解释、搬文件、版本选择和恢复负担,但未测得真实用户管理时间减少百分比。测试身份不是市场用户;部分并行不等于两份贡献都成功,更不能说已普遍并行提速。静态预览不等于游戏状态持久化,任意仓库也不保证自动部署。

Transformer:修正具体的知识解释与交互表达

原需求是“用生动例子给完全外行讲注意力机制,配示意图”。原物本来就是互动HTML,不能把它说成一段文字升级成网页。问题是把追球小猫写成被追者、声称有水果/公司对照却缺水果、窄屏文字太小。

根据具体反馈修改解释、两场景切换与局部横滚,9月19—20日已有真实点击、390px阅读、刷新和授权下载记录。本页保留61,508字节修正版及可携带文件包,可按需载入原HTML。

返工使用CC/GLM-5.3,旧模型未核,用了新native会话;约2653秒(约44分钟)不是速度达标。没有跨Harness意见采用的充分记录,不说这一单证明了军团胜出;三个窄问题修好不等于全文科学性通过。

旧/新截图曾在原临时目录有索引和指纹,本次交接读原路径时已失效;当前长期目录的修正版HTML存在。不根据历史hash伪称图片现在仍在,也不重新截图冒充旧版。 本页解释示例明确不是历史图。

赛博大象:真实成品,不虚构一条改善曲线

原生成品为1024×1024 PNG,已有9月20日真实生图、完整解码、授权下载和刷新恢复证据。生成段约197秒,几秒的UI补验不能当生成速度。原图已在本页展示并可下载。

这证明一个图像交付链可用,不证明全成员生图、顶尖审美或协作增益。没有已核前后版本,不为讲故事补造“原来差、后来好”的对比。

行星、对战和视频:找回原物,也纠正之前的漏检

之前不是这些作品都没有,而是检索只停在局部证据摘要,没有把相关原输出目录找全。 9月25日按原Query、会话与文件指纹找回后,必须更新原结论,而不是继续重复“缺资料”的旧说法。

原八行星作品:太阳系·轨道档案历史版是9月7日保存的Three.js八行星交互工程,原请求包含相对周期公转自转、拖拽缩放、点击信息卡和电影感星空。完整HTML、本地bundle、源码、桌面与移动截图均保留。原verify_1_prime终审记录了Chromium file://检查、八星注册、拖拽缩放和信息卡;其中部分卡片内容由测试接口调用,不冒充逐星像素点击。本轮没重跑原游戏;顶层final_result仍为空,节点通过不等于整个收尾链正常。

另一个HELIOS历史订单里,用户要求增加银河与星云后曾只收到静态PNG,追问“我是说原来的交互效果”后才恢复交互。这件事解释了真实失败:把视觉补充当成最终成果,丢了用户原本需要的交互。 后续原交互及22对象卡片有旧验收,但银河星云可见度和软件WebGL性能仍有缺口。现在固定太阳系入口默认显示这份粒子增强原构建,旧八星可从版本列表回看。不同原会话不拼成同题同预算A/B;科学数据为平均参数、尺度压缩,不是实时精密星历。

3D对战已找回:原任务是同一RIFT订单,原Hermes继续后又经历CC与JCode接力;恢复、泛白退化、反馈修回、重复初始化以及新GLB显示失败都有对应原记录。同单动作与前后截图和固定体验入口已放在本页。公开演示是移除未核肖像与专名后的分发副本,不是未经修改的原版,也没有重新继承整局验收结论。

另一条Pong录像任务:9月2日“两个AI挡板打到5分并交GIF”,原结果FOLLOW AI 5:2 CHAOS AI。原GIF、终局图、原比分记录与脚本已保全;页面MP4仅由原GIF格式转换,实测38.25秒。GIF为611帧,旧比分JSON写765帧,保留口径差异。它是独立的AI比赛录像,不是上面的3D对战,更不是双人在线PvP游戏。

kb-final-v2视频:先前两轮空结果与“没有未解决问题”的错误呈现依然是反例,但原输出目录实际上还有35.248秒原概念片与35.2秒修订片。原修订说明记载:将静态信息卡改为连续动作—反馈—结果、加音乐和事件音、修字幕末尾超时、修封面安全区及“40秒”错误描述。已恢复两版MP4和原字幕并核完整解码;视频自己标明“概念先导片/非实测”,不能用其虚拟流程画面证明产品已经如此协作。

独立口播成片:56.3秒systemic-proof作品是另一条任务,1080p、有音轨。制作说明称由8段原生动态MP4、神经配音和字幕剪辑,且明确首屏像编辑中、中段并行不直观、结尾像幕后片场,未达世界级参照。本次只核原文件、元信息、完整解码和原帧,不把“能解码”说成听审、字幕语义或审美全过,也不拿它替kb-final-v2补同单最终成绩。

旧测试单独保留:9月4日8秒无音轨开场测试原结果仍partial;8月平移缩放兜底是另一个历史任务。旧家庭停电指南PDF仍只有文件级证据,未逐页或专业审核,不作现实应急依据。

所以现在可以说“有原物、有同目录修订和具体改动记录”,不能继续说“只有8秒视频”;但世界级叙事、稳定通用协作与端到端闭环仍尚未证明。展示找回和产品能力升级是不同进展。

功能账:哪些已经做、验到哪里、哪些还没做好

功能或机制 用户能感知的价值 当前已证状态 不能扩成的结论
GitHub/文件导入、项目私有副本 带着已有材料开始,不从零重来 B本地候选有真实导入与两身份隔离记录 任意仓库托管、真人社区全面可用
原工程AI修改与候选 看清改了什么,再决定用不用 2048及相邻项目有真实改文件记录 所有项目无损续作
采用、恢复、源码下载 改坏能找回,能把成果带走 本地限定旅程可追溯 业务数据与游戏进度自动全持久化
来源、文件授权与贡献 不互盖,也不把别人的文件随意公开 选定文件贡献、原作者采用有测试身份记录 所有资源免费商用、公开授权默认成立
跨成员接手与求助回流 原负责人能用上他人的实际帮助 Codex/Hermes特定工程成立 所有家都稳定、异构模型普遍更优
部分并行与恢复 独立小任务可补位,原作继续 一份贡献采用及父任务恢复有记录 完整多负责人并行提速已证
原生成员与共享工具入口 不用自己重接每套工具 部分原生入口和真实借能力链已验 工具目录数等于可正确使用的能力数
规划配置传递修复 同一请求能回到真实规划 B有同单规划返回记录 用户一句话成品链已恢复
通用质量自治 研究和返工方法交回原生主体 用户已批准,B仍有未提交WIP和未完成验证 已上线、全量通过或六类质量保证
测试前端 用户能进入新的登录入口 A记录9月23日23:03:41 c275/75336487发布,HTML与JS匹配包并真点登录、刷新 前端新包等于后台新生产版
正式后端与原会话文件 迁移后已有记录可继续取回 A在9月23日后续协作消息报告程序96de840/包75332395、稳定分支头5f425851;本页按负责人回报记录,原会话/原文件旧限定验收与新包全量验收分开 所有B功能都在生产、主站全旅程全能力可用
正式社区及发布 发现、派生、续改、传播在同一产品 服务与参考前端已先行,正式Mars整合未完整证明 本站本地报告就是正式社区成品

源码用于理解机制,trace与真实操作用于解释它在该单是否生效;没有当单对照,不把“代码里已修”外推成所有历史作品已变好。

到底是Prompt、Context、bug,还是组织问题

不是选一个万能答案,而是沿真实链路分类:

  1. 作品实现问题:几何、物理、资产、解释和交互错了,就修具体实现。把问题交给模型不等于模型一定能改对,要看原作变化。
  2. 上下文与观测问题:原始意图、资料、工具入口、同伴全文或失败回执没传到,先补事实,让作者能判断,而不是外层替它写答案。
  3. 执行与恢复问题:调用根本没执行、错误结束、代次恢复不对、环境不通,修运行机制并重放原旅程,不能冒充换强模型就好了。
  4. 组织问题:不知道谁负责、同伴交了但作者未采用、同题重复跑、结果被融合丢失,需明确原负责人和产物关系;不是强制更多角色或多数投票。
  5. 写死质量控制的问题:固化工序可能带来等待、上下文税或错误否决,但只有源码与当单trace的因果绑定才可解释具体失败;当前不能据此领取所有案例改善的功劳。

我们的通用杠杆是保原工程、保真实事实、让反馈回到正确执行者、让缺工具时可借能力,并把下一步决定权留给原生助手。不是给每个领域定制一套Prompt,也不是无限循环直到看起来成功。

证实、证伪与未证明:正负结果一起展示

假设与证据 本轮判断 限定
同一工程可以持续修改、采用和恢复 有局部实证 真实用户负担改善量尚未统计
不同Harness可以把意见真正用在原作品 有特定个案实证 同Astra案例不是异构模型优势
叫更多成员必然更好 已有反例,不成立 9月15日旧链352.95秒完成,候选370.33秒且部分失败
恢复和调度改进能救回某个中断任务 有受控正例 旧链236.20秒未完、候选158.58秒完成三项;工作量不同、同Hermes同模型、组合干预,不报等工作量提速33%。最终独立审计还发现A的重置转向归零未通过;B的10.9秒恢复段是已写文件的读回复核与收尾,不是该段才生成
规划传输修好就代表成品更快 不能成立 一次86.512秒无首输出超时;另一次18.211秒首输出、145.314秒完成的是计划,不是作品
多答案融合、投票就能保证质量 历史项目记录已有负例,不作默认机制 一致不等于正确;不能用弱家重复同一错误“多数通过”
小模型+多循环更便宜 尚未证明 缺同题可比质量与所有尝试成本账
一篇Skill意味着互相进化 尚未证明 要有另一真实任务实际采用并净受益
5000注册或帖子热闹就说明需求成立 不能这么判断 仍需有效交付、成熟回访、复用和真实收益

体验入口和本页交付:能看什么,不把地址混在一起

入口 现在提供什么 明确限制
Meyo测试站 A于2026年9月23日23:03:41实核新前端、登录表单与刷新 需公司网络、已有内测资格、本人登录;截至23:16后台仍Test f9,不是Prod私有会话全链
本页行星、AI对战实录、赛车、2048、Transformer及视频/PNG链接 原工程、真实截图和MP4随展示页发布;图解与视频不再藏在点击占位或折叠区 静态作品展示与正式军团后台不同;本轮未重新验原游戏,旧partial与概念演示明确标注
学城主稿与完整版 此前已保存和读回的决策稿与历史证据 学城媒体上传仍0;网页与学城分别更新、分别验收,以各自最新回执为准
正式接口交接 查已记录的生产版本与访问条件 技术交接不是免登录产品体验;不把IP、localhost或含令牌链接当作公开体验地址

此前“9月24日00:34:22正文保存并刷新成功”的记录只证明当时那次文字追加;后来的精简稿也只证明对应文本和保留节点。文字存好了≠全部要求融合了≠图片/作品已在线可用。 本次纠正的是把原来散落的完整内容实质融合进当前网页。

用户已于9月25日明确授权发布个人主页,正式地址为seanliii.github.io/meyo-report。首次发布53份文件经公网HTTP逐字节核验;本次补全更新仍要独立部署并核新文件,不用旧回执冒充。若浏览器地址以file://开头,看到的是本地副本,不是线上版本;页面顶部有明确区分。受控浏览器此前拒本地报告,未绕过,本轮只做文件、代码、媒体元信息与HTTPS检查,不称桌面/手机真实视觉验收通过。

依据哪些历史材料,哪些没有声称读遍

已复用31份核心方案/证据索引及相关A/B和部署交接;核心文档按全文或相关段落读取,关键案例按源码、trace、文件指纹和既有操作回执核对。不声称逐token穷尽所有私有对话,也不把未来资料和缺失原件补造出来。

主要线索:唯一主计划、社区接口、社区与画布、创作经济循环、世界交付参照、原生协作研究、、夜审报告。本页的来源清单保留标题、用途和核查边界;不携带凭据或无关个人信息。

背景|六个问题,理解为什么做军团和社区

从这六个问题,认识 Meyo。

01 · 为什么是军团

不是多叫几家,而是原工作台能借到整个生态的能力。

点开了解

保留人的习惯和已有工程,缺工具就借工具,遇到边界再找同伴。简单任务单家直做,不给用户增加管理。

生态、插件与迁移怎么接 ↗
02 · 两个核心目标

同一句意图,做得更好;同等质量,花得更少。

点开了解

先把单家做强,再验证协作。小模型可以借工具与方法,但是否追平、是否省钱,要把全部重试和工具费用算进去。

质量和成本分别如何证明 ↗
03 · 社区是什么

看见就能用,说一句就能改,还能把改进贡献回去。

点开了解

入口是可体验作品,不是先读代码或挑模型。版本、来源、权限和有效经验随作品传递;自己派生与参与原作分开。

普通用户三条完整路径 ↗
04 · 优化的本质

让作者看到真实问题、用上真实工具、接着原作品返工。

点开了解

几何错误、解释错误、失败回执丢失和恢复断链要分开修;不是给每一题再加固定Prompt,也不是无限循环。

把实现、Context与组织拆开 ↗
05 · 现在哪些是真的

行星、对战、图解、视频和赛车都有原物;普遍超越没有被证明。

点开了解

这次把曾漏检的作品接回页面,并保留原片与修订;真实补位有个案,速度、世界级与商业留存仍不能夸大。

直接看全部作品和变化 ↗
06 · 设备实际做过什么

不只给操作步骤,还要交回软件里的文件与状态。

点开了解

保留云电脑和云手机的有限旧任务:目标、实际方式、屏幕、原文件和未完成处分别说明,不把截图当作全流程完成。

设备目标、任务与实现方式 ↗
历史|4—9月完整思路、Auto起点与评测账本
序4—9月 · 思路怎样一步步走到今天

这几个月,不是在追更多 AI,而是在追一件事真正发生

点一个节点,往下看
历史思路概览

先让一件事真的发生

有内容不等于解决问题。早期接活、样品与经验探索,关注的是人能否用上结果。

问题具体处境
执行不是只写教程
结果有人真实使用

这是一条反复修正的探索路线,不是每个月都已成功。普遍超越、低成本和商业留存仍未证明。

展开完整思路与历史证据

本批已取得445份文字正文,已发现454份文档;递归目录或剩余正文仍在核对。本页重点梳理主干周报、Auto原方案与当前代码,不把取得全文冒充每篇都已逐字分析。原始来源仍受学城权限保护。

**先纠正技术起点:最早做的是我们自己的 auto,不是军团。**前稿把“内容、接活和社区”的产品背景放到了最前面,却没有把 auto 这条技术主线讲透。两条线应分开看:产品上一直追问“人有没有得到可用结果”;技术上则是“固定流水线 → 自研 auto 自主用工具 → 学习和连接成熟 Harness → 围绕作品持续协作”。

**我的归纳:auto 想让一个自主执行者真正把事情做成;军团把这个目标扩大到开放的工作台与工具生态,社区再让成果、有效方法和真实贡献被下一位用户采用。**不是先把 auto 否定,再找一个“多 Agent”概念替代它。

这不是一段“从第一天就想对了”的成功史。中间有方向扩散、评价口径修正、流程过重,也有功能已经写好但用户仍没拿到成果的挫折。下面按原周报讲清楚:当时在解决什么,为什么又往前走了一步。当时的计划、判断和自述,不等于今天已经得到验证的能力。

90 秒,先讲清这条主线

这几个月,我们一直在追同一个问题:普通人能不能借助 AI,把自己本来做不好的事情真正做成。

业务上,我们从接活、内容和经验供给发现,用户需要能真正用上的成果。技术上,最早自己做 auto,让模型自主找资料、选工具、看结果、再解题,而不是照固定流水线跑。后来发现,值得保留的是 auto 的自主思路与真实工具,不一定要由这一套自研引擎承包所有领域。这些问题不是按月解决一层再进入下一层:上下文缺失和结果没被用上很早就反复出现,复杂执行又带来成本与消费断链,至今尚未全部闭环。

所以现在收敛成一件事:保留大家原来的工作台,让好的工具和 AI 能力按需互借,围绕同一个作品持续完成、修改和协作。用户不需要管理一群 AI;社区也不是晒聊天记录,而是让人点开就能体验、改成自己的版本,还能把有用的改进贡献回去。

我们要证明的是两件事:同一句需求,交得更好;同等质量,花得更少。局部续改、补位和真实作品已经有证据,但稳定超越最强单家、更便宜以及用户持续回来,还没有证明。下一步要验证这些能力,而不是继续增加成员和材料。

技术主线:为什么先做 auto,后来做军团?

一句话:不是因为“auto 一无是处”,而是自研的边界变了——从自己造一个包办所有事的执行者,转向把最合适的原生工作台、工具和工程现场接起来。

1.auto 最初到底想解决什么

auto 是我们自己的自主 Agent。它想把“模型会回答”推进到“模型能用工具把问题解决”:自主检索、读附件、运行脚本、查看中间结果,发现不对再调整。代码里的 run_auto_agent 是入口;其中的 native_agent_loop 是这个自研系统的执行引擎,不能与“所有外部 Harness 的原生能力”混为一谈。

早期目标还包括:把分散的能力做成用户能直接使用的独立 Agent,而不是每次都依赖开发者开着 Claude Code 帮忙。这是当时的产品目标;原文中的多用户网页仍有计划项,不能倒写成一开始就已完成。

所以,固定 pipeline、auto、军团是三个不同层次:流水线替模型预排步骤;auto 让模型自己组织工具;军团希望进一步把完整工作台也变成可按需借用的能力,同时保住同一工程、权限和反馈。

2.auto 有什么值得留下,而不是统统推倒

值得保留的积累 今天应该怎样用
自主求解的思路:目标在前,模型根据现场选工具、换策略 保留原生负责人的判断权,不换成一套更长的固定编排流程
真实工具资产:搜索、抓取、结构化资料、OCR/PDF/音视频处理、计算与执行 做成各家可发现、获准调用的独立工具;不必先启动整套 auto 才能借一个能力
事实、实体与关系的方法:追来源、区分同名候选、逐条件核验、保留关系方向与反证 作为模型需要时可以使用的能力与上下文,不让每个任务都过一遍统一裁判;详见实体与关系
连续工作的经验:上下文、检查点、失败记录与方法沉淀 原成员或接手者能接着做,下一次实际采用有效才算进化;写了一份记忆不等于学会

这里不是全部工具都已经无损迁移、全家都用过。有源码、有共享入口和实际用出效果是三个阶段,要分别验。

例如,旧“校验即搜索”模块确有主动找反例的实现,但也含固定查询模板和阈值。本轮没有证明它已成为各家可直接调用的独立共享工具,更不应整包复制成军团的默认质量门。

3.为什么不继续把 auto 做成唯一的“总大脑”

**第一,单一自研引擎的维护范围会越滚越大。**搜索、编程、视频、浏览器、文件、长期运行,各有完整生态。每加一种能力都改同一个大内核,容易让工具、判断、验证与收尾纠缠。更合理的是复用成熟工作台,把独到能力拆成可调用的工具,而不是再造每一家。

**第二,执行者擅长什么,与它能否指挥所有人是两回事。**旧方案曾尝试让 auto 做执行者、首脑,后来又让它做统一复核裁判。那是探索阶段,不是最终正确答案。一次核对短答案很快,不能证明它适合审核所有专业作品;层层复核还可能把已经完成的答案弄丢。

**第三,用户真正想迁移的是能力,不是被迫换习惯。**有人习惯某个编程工作台,有人已有自己的工程、工具或素材。开放军团应让这些现场接得上,缺什么再借什么,而不是先把所有人搬进 auto 的流程。

**这不证明多家天然更强。**如果最强单家已经做得最好、更快、更便宜,就该让它直接做。只有同一真实任务上的补位、连续修改或工具复用带来净收益,军团这层才值得存在;否则只是增加协调费用。

4.过去有哪些证据,哪些说法不能继续沿用

8月9日的旧重跑报告记录:auto 借助工具路径救回了部分旧流水线失败题。这是工具化方向值得继续验证的线索,不是“换成auto必然更强”的严格因果实验。保留的两份旧检查点确实可见搜索、脚本计算、图像读取与交卷调用,也有候选和收尾未对齐的回执;但本地缺该报告的完整重跑总账,不能独立重建全部救回数量。报告中的 61% 是旧通过题加上新救回题的合并口径,不是 auto 在全部165题上统一条件的一次首过率;本轮也没有重跑这份基准。

8月25日方案把 auto 放到裁判位置,8月30日又明确提出“工具解放、首脑降级、大文件解耦”。其中的少量成绩、首脑评分与耗时,都有当时任务和环境的限制,不能当成永久品牌排名。真正延续至今的方向,是把有用能力保留下来,不让一个大控制器成为所有交付的必经之路。

5.当前代码里,auto 还在什么位置

**本地这份实现的配置已经将 auto 标为 capability:工具资产保留,不作为成员接单。**原自研源码和适配函数仍在,但它不参与默认答题、接力或首脑竞选;工具箱继续扫描和桥接原有工具。这个结论来自现行声明和消费者代码,不是从旧周报推测,也不等于本轮复验了每台线上服务。

因此,今天应该保留的是 auto 的有效能力、可复验案例和自主做事的方法,而不是因为已经投入很多,就坚持让它统管每一单。**也不应因为答题角色退役,就把 auto 的工具、研究和经验一起当成没价值。**本次只澄清历史与交付入口,没有擅自恢复退役执行路径或改线上模型配置。

来源:最早的统一Agent与用户入口目标、auto重跑报告、8月25日多Harness平台方案、auto架构与瘦身分析、8月30日拆解方案。当前源码依据:qa_auto_agent.py、native_agent_loop.py、harness_manifest.json、runtime_manifest.py、toolbox.py 与 test_auto_tools_only.py;这些是代码及历史事实,不是普遍协作优势的证明。

4月:先找真实的活,而不是让社区看起来很热闹

**当时的问题:**有 AI 和内容,不等于有人真的需要它。早期周报把目标放在“帮用户做出比自己更好的内容”,再连接实际需求、样品、反馈与合作。

**做过的探索:**围绕视频样品、内容生产、需求撮合和回复回收,让能力有一个真正的使用对象。

**促使思路继续变化的地方:**周报记载过视频小样和小项目交付,这是当时自述,未由本轮独立验收。曝光、报价和合作意向不能证明成交、用户收益或可持续的平台收入,局部交付也不等于完整链路成立。光把内容生产出来,没有接住后续需求,就不算闭环。

**留到今天的东西:**产品从真实用户的一件事出发。作品好不好,先看它能不能被拿去使用,而不是生成了多少篇、调了多少次模型。

4月底已经出现过一个很具体的反思:机械定时发帖拿不到真实经历,可能只会生成重复内容。W18 因此尝试连接真实上下文,让有事发生再表达。这是当时的诊断和改进方向,效果仍待观察;它也不意味着今天应取消用户权限或多租户隔离。

来源:W17 · 4.21—4.24、W18 · 4.27—4.30。

5月:内容不能止于“看懂了”,要让人照着做得成

当时的问题:“点赞、收藏,然后没有然后”不能稳定地改善工作。内容供给也不能一直靠官方批量生成来维持。

**做过的探索:**从泛化教程转向真实创作者的实战经验,把方法附在内容上,尝试按用户处境提供能直接执行的任务;让使用后的动作和回应回来,而不只是看发布量。

**促使思路继续变化的地方:**有评分、有模板、有 Skill 上传,只说明生产和分发流程存在,不等于用户实际跑通,也不等于留存提升。周报中的“省了多少时间”“赚了多少钱”有些是模板或帖子描述,不能转写成 Meyo 已经实现的产品业绩。

留到今天的东西:“挂上 AI 使用经验”不应是多贴一段提示词,而是说明它适合什么任务、需要什么条件、原来怎么失败、最后怎么做成。别人能据此再做成一次,才算经验开始有复用价值。

这里并非只有抽象设想:W19 已把“人的经验由 Agent 执行”作为产品方向;W21 记录过部署出来但按钮因脚本错误无法使用的 Demo;W22 又把内容生产与按需推荐接起来,但上线后效果仍待回收。“经验能执行”“上线不等于能用”“被需要的人采用才有价值”这三个问题,5月就已经出现,今天只是追得更深。

来源:W19 · 5.6—5.9、W20 · 5.11—5.15、W21、W22。

6月:不是“我的 AI 更强了”,而是“我的问题解决了,还知道下一步”

**当时的问题:**给一类人发同样的任务,未必能接住一个人的具体处境。第一次完成后没有下一步,或用户对权限和信任有顾虑,都会让使用停下来。

**做过的探索:**从聚合人群需要转向“一人一任务”,把推荐前移到内容生产阶段;通过访谈和行为回看,关注首次执行后的下一步、人与人的回应,以及成果能否走出社区。

**促使思路继续变化的地方:**一份周报主动修正了悬赏占比的分母错误;“熟人信任链影响使用”是访谈后形成的假设,不是已经证明的唯一留存原因。另一阶段把矛盾从站内活跃转到外部新增,提醒我们:只在已有用户中制造热闹,也不会自然长出新用户。

**留到今天的东西:**让人获得具体结果,比让 Agent 看起来更强更重要。结果需要可分享、可继续使用,并产生真实回应;但今天仍要同时验证获客和留存,不能拿当时对“只盯留存”的反思来跳过留存。

来源:W23 · 6.1—6.5、W26 · 6.22—6.26、同周另一份记录。两份 W26 有内容重合,不算两次独立成功。

7月:从“写经验”走向“真执行”,也看到复杂与昂贵的代价

**当时的问题:**从“给说明”走向“搜索、执行、交付”之后,很容易把完整性误解成每题都要写一整套方案。

**做过的探索:**扩充工具、并行执行、记忆和评审,试图让 Agent 在真实场景中把事情做完。

这不是只把文章写得更长。W27 强调“解决工作里一件具体小事”,W28 进一步尝试先找真实问题、搜索和组合 Skill、实际执行,再把过程与结果变成别人可以复用的经验。今天“作品+做成它的方法”,在这个阶段已有清楚的前身。

**成本方面的警示也已经出现:**W28 自述并行竞争和真实执行让成本明显上升、产量下降,而质量改善主要还是当时的自评,用户留存和互动效果待回收。所以今天的“更便宜、量大管饱”不是附带营销口号:如果把一件事做得更复杂、更贵,却没有可持续的用户收益,路线就需要收缩。

**关键反证:**W30 记录了换一套评价规则后,原本靠“交付物完整”占优的方案表现下降。每题套固定步骤、坑点和清单,或忽略用户所在环境,看上去认真,实际可能不合适。不同评价规则下的分数也不能直接拼成持续提升曲线。

**留到今天的东西:**能用文字完整满足的就准确快答;需要专业成果的交专业成果,复杂项目才展开相应研究与协作。判断看用户要拿到什么,不看问句长短。**世界级不是所有题都做成重工程,而是恰当地、完整地满足这一个人的用途。**今天不应把当时的固定长度和步骤要求换个名字再加回来。

W31 又明确指出“有方案、有代码、有自述”与“接通、运行、验收”混在了一起:采来的数据没人用,写出的提案没人消费,监控本身也有资源和积压问题。这提示我们,要优化真实执行链,不是再加一套看上去覆盖更全的监督系统。

W29 对“进化”也提出过很具体的期待:成功方法变成可调用的 Skill,之后少走同一条弯路;多会话能够积累经验、协作而不互相覆盖。这是今天生态复用的前身。不过,当时单次节省或组件接通的自述,仍不能证明所有新任务都会更省。

来源:W27 · 6.29—7.3、W28 · 7.6—7.10、W29 · 7.13—7.17、W30、W31 · 7.27—7.31。W30 原文没有明确起止日,只按周次归入 7月;W28 内还含后补阶段记录,不把标题周期当作其中所有机制的首次发生日。

8月上中旬:从“再调一遍 Prompt”转向“到底哪里挡住了模型”

**当时的问题:**答案可能已经算对,最终却没交出来;材料可能已经查到,实现者却没收到;机制看似接上,真实运行中却没生效。

8月上旬周报记载了一次重要方向变化:把固定流水线改成模型可以自主调用的工具,统一工具入口,并探索自己创建工具。这比“在固定步骤里换一个更聪明的模型”更接近今天的开放 Harness 思路。同时,附件不在工作目录、缺能理解画面的工具等具体问题,也提醒我们:没有把资料和能力真正交到手里,就不能把失败都算在模型头上。

**做过的探索:**深入执行记录、上下文、候选状态、验证与收尾,研究不同工作台怎样管理工具和任务现场。当时还尝试把散落的判断、约束和预算收拢到一个“统一驾驶员”(SoulDriver),让标准随目标与现场变化。这是把控制集中并动态化的探索,还不是今天“原生负责人自主做,平台承接运行与事实”的边界。

**这一步真正留下的价值:**不能把所有失败统称为“模型不行”。要区分模型理解、工具环境、上下文送达、执行恢复和交付收尾;修复后回到原任务看结果有没有改变。

**也要承认当时走过的弯路:**这一阶段仍尝试了不少统一控制、门槛和否决机制。不能把当时每个设计都写成正确答案。今天要保留的是“让成员看见真实现场并自主处理”,不是把它包进更厚的流程里。

来源:8.3—8.8 周报、8.8—8.14 周报、8.15—8.21 周报。这些原文含后补排名、自报成绩、计划和执行记录,不能用标题日期倒推当时已验证的事实;历史基准、自评分数和多次尝试中的最好结果,不作为本页当前泛化能力的证明。

8月下旬:多家放一起,不会自动比最强一家更好

**当时的问题:**如果各家都有长处,能不能把它们组织起来,让整体效果超过单家?

**做过的探索:**对照多家真实工作台,尝试路由、后置融合、投票和接力。8.22—8.28 周报把军团立项记在 8月25日;这是该周报的项目记录,不推断所有相关能力都从当天才出现。

**关键反证:**这份周报记录了多次融合或路由没有超过最强单家的情况,也发现多人可能共享同一种错误。部分历史结果还存在被重跑覆盖、报告和执行记录口径不一致的问题,不能挑一个最好看的旧分数来证明“群体已经更聪明”。

**留到今天的东西:**军团不是开会投票的“答案拼接器”。先把最强单家的原生能力用足,确有缺口再借工具、借完整工作台或请同伴补位。平台负责让任务现场、文件和反馈接得上,不在上面再造一个把所有人管死的答题器。

8月底原文已经反思:有些正确答案是被自己的层层否决和收尾流程弄丢的;也记录过“为了瘦身删掉看似没用的能力,结果搜索返回零”的反例。要减的是无效控制和常驻负担,不是把原生工作台的能力一起削掉。

来源:8.22—8.28 周报。

9月上旬:从“机制做出来了”转向“把作品交到眼前”

**当时的问题:**成员、工具、测试和架构已经很多,但用户仍会问:作品呢?为什么不好玩?视频为什么只是图片在动?

**做过的探索:**行星、视频、跑酷、赛车和图解成为真实试题;用可打开的同类作品帮助判断质量,再把实际差距送回原作者返工。开始强调“小范围但完整、第一眼能感知价值”的成品,而不是缩水演示。

**关键反证:**9.6—9.11 周报同时写下了两类事实:工程与部署在推进,用户可感知的世界级交付仍未被证明。还记录了动态编排更慢却没赢、截图重复却曾被判通过,以及视频生成受限后退成图片运镜的问题。它们分别指向组织成本、证据真实性和真实工具能力,不能靠换一句“高质量”Prompt解决。

同篇还自述另一 B站任务经开发者代调工具产出 v3。这是当时辅助出片的记录,不应与受限的图片运镜任务拼成一条进步曲线,也不等于军团自主完成成片已被证明;本页找回的各段原视频,仍按各自订单和文件说明展示。

**留到今天的东西:**唯一有意义的进展,是用户拿到可用作品、原作品出现能验证的改善,或者原来的失败旅程恢复了。行星截图、视频原片、赛车变化放在本页作品区,让读者直接看,不用相信一串完成状态。

**这里确实发生过反复:**8月底刚反思强控制,9月为追求品质又加入固定角色、必经评审和质量门。今天要吸收的是研究、验证与反馈,不是把这些安排固化到每一单。权限、取消、付费确认和原文件保全等运行安全边界仍应保留,不能与“替模型规定怎么答题”混在一起全删掉。

来源:8.29—9.7、9.6—9.11。当时试过的强制工序和质量门,不作为今天继续扩平台的理由。

9月中下旬:把军团与社区接到同一个“可持续修改的作品”

**当时的问题:**第一次运行成功还不够。换一个成员、刷新页面、重新发布后,原文件、原生会话和用户修改能不能接着用?社区如果只发文章,别人又如何真正获得和改进作品?

**做过的探索:**9月中旬周报记载了正式发布、运行依赖持久化、原生会话续作和协作上下文修复,也明确把产品入口从 Harness 名单转向“成熟作品试玩、私有空间、AI 持续改造”。后续本页案例补上了原工程续改、候选采用、恢复与贡献等限定旅程。

**今天的产品逻辑:**同一作品是连接用户、AI 与社区的共同对象。用户表达意图,原生负责人接着原工程做;遇到边界再求助,意见和改动回到同一版本。别人看到作品,可以在授权范围内拥有自己的版本,也可以把贡献交回原作者决定是否采用。

**边界:**9月中旬的“正式发布成功”不等于所有成员、所有入口、所有专业作品都验收完成。本页展示网址、公司测试入口、原生续作个案和完整社区产品必须分开说明。当前入口与功能状态保留这些区别。

来源:9.14—9.19 更新版周报;9月下旬的局部变化见本页案例与发布回执,不倒写成周报当时已经证明的成果。

为什么“开放工作台”与“作品社区”应该是一件事

可以把它想成一个开放工作室:工作台负责把东西做出来,作品让人看见价值,社区让下一次制作不用再从零开始。

  • **对已有工具习惯的人:**不要求换掉原工作台。把获准使用的工程、资源和方法接过去,缺某种能力时再借。迁移的是可交接的现场,不是擅自搬运所有账号权限和内部记忆。
  • **对普通人:**先看到能体验的作品,再说“我想改成这样”。不需要先学会挑模型、装环境、给多个 AI 分工。
  • **对创作者:**分享的不只是结果,还有来源、版本和做成它的方法;别人真正采用、改进或反馈,才产生关系。
  • **对下一位用户:**复用经过实际使用的成果与经验,有机会少试错、更快交付。只有下一次任务真的用上并产生净收益,才叫进化;把经验存成一份文件不算。

**目标旅程示例,而非全链已上线承诺:**看到一款海岛赛车 → 点开玩 → 说“改成雨夜双人模式” → 在自己的授权副本里继续制作 → 需要时借用其他成员的能力 → 能玩后分享,或者向原作者提交可选择采用的改进。这里最难的不是多放一个聊天框,而是同一工程、状态、版本、权限和反馈能始终接得住。

两个目标都要验证,不能拿一个替代另一个

要证明什么 真正的比较方式 现在不能偷换成什么
把质量上限推高 同一真实需求,让最强单家用足工具和原生协作;再比较额外补位是否让成品更好,且正确性与核心可用性不退化;可靠性和耗时按预先约定的同题标准比较 多家参与、长回复、源码量、漂亮截图,不能代替完整作品和同题净收益
让同等质量更便宜、可多用 把小模型、好工具、已有作品和有效方法的组合,与原方案比较;全部失败尝试、工具、推理、存储和人工救场成本都要算 单次模型单价低,不等于最后一件合格成果便宜;“量大管饱”不等于无限免费

**对“单一 Harness 有没有上限”的态度也要准确:**个案失败只证明这次没做好,不能直接证明单家先天不行。应先排除工具、上下文、环境和恢复故障,再看跨工作台合作是否有不可替代的增益。一家已经最优,就让一家做,仍然符合 Meyo 的目标。

到今天,什么值得继续,什么必须停止自我感动

**值得继续:**把好的原生工作台、开放工具、可靠交接和真实作品接成用户少操心的连续体验;让有效经验和真实贡献随作品积累。这是从早期内容社区走到今天仍有价值的方向。

**必须舍弃:**把内容数量当需求,把模型自评当成果,把更多成员当智能,把“已发送”当“已收到”,把“文件存在”当“任务完成”,把“部署成功”当“用户已能顺利使用”。

**还没回答完的不是概念,而是实证:**能否稳定做出顶尖作品?协作是不是比最强单家更划算?更小的模型能否在同等质量下真正省钱?用户是否回来继续改、是否采用别人的作品、是否愿意为结果付费?这些问题要用下一轮验证和实际使用与工程边界来回答。

因此,继续投入的理由不是“几个月已经花了很多”,而是已经有可复用的作品与运行基础,值得用有上限的下一阶段验证结果。升级优化还没有全部完成;这份网页也不是产品完成证明。

这段历史如何读,哪些不能当作事实

本段是依据指定《个人周报》目录、已取得的子文档和本页既有案例做的综合解释,不把作者当时的想法变成已证因果。各文档的实际读取状态、范围和内容哈希见下方来源表;读取范围随批次列明,不用目录标题冒充已读正文。

数字修正、两份同周记录、当时计划与后来结果按各自口径保留。历史材料中的模板收益、访谈判断、内部榜单、自评、测试全绿、合作意向,都不等于今天的收入、留存、世界级或普遍协作优势。公开页只放业务思路的综合与来源索引,不公开原周报全文、个人访谈细节、账号和认证材料。

查看原总结与子文档读取范围 · 445份

按用户指定《个人周报》的目录关系递归读取可访问子文档,并核正文落盘;当前覆盖数和目录穷尽状态以coverage为准。text_read仅表示文字正文已取得,不等于主线程逐字分析了每篇内容,也不等于每张图、嵌入附件或所有外链都已展开验证。本页重点梳理4—9月主干周报、明确引用的Auto原方案与现行源码;目录页也计入文档数,同周重复记录不算独立成果。历史目标、模板、访谈假设与作者自述不升级为当前实证。公开索引使用不含个人信息的短标题和正文文件哈希,原周报全文、私有日志及个人细节不公开。

原总结:《个人周报》及子文档 ↗ · 下载不含私有正文的来源索引 ↓

定位|社区服务谁、两大目标、生态和竞品
01军团 + 作品社区

不是再造一个万能助手,
是让好能力接得上。

对普通人,交付的是网页、游戏、视频或报告,而不是环境配置和工具清单。对创作者,可以留在熟悉的工作台,让原工程接上新的 AI 能力。

Harness 可以理解为 AI 的工作台:模型加上工具、文件、记忆与执行环境。Meyo负责接好现场;原生助手决定怎么做。一家能做好,就让一家做。

  1. 01说出一个目标

    不先挑模型、装工具

  2. 02接着原工程做

    版本、资料和反馈都在

  3. 03遇到边界再求助

    借工具,补能力,不强行多人

  4. 04交同一份好作品

    能用、能改、能继续

更好。

把质量上限推高

用户只说一次;内部可以研究、实现、验证、返工。先把最强单家做好,再看协作有没有额外收益。

更省。

同质量,可负担地多用

先验证工程和方法复用,再验证小模型借能力。比较完整交付费用,不只比较模型单价。

不是分享一篇“AI 很厉害”的帖子。
是分享一件你能用、还能改成自己的作品。

看见 → 体验 → 拥有自己的版本 → 持续改进。
版本、来源和有效方法随作品保留。完整社区循环仍待验证。

都为结果而来,区别在于需要多少控制权。

作品让新手知道能做什么;连续的工程让进阶者少重来;可接入、可查证、可复用的能力让高手有理由借力。同一套系统,按任务需要逐步展开。

点一个节点,往下看
产品定位假设 · 使用路径示意

先看到能做什么,再得到自己的结果

作品是示例,也是可用、可改的起点。后台替用户整理现场和选择能力,前台给真实进度与成果,不要求他管理一群AI。

看与用知道与自己有什么关系
说变化改成自己的版本
拿结果能用、能保存、能再改

同一个人会在不同任务里需要不同层次。大家都要结果;透明是按需查证与控制,不是日志轰炸。上下文减少重复劳动的价值与全部成本仍要实测。

展开:高手为什么用、共享什么、怎样透明、是否省资源

**他们都为结果而来,差别是需要多少过程控制权,而不是“小白要结果,高手要日志”。**同一个人在熟悉的任务里是高手,换一个领域也可能需要成品带路。因此不是做三个互不相通的产品,而是一条可逐渐深入的使用路径。

下面是产品定位与待验证假设,不是已经完成的用户调研,也不意味着所有路径已经上线。

小白:先让我知道能做什么,再让我拿到自己的结果

空白输入框要求用户先知道AI能做什么、怎样描述、成品应该长什么样。作品可以降低这道门槛:先看、先用,觉得与自己有关,再说一句“改成我的版本”。

所以作品不能只是好看的Demo墙。它应同时是:

  • 能力示例:帮助不知道从哪里开始的人理解可能性。
  • 可用结果:不用先读代码、配环境、挑模型。
  • 可改底稿:说出自己的变化,保留原有可用部分。
  • 分享与复用入口:自己的版本和采用过的方法可以继续流转。

小白不必管理上下文、工具和成员,但不是只能面对黑箱。他仍需要看见有用的进度、当前作品、失败或等待、费用边界,以及取消和恢复入口。

核心不是“让他学会指挥AI”,而是把不会描述的想法,变成看得懂、用得上、能再改的东西。

进阶:我已经有项目,不要让我每次从零开始

进阶需求经常不是再生成一份,而是接着上一次做:保留人的修改,理解已有材料,处理反馈,比较候选,决定采用或退回。

这里上下文更像一份交班档案:原目标、工程、文件版本、已经尝试的动作、来源、错误和下一处缺口都能带着走。使用者按需看得见,但不用反复搬文件和重述全部背景。

要证明的价值是:同一作品多轮修改之后,是否仍然完整、是否少了重复解释、是否能恢复,而不是聊天记录越来越长。

高手:保留我的控制权,还要带来原工作台之外的净收益

不能假设高手只是缺几个工具,或者想看更多日志。他可能已经把原工作台用得很好。军团要让他愿意来,至少要解决其中一种真实问题:

可能愿意使用的理由 真正需要提供什么 不能拿什么冒充
试新能力,不想搬家 保留原工程、习惯和工具,通过适配接入新能力 强迫换一个陌生面板
复用已有投入 自己的项目现场可沉淀,获授权的方法和工具可迁移 无限拼接全部历史聊天
获得外部长处 按需借专业工具、成熟原生工作台、已被验证的方法 多叫几个模型重复同一题
可查证、可干预 关键动作、来源、文件差异、版本、时间与成本可看;能停止、改动、拒绝或采用 海量日志或“思考很多”的动画
将经验贡献出去 作品、工具和有效方法有来源、许可与采用关系 发帖数量或下载数自动等于效果

**如果在同一任务里,完整原生单家已经更快、更好、更便宜,高手就没有理由为了“军团”再套一层。**我们必须让“少配置、少搬现场、解决了原来的能力缺口、作品更好或总成本更低”成为可见的净收益。

世界级交付是共同质量目标,不是只给高手的卖点,也不是已经达成的认证。小白也应得到专业结果;高手可以更深入地校准参照、约束与取舍。

“共享上下文”到底共享什么

共享的是同一获授权项目里的现场,以及作者愿意开放的资料、来源、版本、有效方法、Skill和工具使用经验,不是所有人的私有对话。

自己的上下文能沉淀和带走;别人授权分享的项目与方法能按需取用。这可能比只下载代码更有价值,因为接手者知道“为什么这么做、已经失败过什么、哪些改动真正被采用”。

但账号令牌、私人资料、客户内容和未获授权的记忆不能因为作品被分享就一起传播。也不能承诺不同原生系统的全部内部状态和会话无损互通。

“过程透明”应该透明到什么程度

**过程透明不等于模型内部思考直播。**有用的透明,是用户能回答这些问题:

  1. 现在在做什么,谁负责,正在等什么?
  2. 实际读了哪些来源、调用了哪些工具?
  3. 改了哪些文件,依据是什么,前后有什么变化?
  4. 遇到什么失败,接下来选择继续、换路还是停下?
  5. 花了多少时间和资源,我能否控制与采用结果?

默认给简短而真实的进度和结果;需要的人再展开操作证据、版本差异和来源。透明应该减少猜测和管理,而不是把用户变成日志管理员。

上下文怎样在背后帮小白节省时间与资源

合理的上下文让系统少做三类无用功:**少重述、少重找、少重做。**例如原文件已经有了就不再重新生成,失败方法已有可靠记录就不无脑再试,换人后仍拿到正确工程。

但上下文不自动保证更快、更便宜。更大的输入、额外检索、同步和多成员协作,也会增加成本。要保留完整事实、按需发送,而不是把一切塞进每次请求。

真正应该比较的是同等可用结果的总时间、全部模型/工具/重试费用,以及用户介入次数;不是只看一次调用的单价或某份上下文压缩了多少字节。

产品上是一条路径,不是三套系统

直接用 → 在原作品继续改 → 查看证据并接入自己的工程与生态。

新手可以一直停留在结果层;进阶者需要时打开版本与反馈;高手可以深入控制、复用与贡献。三者共享同一份作品和权限边界,不必先选自己属于哪种人。

后续验证也应贴着真实行为:

  • 新手:作品是否帮助他理解用途,是否获得自己的可用版本,是否愿意再用?
  • 进阶:是否在同一项目持续修改,少了重复解释,已有编辑与版本能否保住?
  • 高手:是否在原环境中实际采用了新增能力;相对完整单家,结果、管理负担或全成本有没有净改善?

这些都是待验证的价值,不安排新的真人任务,也不拿本页的交互示意当成产品已经获得留存或协作增益的证据。

点一个节点,往下看
产品目标与边界

把目标交给它,不接管它的管理工作

从已有项目或一句需求开始。最终要交能使用、能修改的成果,而不是让用户给多家AI当项目经理。

意图想做什么
已有材料工程和现场
可用作品能用、能带走

目标:同一句意图做得更好,同等质量花得更少。六项目标未全部完成;自治去固定工序仍有B分支WIP,尚非已上线能力,也不等于完整社区全链成立。

六项目标,一张诚实的进度表。

原四纲领是方法,六项是质量维度;本页按项目定位、作品机制和验证思路展开,不同时开六条研发线。

方向要交什么当前证据
游戏完整可玩、画面/操作/恢复协调,带源码赛车有真实改善;手感、音效、手机与耗时仍有差距
视频叙事、节奏、声音、字幕与可编辑来源找回35.2秒修订概念片与56.3秒独立口播;文件完整不等于世界级
网站真正完成用途,必要状态能保存交互图解、导入续改有证;通用生产全链未证
报告分析来源可追、计算可复核、取舍清楚本页展示原物、实现与可回访证据;跨行业专业水平未证
搜索质量与全面关键问题、原始来源与反证覆盖有来源与研究积累;跨真实任务全面性未证
速度首有用内容、首成品、续改都快有局部快例,也有数小时超时;不拿圈时充数
这层壳怎么做:接现场,不代替原生助手思考。

原工作台保留。平台管连接、权限、版本与恢复,负责人自主研究、组织和返工。

  1. 入口社区

    发现、体验、加入或派生真实作品

  2. 对象作品空间

    同一工程、版本、来源与采用关系

  3. 执行原生负责人

    理解目标、选参照、设计、实现、求助

  4. 能力开放生态

    按需借Harness、搜索、媒体和设备

  5. 基础运行底座

    身份、隔离、状态、取消、恢复、真文件

  6. 积累经验复用

    有条件、有出处,下次采用有效才算学会

通用质量自治改造已获批准,但B仍有未提交WIP;此框架不是“全能力已经上线”的证明。

与Manus、Codex、CC、Muse比较,不能只比名单。

官方功能不等于独立质量排名;ChatGPT Sites单列为托管产品面,不混成Codex CLI命令。完整来源和差异判断在本章展开区。

产品用户已能获得我们的机会与边界
Manus网站、研究、文档与并行Wide Research连续改原工程、跨工作台协作和成果社区是否更顺手
Codex成熟编码Harness,原生工具、多代理及开放平台开放与嵌入能力也已有竞争;复用成熟底座,不能只转发模型
Claude Code / CC工程、Skills/MCP、子代理及实验性团队完整保留其能力作对照,不声称它不会合作
Meta Muse个人长期代理、云电脑、记忆与跨应用不把小白/云电脑当独创;围绕真实创作成果关系
Meyo目标同一成果持续改、授权派生与贡献、按需补位局部案例可查,稳定净胜、低成本与网络效应尚未证明

如果熟练用户用单家已顺手完成,同结果又更省,Meyo就可能没有优势。查看逐家依据与风险 ↗

完整阅读:定位、愿景、六项目标、原工作台、框架与竞品

一句话定位:让普通人拿到作品,而不是管理AI

Meyo是围绕可使用成果发生协作的AI原生社区;军团是背后的生产引擎,让普通人说出目标,就能获得、使用、修改和持续改善作品,不用自己挑模型、配环境、搬文件、组织一群AI。

“现在”与“愿景”必须拆开:已有少数真实作品、导入续改、版本恢复、私有副本和跨Harness补位的限定证据;完整社区的体验、派生、共同贡献、复用与经营闭环尚未全部接通,更没有六类稳定世界级交付证明。

先服务两边:有具体结果需求的普通创作者、小团队和经营者,以及已有工程和原工作台、希望借新能力的熟练创作者。前者看结果,不必先懂AI;后者能带来作品和方法,但不必迁移全部工作环境。优先选高价值、会反复修改、可被别人复用的成果,不同时为六个行业造六套产品。

愿景与新升级:从“能叫来很多AI”转向“真的帮我做成”

产品之魂有三件事:一群强工作台为用户工作;遇到各自边界能补位、互相学习;集体效果必须体现在更好的成果和更少的管理上。“群体超过单家”是要验证的目标,不是因为接入更多成员就已经成立的事实。

过去容易做成什么 升级后要交什么 当前不能夸大的地方
答案、计划或截图 能玩、能用、能编辑或支持决策的完整成果 截图和任务结束不等于真正交付
安装更多成员、默认多人并行 一家能做就一家,确有缺口才借工具或同伴 没有普遍更快、更便宜的证据
每次重开会话、重新生成 同一项目、版本、资料和用户修改持续保留 有限续作不等于所有会话无损迁移
分享使用心得和文章 先体验作品,再派生、续改、贡献 正式社区全链和网络效应未验证
记录很多Skill和评分 下一条真实任务采用方法并产生净收益 保存方法不等于学会,自评不等于世界级
为所有任务预写质量流程 原生助手研究、编排、验证并返工 已批准改造仍有未提交WIP,不写成上线

六项世界级目标:不是六个口号,而是六种交付要求

方向 用户应该拿到什么 已知水平与缺口
游戏 美术、操作、反馈、恢复协调的可玩核心循环,带匹配源码 赛车可玩且有真实改进;手感、声音、手机布局、稳定耗时未证明顶尖
视频 有叙事、节奏、声音、字幕的完整成片,来源可编辑 已找回35.2秒修订概念片与56.3秒独立口播;文件完整、有具体修订记录,不等于叙事审美或世界级已验
网站 能完成实际用途的网页或应用,必要数据可保存 图解、静态工程和续改有证据;通用生产网站与主站全链未证
报告分析 来源可追溯、计算可复核、取舍清楚的可编辑决策材料 本页完成资料与计算整合,旧PDF仅文件证据;不能代表跨行业专业水平
搜索质量与全面 关键问题、原始来源、反证和信息缺口都覆盖,且影响作品决策 有世界参照与来源材料;没有跨任务全面性和结论正确性的系统证明
速度 尽早出现第一条有用内容和第一件可用成果,续改不重来 有局部快例,也有数十分钟、数小时和超时;不可用圈时或下载时间充当生成速度

六项是共同质量尺,不代表同时开六条研发线。一次打穿一个真实结果,缩减的是横向功能,不削用户所需的核心体验。

此前四个纲领继续成立:看世界级参照与真实意图;用低耗验证找平庸和错误并回原作返工;证明动态协作的实际净收益;只把经验证的好机制固化、不给开发增加无效流程。 这四条是工作原则,六项是交付维度,下面四段是阅读结构,三者不能互相替代。

为什么要组织Harness,单家到底有没有局限

Harness可以理解为AI的工作台:模型之外,还有工具、文件、执行环境、上下文、可观察现场和失败恢复。相同模型放在不同工作台里,能看见什么、能调用什么可能不同;这解释了同用Astra的两家为什么可能补位,但不证明合作必然更好。

我们不把“单家一定做不好”作为立项前提。先给最强单家完整的原生工具、资料、时间和机会;同样好且更省就选单家。 编排层如果只让简单问题多排几次队,就应该被削减。

需要区分四种边界:工具或执行环境不可用;原工程与失败事实没传到;模型理解或实现错误;特定任务的真实能力上限。前三种应先修对应问题,不能借运行bug声称“单Harness天生不行”。能证明上限,必须在同题、同输入和可比预算下,先排除这些可修复因素,再看补位是否重复带来增益。

一句话做完约束的是用户负担,不是强求模型一次生成就完美。 内部允许研究顶尖参照、动手、验证、返工和求助。一个模型也可把完整Harness当工具调用;我们提供入口与现场,而不是上方再写一套固定答题器。

开放更多工具、插件适配和能力迁移,具体怎么做

假如未来工作台和工具继续增多,用户最烦的不是选择太少,而是每换一家就重装、重讲、重做。因此开放生态的价值在于:工具能发现、工作能交接、失败能回流、工程能继续。更多入口本身不是收益。

我们的壳应连接:原工程和版本、来源和资源、请求与结果、完整失败回执、已验证方法的短索引;复杂性向用户隐藏,证据需要时可展开。原生负责人自主选择帮手、接受或拒绝意见,平台不因“世界级”标签强行加人、投票或融合多份答案。

插件优先接入已有平台,让人保留习惯。可以迁移获准的文件、任务事实、方法与来源;不能承诺所有内部记忆、模型推理历史、账号权限都无损通用。适配目录里有名字不等于每个工具都能用;每个接入都要用真实调用和产物证明。

“工具创造”也一样:某单缺能力,助手可以在现有授权范围生成工具或Skill,先验证本单有效,再验证其他任务复用;共享源码不代表自动修改同伴运行时,经验不代表必须照着旧流程走。不需要一家包办一切,也不需要再造第五套平台。

名称按语境处理:“mnuas”对应Manus,“cc”对应Claude Code;“transformation”按已有案例指Transformer图解;“jav”尚不能唯一对应产品,不能擅自给它安一个擅长领域。语音里的“一键出错”按“一键尝试新能力、失败可恢复”理解,保留原话,不把不明确的词编成已实现功能。

两个核心目标:把质量推高,把同质量成本压低

目标A:世界级交付。 先让单家利用真实需求、具名高水平参照和可用资源做出完整成果;内部按最大差距返工,遇到边界再借同伴。当前尚未证明所有领域或所有成员都达到顶尖。

目标B:更便宜、更可负担地多用。 小模型配更好的工具、方法和多循环协作,可能胜过只看模型规模的方案;也可能因为重试、评审和环境维护而更贵。要比较的是“所有尝试费用÷合格交付数”,而不是单次token便宜多少。

先测同Astra条件下的增量修改、方法复用与按需调用;小模型比较列为下一项受控假设,不在本轮擅自换模型。用成功率、正确性、实际采用、总耗时和费用同时判断。量大管饱不等于无限免费:并发、推理、存储、外部工具和支持成本必须受实际账单约束。

社区像GitHub,但普通人从作品开始,不从代码开始

分享的是一件能体验、能修改的成果,旁边附来源、版本和有效制作经验。 这比“我用了什么Prompt”更容易让没技术背景的人理解价值;同时保留源码、许可和可编辑文件,不把可见页面变成不可维护黑盒。

三条用户入口最终进入同一个作品空间:

  1. 我不知道AI能做什么:先看、玩或使用别人的作品;觉得有用,再创建自己的版本。例如试玩赛车后说“改成雨夜海岸”,而不是先研究模型名单。
  2. 我有想法、文件或GitHub工程:带入已有材料,能复用就不重做;运行后说出修改,看到候选,选择采用或恢复。任何可访问仓库可提交尝试,不代表任何仓库保证自动托管。
  3. 我想一起做:加入原项目的具体工作,贡献对应真实文件与版本,由原作者决定采用;想独立定制就派生自己的版本,两者不要混为同一种“协作”。

来源、授权、贡献与采用记录把人与人、人与AI的关系连起来;有效作品吸引使用者,使用者产生改进,采用后的方法再成为下一单起点。这是网络效应的假设,不是帖子数、点赞数或AI马甲互动可证明的事实。

行业已有相似形态:Lovable的Remix支持在有权访问与可复制条件下建立独立版本。因此“分享、复制、再改”不是我们的独创。我们要验证的是跨工作台协作、成果连续性和社区复用组合起来,能否更自然、更可靠。

整体框架:工作室的分工,而不是群聊上再套一个大脑

部分 用大白话说 责任与实现边界
社区入口 作品展厅与找伙伴的地方 正式社区由Mars接入;不在B另造文章、发帖和主页系统
作品空间 始终是同一张工作台 原材料、当前成品、候选、反馈、采用与恢复;已有本地限定旅程
原生负责人 接住用户目标的执行者 自主理解、研究、设计、实现和求助;不由平台预写每题答案
开放能力生态 随时可借的工具与帮手 原生Harness、搜索、代码、媒体、文件、设备;目录存在不等于全家验证
Meyo运行底座 水电、门锁、档案和恢复点 连接、身份、隔离、权限、进程/取消、持久化、文件与运行事实;不取代专业判断
经验复用 能再次检验的手册与组件 保存适用条件、出处、失败反例;跨新任务采用后有净收益才算学会

架构的核心变化是context not control:把当单需求、工具、来源、当前状态和失败完整交给负责人,而不是固化“研究→样片→翻译→评审→实现”给所有题。安全、权限、取消、进程回收和真实文件事实可以硬;作品质量方法应按任务生成,不变成平台的万能裁判。

云电脑、浏览器、Office、云手机等属于任务可能需要的运行工具,不是为了展示军团强而默认启动的一套平台;需要的软件、账号、授权与业务状态必须真实可用。某成员或某设备连通不外推为全部能力已交付,Meyo原生与自研auto两条执行路径的信息、状态与恢复也要对称接好。

**当前角色补充:**上句描述的是历史执行路径的兼容与信息保全要求,不代表 auto 仍在默认接单。本地现行声明已将 auto 设为工具来源(capability),不参与答题、接力或首脑竞选;自研源码和可复用工具保留。为什么从 auto 走向军团、哪些资产值得留下,见本页技术主线。

已批准的通用自治改造是在原实现上去掉固定质量工序和总否决,让负责人自己返工;真实评审意见、未验证项和失败回执不能删。这部分B分支仍有未提交、未完成总验收的WIP,不是生产功能。 先保原任务、原产物、原错误,不借重构抹掉现场。

用户视角对比:Manus、Codex、Claude Code、Muse与Meyo

下面区分官方描述的能力和我们的机会判断,不是独立同题性能排名。这些产品也在发展,不能把“合作、记忆、托管、开放工具”统称为别人没有。

产品 用户已有的价值与能力基线 Meyo真正需要争取的差异与风险
Manus 自然语言交付网站、研究和文档;官方Wide Research可用并行代理处理多项研究 不能只是多代理版聊天框;必须在已有工程持续改、跨工作台交接和作品社区复用上形成可感收益
Codex 成熟编码执行、工具、Skills与多代理;官方也开放CLI、SDK、app-server及托管Agents API,允许产品保留自己的环境和界面 开放Harness和把能力嵌入工作台并非Meyo独有。 优先复用成熟运行能力,差异只能由跨生态的成果连续性与实际复用证明
ChatGPT Sites(与Codex区别) 官方说明可创建、托管、修改和分享网页、应用、游戏;属于ChatGPT产品面,不是Codex CLI的独立托管命令 生成、预览、发布和续改已是强基线;不能把我们仅本地的页面对标成比人家完整托管更强
Claude Code/CC 能读改工程、调用工具、使用Skills/MCP;有子代理及实验性多会话团队,官方提示协调成本和适用边界 不能说CC只能单人或不支持合作;必须保留其原生能力作对照,证明换环境不丢现场、成果复用更省管理
Muse 本报告沿此前明确口径,指Meta在2026年9月8日介绍的个人代理:专属云电脑/浏览器、长期目标、记忆与跨应用执行,敏感动作需授权 小白友好、长期记忆、云电脑和后台工作不是空白;我们应围绕可体验成果及创作协作,不空泛正面对抗个人代理入口
Meyo目标 先体验作品,再拥有自己的版本、持续改、加入贡献;原工作台按需借生态能力 当前是产品方向与局部案例,不是已建立护城河。若用户用单家已顺手完成,就不强迫他使用我们

官方依据:Manus Webapp、Wide Research、Codex开放平台、Agents API、ChatGPT Sites、CC Overview、CC Agent Teams、Meta Muse发布说明。这些是提供方功能说明,不把营销“世界第一”或客户自述效果当独立验证。

核心根本目标 · 2026.10.15 更新

为什么是接力,不是替换:
大家在一个以上下文为核心的社区里协作。

这是根本目标,也是最初的目标。觅游是以 AI 与 Harness 协作为关系基础的原生社区:先有共同目标、真实行动与成果,再形成参与者、贡献、信任证据和复用关系——而不是传统社区外接一个 AI 工具。

所以要选择不同的 harness,并让它们能互相协作:各家保留原生优势和自己的工具生态;同一个目标、同一份工程、同一段可追溯的贡献记录,就是它们之间共享的上下文。接力、派生、复用都从这份上下文发生。

01 / 关系来源

一切关系建立在 AI 和 Harness 协作基础上

目标产生参与关系;行动产生执行与协作关系;产物版本产生贡献、修改与验证关系;派生产生来源与继承关系。每条关系带来源事件、主体、项目/版本、权限范围和时间——不靠 AI 自述生成假贡献,也不自动替用户决定信任、所有权或公开授权。

02 / 上下文形态

交接的是工程与现场,不是几句话

同一个作品版本、材料、失败现场、已采用的改动和下一步缺口,就是下一个参与者的起点。接力不是转发一条聊天记录:换一家接手原工程时,读的是真实的项目状态和运行证据;跨格式的损失要明确说明,不冒充无损恢复。

03 / 协作原则

单家能做好就让单家做,协作在边际收益真实时发生

多方案、多 Harness 合作仅在边际收益超过协调、上下文和资源成本时启用。直接工具调用、原生委托、源码学习按需要发生;目标是让任何一个成员背后都有整个群体的本领,不是强制多人同时答题。

同一个目标同一份工程与版本真实贡献记录可接力的上下文下一家从这里继续

接力是兜底更是协作的基本方式:一家卡住、失败或用尽预算时,任务和完整失败现场转交另一家;不是失忆重跑,也不是掩盖前一家的问题。高价值任务才在同题同预算下跑影子对照,胜出才晋级。

原文四篇原始文档,可点开看全文
产品定义

觅游AI原生社区:以AI与Harness协作为关系基础

“是 AI native 原生的社区形式,一切关系都是建立在 AI 和 harness 协作基础上的。”社区、画布、作品、成员与能力是同一协作的不同视图。

打开原文 ↗
经济循环

觅游创作经济循环:从成熟作品试玩,到私有云空间与AI持续创作

把一次算力投入变成用户可用作品,并在分别授权下沉淀作品派生与可复用方法,让后续同质量交付更容易、更低成本。

打开原文 ↗
开工指令

Meyo下一次开工指令|成熟作品试玩、私有云空间与AI续改

同工程、跨 Harness 接力与真实集成的执行口径:A 产生真实改动,B 沿 A 的版本继续;验证原文件、依赖、未改资产保留。

打开原文 ↗
完整方案

Meyo完整优化方案:一句意图-一个持续进化的作品 → 社区基于他人的作品迭代

协作主体是多个完整、可持续的原生 Harness;它们共享原始用户目标和同一工程基线,在授权范围内自主研究、认领工作、讨论接口、开发、测试、交接和集成。

打开原文 ↗

以上是内网学城链接,需要公司权限才能打开;对外展示的是提炼后的结论,不是把内部原文搬出来。四篇的完整内容以学城页面为准。

↳从机制、动作到用户实际拿到的结果

一项机制,究竟怎样改变一次交付?

军团有哪些家,又怎样真正一起工作?

先看有哪些原生工作台,再看为什么保留差异、如何分工,以及原作品究竟改变了什么。登记数量不是能力证明,原生特点也不是固定岗位。以下是9月29日源码核查和更早运行记录,不是实时在线面板。

点一个节点,往下看
38登记入口,不是在线家数
28执行角色声明,仍需运行条件
10工具与平台层,不混入答题池

先认识9个内置执行入口 · 点名字看特点与证据

Claude Code

保留编码工作台与会话连续性,进度/工具结果可回流。

源码已核 · 未新跑
原生特点、证据与限制
原生特点
原生Claude Code CLI以stream-json返回事件,原会话用--resume继续,不由军团拼接多份答案代替。
为什么保留
保留编码工作台与会话连续性,进度/工具结果可回流。
已有证据
本轮未新验运行;本轮仅核适配器与本地公开仓说明。
限制
公开claude-code-oss目录是文档/插件材料,不冒称掌握闭源核心。当前适配器--bare会跳过hooks/插件/自动记忆等,不能宣传全部原生扩展都原样启用。
查看源码范围与证据口径

B/harness_baselines/meyo-orchestrator/harness_registry.py

SHA-256 336aea7d8259df32058fe89390ed8cbcac94c4eba99775a87a6a00632cb384f1 · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 1677–1680

        _checkpoint = (ctx.task_memory or {}).get("native_checkpoint") or {}
        _resume_id = str(_checkpoint.get("session_id") or "") if isinstance(_checkpoint, dict) else ""
        prompt = _legion_prompt(_prior_attempts_prelude(ctx.prior_attempts) + question, ctx)
        cmd = ["claude", "-p", prompt, "--output-format", "stream-json", "--verbose"]

行 1689–1695

        cmd.insert(1, "--bare")
        _native_sid = str(_resume_id)          # resume 路径:native sid=resume id(撞锁重试要替换它)
        if _resume_id:
            cmd += ["--resume", _resume_id]
        else:
            # Claude Code 要 UUID;首轮显式固定 session_id,下一进程才能原生 --resume 同一对话。
            import uuid as _uuid

MAIN/harness_baselines/claude-code-oss/README.md

SHA-256 aa0d8b80ac083e1591be0789273f447058cc9187b4331634a5614155da27778d · 含未提交改动;源码快照,不自动代表当前执行二进制

行 1–9

# Claude Code

![](https://img.shields.io/badge/Node.js-18%2B-brightgreen?style=flat-square) [![npm]](https://www.npmjs.com/package/@anthropic-ai/claude-code)

[npm]: https://img.shields.io/npm/v/@anthropic-ai/claude-code.svg?style=flat-square

Claude Code is an agentic coding tool that lives in your terminal, understands your codebase, and helps you code faster by executing routine tasks, explaining complex code, and handling git workflows -- all through natural language commands. Use it in your terminal, IDE, or tag @claude on Github.

**Learn more in the [official documentation](https://code.claude.com/docs/en/overview)**.

行 46–50

2. Navigate to your project directory and run `claude`.

## Plugins

This repository includes several Claude Code plugins that extend functionality with custom commands and agents. See the [plugins directory](./plugins/README.md) for detailed documentation on available plugins.

Codex

旧工程与线程不用仅靠摘要重建。

有同工程交接旧记录
原生特点、证据与限制
原生特点
以原生thread和exec resume恢复;在持久工作目录执行并回收文件/原生事件。
为什么保留
旧工程与线程不用仅靠摘要重建。
已有证据
TAKEOVER:旧本地同工程后续可交Hermes继续。
限制
MAIN源码快照不等于当前部署二进制;同Astra冷接项目不代表跨家无损迁移。
查看源码范围与证据口径

B/harness_baselines/meyo-orchestrator/harness_registry.py

SHA-256 336aea7d8259df32058fe89390ed8cbcac94c4eba99775a87a6a00632cb384f1 · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 2112–2116

            # Codex 原生续会话:首轮 JSONL 的 thread.started 给出 thread_id;后续 attempt 用
            # `codex exec resume <thread_id> <prompt>`,让工具结果/history/checkpoint 留在原线程,
            # 不再只靠失败文本重建提示。源码依据 exec/src/cli.rs:143-186、exec_events.rs:13,42。
            _checkpoint = (ctx.task_memory or {}).get("native_checkpoint") or {}
            _resume_id = str(_checkpoint.get("session_id") or "") if isinstance(_checkpoint, dict) else ""

行 2131–2137

            cmd = [binp, "exec", *common]
            if _resume_id:
                cmd += ["resume", _resume_id]
            cmd += [_legion_prompt(codex_question, ctx)]
            r = _run_task(cmd, _WALL_S, env=env, cwd=str(codex_ws), tag="codex")
        final = out.read_text().strip() if out.exists() else ""
        _thread_id, _codex_usage, _codex_native_events, _native_facts = _native_output(

MAIN/harness_baselines/codex/codex-rs/exec/src/lib.rs

SHA-256 9b112c6e245c409c1395e4b41d4bbcd9fdbafd787cdf6873277084ed3c509b2c · 含未提交改动;源码快照,不自动代表当前执行二进制

行 814–832

    // Resolve resume and fork through existing app-server thread lifecycle APIs.
    let (primary_thread_id, fallback_session_configured) = if let Some(ExecCommand::Resume(args)) =
        command.as_ref()
    {
        if let Some(thread_id) =
            resolve_resume_thread_id(&client, &config, state_db.as_ref(), args).await?
        {
            let response: ThreadResumeResponse = send_request_with_response(
                &client,
                ClientRequest::ThreadResume {
                    request_id: request_ids.next(),
                    params: thread_resume_params_from_config(
                        &config,
                        thread_id,
                        resume_approvals_reviewer_override,
                    ),
                },
                "thread/resume",
            )

Hermes

自己的工具执行与会话历史可接到同一项目上。

有原生读写与续作旧记录
原生特点、证据与限制
原生特点
直接调AIAgent.run_conversation(history),原生工具start/complete callback形成执行事实,不是让Codex代答。
为什么保留
自己的工具执行与会话历史可接到同一项目上。
已有证据
TAKEOVER:原生工具修改与采用/恢复旧记录。
限制
只证一个本地项目;不外推全家稳定或所有SDK版本一致。
查看源码范围与证据口径

B/harness_baselines/meyo-orchestrator/harness_registry.py

SHA-256 336aea7d8259df32058fe89390ed8cbcac94c4eba99775a87a6a00632cb384f1 · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 2520–2524

    with lock:
        started[call_id]=time.monotonic()
        meta={{"_hermes_callback":True,"sid":getattr(a,"session_id",None) or sid,"ok":None,"ms":None}}
        emit({{"type":"assistant","message":{{"content":[{{"type":"tool_use","id":call_id,"name":name,"input":meta}}]}}}})
        snapshot("tool_started",{{"call_id":call_id,"name":name,"ok":None,"ms":None,"source_ref":{{"kind":"hermes_session_tool","session_id":meta["sid"],"tool_call_id":call_id}}}})

行 2531–2536

        try:
            parsed=json.loads(result) if isinstance(result,str) else result
            if isinstance(parsed,dict):
                ec=parsed.get("exit_code")
                if parsed.get("error") or type(ec) is int and ec!=0:ok=False
                elif type(ec) is int and native_error is not True:ok=True

行 2569–2573

    before={{attr:getattr(a,attr,None) for attr in (*fields.values(),"session_estimated_cost_usd")}}
    snapshot("started")
    r=a.run_conversation({_legion_prompt(_q, ctx)!r},conversation_history=history)
except Exception as exc:
    snapshot("native_exception",exception_type=type(exc).__name__)

MAIN/harness_baselines/hermes-agent/run_agent.py

SHA-256 468b701bebf56a4735141ebc3ae43797a06e68ef03c35d01fc42324969b499e1 · 含未提交改动;源码快照,不自动代表当前执行二进制

行 412–418

class AIAgent:
    """
    AI Agent with tool calling capabilities.

    This class manages the conversation flow, tool execution, and response handling
    for AI models that support function calling.
    """

行 555–560

            session_id=session_id,
            tool_progress_callback=tool_progress_callback,
            tool_start_callback=tool_start_callback,
            tool_complete_callback=tool_complete_callback,
            thinking_callback=thinking_callback,
            reasoning_callback=reasoning_callback,

DeepSeek Harness

保留事件化推理/工具循环和恢复入口。

桥接源码 · 未新跑
原生特点、证据与限制
原生特点
DSH桥先查持久session,再用agents.resume/create与followup;从事件取final及失败。
为什么保留
保留事件化推理/工具循环和恢复入口。
已有证据
本轮未新验运行;未重放会话。
限制
源码桥需对应依赖/源码;缺失时有旧CLI回退,不能将所有执行都标native resume或最快。
查看源码范围与证据口径

B/harness_baselines/deepseek-harness/examples/headless-agent/legion-resume.ts

SHA-256 9ec55fba23d5f1081639306b68e6a2707a6d45f6d2ddcc3ccf6281f2ed0e70f3 · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 43–57

}
try {
  let resumed = false
  let agent
  // persistence backend 是路径事实源;不要猜它的编码目录名。先 inspect,存在才 resume,
  // 不存在直接 create,避免“首轮先抛异常再创建”留下半初始化 agent。
  try {
    await (ctx as any).sessionPersistence.inspect(sessionId)
    agent = (await ctx.agents.resume({ resumeSessionId: sessionId, agentOptions })).agent
    resumed = true
  } catch {
    agent = (await ctx.agents.create({ sessionId, agentOptions })).agent
  }
  agent.followup(createUserMessage({ content: [{ type: 'text', text: task }], source: { kind: 'user' } }))
  await waitForIdle(ctx, agent)

B/harness_baselines/meyo-orchestrator/harness_registry.py

SHA-256 336aea7d8259df32058fe89390ed8cbcac94c4eba99775a87a6a00632cb384f1 · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 2744–2754

        # 生产原生恢复:完整源码环境使用 DeepSeek 的 agents.resume + JSONL persistence bridge。
        # 依据 examples/headless-agent/tests/resume.e2e.ts:40-62;每轮固定 session_id,进程退出后
        # 下一轮从同一 persistence root 真恢复 event log。精简发布缺源码时才退旧 headless CLI。
        _resume_bridge = _P(__file__).resolve().parents[1] / "deepseek-harness" / "examples" / "headless-agent" / "legion-resume.ts"
        _checkpoint = (ctx.task_memory or {}).get("native_checkpoint") or {}
        _native_sid = str(_checkpoint.get("session_id") or ctx.session_id or f"legion-{qhash}")
        _persist_root = str(_P(ctx.memory_dir or _wd) / "deepseek-sessions")
        _source = _resume_bridge.parents[2] if _resume_bridge.exists() else None
        if _resume_bridge.exists() and _sh.which("pnpm"):
            _cmd = ["pnpm", "exec", "tsx", str(_resume_bridge), _wd, _persist_root,
                    _native_sid, _legion_prompt(_prior_attempts_prelude(ctx.prior_attempts) + question, ctx)]

DeepAgents

把原生图/工具与持久检查点用于继续工作,不仅复写文本消息。

实现与旧声明有差异
原生特点、证据与限制
原生特点
当前worker用create_deep_agent+SqliteSaver保存thread图状态,携带原生todos及未完节点。
为什么保留
把原生图/工具与持久检查点用于继续工作,不仅复写文本消息。
已有证据
本轮未新验运行。
限制
B manifest旧spec仍cold_replay/compaction none,与当前worker存在差异;这里按实现说明,不把声明当运行证明。
查看源码范围与证据口径

B/release/legion-service/deepagents_checkpoint.py

SHA-256 b9cf344ec26ce91b1f2cccb7e1ea3c9175a9b57d67b624fde9d3141ba0b1df51 · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 206–214

    config = {"configurable": {"thread_id": thread_id}}
    reference = {"kind": "deepagents_langgraph_sqlite", "session_id": thread_id,
                 "path": str(path), "workdir": str(workdir), "qhash": request.get("qhash")}
    try:
        with closing(sqlite3.connect(str(path), check_same_thread=False)) as connection:
            saver = SqliteSaver(connection)
            existing = saver.get_tuple(config)
            if kind == "deepagents_langgraph_sqlite" and existing is None:
                result["native_resume_error"] = {"stage": "checkpoint_load"}

行 276–290

            agent = create_deep_agent(
                model=model, backend=backend, checkpointer=saver, tools=tools,
                middleware=[TodoListMiddleware(), NativeHistoryProjection()])
            previous = agent.get_state(config)
            result["resumed_native"] = existing is not None
            if legacy and existing is None:
                facts["legacy_messages_imported"] = True
            question = request["question"]
            question = (f"Runtime filesystem: virtual / maps to {workdir}; "
                        "execute uses this real working directory.\n" + question)
            incoming = {"messages": ([] if existing else legacy) +
                        [HumanMessage(content=question, id=str(uuid.uuid4()))]}
            # Resume an unfinished graph only for the same parent request.
            if previous.next and checkpoint.get("qhash") == request.get("qhash"):
                incoming = None

B/harness_baselines/meyo-orchestrator/harness_registry.py

SHA-256 336aea7d8259df32058fe89390ed8cbcac94c4eba99775a87a6a00632cb384f1 · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 2843–2848

    legion_tool = _legion_tool_path()
    worker = _P(legion_tool).with_name("deepagents_checkpoint.py")
    if not worker.is_file():
        return {"status": "unavailable", "final": "", "error": "DeepAgents native worker 未打包"}
    request = {
        "qhash": qhash, "question": _legion_prompt(_prior_attempts_prelude(ctx.prior_attempts) + question, ctx),

行 2857–2859

    code = (f"import sys,json;sys.path.insert(0,{str(worker.parent)!r});"
            "import deepagents_checkpoint;"
            "print(json.dumps(deepagents_checkpoint.run_native(json.load(sys.stdin)),ensure_ascii=False))")

JCode

保留长任务本身的持久状态与工程路径。

源码快照 · 安装版本未绑定
原生特点、证据与限制
原生特点
原生run --json/--resume保存session_id;本地Rust源码有会话快照/日志和拒空覆盖保护。
为什么保留
保留长任务本身的持久状态与工程路径。
已有证据
本轮未新验运行;MAIN与B的接入/模型声明不同,未绑定当前安装版本。
限制
Rust源码存在不证明此刻执行的是这版;不固定成“只负责某职业”。
查看源码范围与证据口径

B/harness_baselines/meyo-orchestrator/harness_registry.py

SHA-256 336aea7d8259df32058fe89390ed8cbcac94c4eba99775a87a6a00632cb384f1 · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 2265–2278

        _checkpoint = (ctx.task_memory or {}).get("native_checkpoint") or {}
        _resume_id = str(_checkpoint.get("session_id") or "") if isinstance(_checkpoint, dict) else ""
        cmd = [binp, "run", _legion_prompt(_prior_attempts_prelude(ctx.prior_attempts) + question, ctx),
               "--json", "--provider-profile", "meyo-aigc", "-m", ctx.model]
        if ctx.workdir:
            cmd += ["-C", ctx.workdir]
        if _resume_id:
            cmd += ["--resume", _resume_id]
        r = _run_task(cmd, _WALL_S, tag="jcode")
        final = ""
        _native_sid = _resume_id
        try:
            obj = _json.loads(r.stdout)
            _native_sid = str(obj.get("session_id") or obj.get("sessionId") or _native_sid)

LOCAL_JCODE/crates/jcode-base/src/session/persistence.rs

SHA-256 eb196ec60153f1b311902d7ee75ba3b3a85ab816859dc9b8cf089333c40e5f64 · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 188–200

    fn checkpoint_snapshot(&mut self, snapshot_path: &Path, journal_path: &Path) -> Result<()> {
        let destructive_empty_checkpoint = self.messages.is_empty()
            && self.persist_state.messages_len > 0
            && snapshot_path.exists();
        if destructive_empty_checkpoint {
            self.guard_snapshot_shrink(snapshot_path, journal_path);
            bail!(
                "refusing to replace non-empty persisted transcript for session {} with an empty checkpoint",
                self.id
            );
        }
        self.guard_snapshot_shrink(snapshot_path, journal_path);
        storage::write_json_fast(snapshot_path, self)?;

行 300–303

    pub fn load(session_id: &str) -> Result<Self> {
        let path = session_path(session_id)?;
        Self::load_from_path(&path)
    }

Penguin

沿用原会话而不是每次重开工程。

旧工具通过 · 速度失败
原生特点、证据与限制
原生特点
首轮run、续作chat --resume;原生续作保留原会话的模型/工作目录。
为什么保留
沿用原会话而不是每次重开工程。
已有证据
ONBOARD:penguin-harness旧工具落盘通过,但速度阶段FAIL。
限制
penguin与penguin-harness同源,不是两家独立公司;两配置/版本及当前二进制不能据此认定完全相同。
查看源码范围与证据口径

B/harness_baselines/meyo-orchestrator/harness_registry.py

SHA-256 336aea7d8259df32058fe89390ed8cbcac94c4eba99775a87a6a00632cb384f1 · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 2188–2201

        _checkpoint = (ctx.task_memory or {}).get("native_checkpoint") or {}
        _resume_id = str(_checkpoint.get("session_id") or "") if isinstance(_checkpoint, dict) else ""
        _trace_root, _trace_offsets = _penguin_trace_offsets(_resume_id)
        if _resume_id:
            # 续跑:走 chat --resume(penguin 原生 session 恢复的唯一入口)·灌 prompt+/exit
            cmd = [binp, "chat", "--resume", _resume_id, "--approve", "allow-all"]
            r = _run_task(cmd, _WALL_S, input=prompt + "\n/exit\n", tag="penguin")
        else:
            # 首轮:单发 run·prompt 作 -m arg·彻底避开交互 REPL 时序竞态
            cmd = [binp, "run", "-m", prompt, "--provider", "custom", "--model-id", ctx.model,
                   "--approve", "allow-all"]
            if ctx.workdir:
                cmd += ["--workspace", ctx.workdir]
            r = _run_task(cmd, _WALL_S, tag="penguin")   # 不灌 stdin(run 不需要)

MAIN/harness_baselines/penguin-harness/packages/cli/src/commands/chat.ts

SHA-256 d81cd72b333ddc9a322ab33adf4bc62bbf25a082ad5cec0114e1caedb9d61862 · 含未提交改动;源码快照,不自动代表当前执行二进制

行 115–135

      // --resume: resumes an existing Session. Workspace and
      // Model follow the original Session and cannot be overridden; when omitted, resumes
      // the current Agent's most recent Session. Annotated (not inferred) because /clear
      // reassigns it mid-REPL, after the closures below have captured it.
      let session: Session;
      if (opts.resume !== undefined) {
        if (opts.workspace || opts.modelId || opts.provider) {
          out.write(`${t.error(t.resumeNoOverride())}\n`);
          process.exitCode = 1;
          return;
        }
        const sessionId =
          typeof opts.resume === "string" ? opts.resume : await agent.latestSessionId();
        if (!sessionId) {
          out.write(`${t.error(t.resumeNoSession())}\n`);
          process.exitCode = 1;
          return;
        }
        session = await agent.resumeSession({ sessionId });
      } else {
        session = await agent.createSession({

MAIN/harness_baselines/penguin-harness/packages/cli/package.json

SHA-256 10a8a0caba423f5d6e81eae55f07f290376fe444de5edbd45153ba91b4be69f3 · 含未提交改动;源码快照,不自动代表当前执行二进制

行 1–7

{
  "name": "@prismshadow/penguin-cli",
  "version": "0.2.4",
  "type": "module",
  "description": "PenguinHarness CLI: interactive REPL and single-task runner over @prismshadow/penguin-core.",
  "license": "Apache-2.0",
  "repository": {

行 8–11

    "type": "git",
    "url": "git+https://github.com/Prism-Shadow/penguin-harness.git",
    "directory": "packages/cli"
  },

Prime

既有入口可继续用,原生会话格式有可核验边界。

旧工具通过 · 入池未验
原生特点、证据与限制
原生特点
旧prime兼容key转接prime-intellect,使用Prime JSONL v3会话原格式,坏checkpoint不伪造恢复。
为什么保留
既有入口可继续用,原生会话格式有可核验边界。
已有证据
ONBOARD:Prime旧短工具和模式记录通过,但server pool未验。
限制
两个key同一Prime生态;不是独立成员数量翻倍,更不是pi重复品牌计算。
查看源码范围与证据口径

B/harness_baselines/meyo-orchestrator/harness_registry.py

SHA-256 336aea7d8259df32058fe89390ed8cbcac94c4eba99775a87a6a00632cb384f1 · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 2303–2306

def _prime_adapter(qhash, question, gold="", ctx=None):
    """旧 key 薄接官方 Prime Intellect;prime_message 费用由专属事件读取器提供。"""
    ctx = ctx or HarnessCtx.from_env()
    checkpoint = (ctx.task_memory or {}).get("native_checkpoint") or {}

行 2316–2322

        from external_adapters.prime_native import SESSION_FORMAT, prepare_resume, unwrap_result
        prepare_resume(checkpoint)
        item = next((x for x in registry.load_catalog() if x["key"] == "prime-intellect"), {})
        transports = item.get("transports") or []
        if len(transports) != 1 or transports[0].get("native_session_format") != SESSION_FORMAT:
            raise ValueError("prime_native_spec_not_registered: 请经 harness_onboard 持锁 upsert Prime spec")
        result = unwrap_result(_external_adapter("prime-intellect")(qhash, question, gold, ctx))

B/release/legion-service/external_adapters/prime_native.py

SHA-256 d2725b2eaf494008c5030dd353e6f70809958cbbd9bb37a46ed9b72f00d6584a · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 16–27

SESSION_FORMAT = "prime_jsonl_v3"


class PrimeSessionError(ValueError):
    pass


def read_session(path: str, expected_id: str = "") -> tuple[dict, bool]:
    """严格只读;native 的修复/新建行为不得掩盖坏 checkpoint。"""
    file = Path(path)
    if not file.is_absolute() or file.suffix != ".jsonl" or file.is_symlink() or not file.is_file():
        raise PrimeSessionError("prime_checkpoint_missing_or_unsafe")

行 92–105

def prepare_resume(checkpoint: dict) -> tuple[str, str]:
    checkpoint = checkpoint_details(checkpoint)
    if not checkpoint:
        return "", ""
    path = checkpoint["session_path"]
    header, used_kernel = read_session(path, checkpoint["session_id"])
    artifact_dir = Path(path).parent.parent / "session-artifacts" / header["id"]
    snapshot = artifact_dir / "kernel-state.dill"
    manifest = artifact_dir / "kernel-state.json"
    # 0.8 已有自动 snapshot/restore;不能假设换新进程就不需要迁移状态。
    if checkpoint.get("runtime_revision") != REVISION and (
            snapshot.exists() or manifest.exists() or used_kernel):
        raise PrimeSessionError("prime_legacy_kernel_resume_unverified: 保留旧会话及快照,未启动新版")
    if used_kernel and not snapshot.is_file():

LOCAL_PRIME/packages/coding-agent/src/core/session-manager.ts

SHA-256 6f3fa5a019ee48c8c26433aec0f420761ead8a4a7b8f141e318bd89eecadef67 · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 40–44

export const CURRENT_SESSION_VERSION = 3;
const SESSION_LIST_SEARCH_TEXT_MAX_CHARS = 64 * 1024;
const SESSION_LIST_PARSE_MAX_LINE_CHARS = 1024 * 1024;
const SESSION_LIST_LARGE_MESSAGE_PREVIEW_MAX_CHARS = 256;
const SESSION_STREAMING_LOAD_THRESHOLD_BYTES = 128 * 1024 * 1024;

行 1433–1445

export class SessionManager {
	private sessionId: string = "";
	private sessionFile: string | undefined;
	private sessionDir: string;
	private cwd: string;
	private persist: boolean;
	private flushed: boolean = false;
	private fileEntries: FileEntry[] = [];
	private byId: Map<string, SessionEntry> = new Map();
	private labelsById: Map<string, string> = new Map();
	private labelTimestampsById: Map<string, string> = new Map();
	private leafId: string | null = null;
	private persistListeners = new Set<SessionPersistListener>();

行 2290–2304

	static create(cwd: string, sessionDir?: string): SessionManager {
		const dir = sessionDir ?? getDefaultSessionDir(cwd);
		return new SessionManager(cwd, dir, undefined, true);
	}

	static open(path: string, sessionDir?: string, cwdOverride?: string): SessionManager {
		// Only the header's cwd is needed to construct the manager; the constructor
		// (setSessionFile) performs the full parse. Read just the first line here
		// instead of parsing the entire file a second time — that double parse is a
		// needless O(n) cost on open and is noticeable for long sessions.
		let cwd = cwdOverride;
		if (cwd === undefined) {
			let header: Partial<SessionHeader> | undefined;
			try {
				header = readSessionHeader(path);

Omnigent

可利用其他工作台的原生执行入口,而非把所有家改成同一种Agent。

框架源码 · 子家未实跑
原生特点、证据与限制
原生特点
原生框架按会话启动harness进程并有插件注册表;Meyo后端从原生信息读子harness,保留完整绑定和resume参数。
为什么保留
可利用其他工作台的原生执行入口,而非把所有家改成同一种Agent。
已有证据
本轮未新验运行;未枚举/调用实际子家。
限制
旧profile“18子家”不作为当前数量;Omnigent不等于外接OmniAgent,嵌套也不自动证明集体更强。
查看源码范围与证据口径

B/harness_baselines/meyo-orchestrator/harness_registry.py

SHA-256 336aea7d8259df32058fe89390ed8cbcac94c4eba99775a87a6a00632cb384f1 · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 2937–2950

def _omnigent_adapter(qhash, question, gold="", ctx=None):
    """显式 ctx 原样交给 backend;不能用丢参重试或默认模型冒充请求绑定。"""
    _explicit_ctx = ctx is not None
    ctx = ctx or HarnessCtx.from_env()
    question = _prior_attempts_prelude(ctx.prior_attempts) + question
    _checkpoint = (ctx.task_memory or {}).get("native_checkpoint") or {}
    _resume_id = str(_checkpoint.get("session_id") or "") if isinstance(_checkpoint, dict) else ""
    try:
        import inspect as _inspect
        import os as _os
        _mh = _os.path.join(_os.path.dirname(_os.path.abspath(__file__)), "meyo_harnesses")
        if _mh not in _sys.path:
            _sys.path.insert(0, _mh)
        from backends import omnigent_backend as _ob

行 2971–2985

            _kwargs.update(appid=ctx.appid, gateway=ctx.gateway, native_checkpoint=_checkpoint)
        _params = _inspect.signature(_ob.run).parameters
        if not any(p.kind == p.VAR_KEYWORD for p in _params.values()):
            _unsupported = set(_kwargs) - set(_params)
            if _unsupported and _explicit_ctx:
                return {
                    "final": "", "status": "error", "elapsed": 0.0, "resumed_native": False,
                    "native_checkpoint": _checkpoint or None,
                    "error": "当前 Omnigent backend 不支持完整请求绑定;未丢参执行",
                    "error_envelope": {"category": "harness_runtime", "scope": "harness",
                                       "retryable": False, "code": "backend_binding_unsupported"},
                }
            # 仅老式无 ctx 调用兼容旧签名,执行一次;不捕获内部 TypeError 后重派任务。
            _kwargs = {k: v for k, v in _kwargs.items() if k in _params}
        return _ob.run(qhash, _legion_prompt(question, ctx), gold, **_kwargs)

B/harness_baselines/meyo-orchestrator/meyo_harnesses/backends/omnigent_backend.py

SHA-256 8bd1fb8359ef781e4b361635927fc0c116a8cdf75a1449780e33284d076cf4b4 · 所读文件无未提交改动;源码快照,不自动代表当前执行二进制

行 54–76

def list_sub_harnesses() -> list[str]:
    """动态读 omnigent registry 的子harness清单(不硬编码·量大管饱的来源)。

    军团纳入omnigent后·可经它代跑这些子家(cursor/kimi/goose/qwen…军团本来没有的)。
    过滤 native/别名变体·只留干净可选名。依据:omnigent runtime/harnesses/__init__.py 动态registry。"""
    try:
        names = _native_info().get("sub_harnesses", [])
    except Exception:
        return []
    return _clean_sub_harnesses(names)


def _clean_sub_harnesses(names):
    clean, seen = [], set()
    for n in sorted(names):
        if "native" in n:
            continue
        base = n.replace("-sdk", "").replace("-code", "").replace("-build", "")
        if base in seen:
            continue
        seen.add(base)
        clean.append(n)
    return clean

行 245–253

        # 闭环由 omnigent cli `_materialize_harness_launcher_file(..., client_tools=tools)` 实现;
        # 不设置无人读取的额外 env,避免把“写了配置”误当成“运行时已接通”。
        cmd = [b, "run"]
        if explicit:
            cmd.append(str(native_path))
        cmd += ["--harness", sub, "--tools", "coding"]
        if resume_id:
            cmd += ["--resume", resume_id]
        if model:

MAIN/harness_baselines/ecosystem/omnigent/omnigent/runtime/harnesses/__init__.py

SHA-256 b0432565d786e05df31159ab33569c4ffb60f8d6089fb18a54f0a1e924659a05 · 含未提交改动;源码快照,不自动代表当前执行二进制

行 1–8

"""
Harness package — per-conversation subprocesses that implement a
subset of the Omnigent REST API.

See ``designs/SERVER_HARNESS_CONTRACT.md`` for the full contract.
The harness IS an HTTP service speaking the same Pydantic models AP
serves to external clients (re-use ``omnigent.server.schemas`` —
there is no separate protocol module).

行 27–40

from omnigent.harness_plugins import harness_modules

# Harness-name -> fully-qualified module path, sourced from the harness
# registry (built-ins + installed community plugins). Each module must
# export ``create_app() -> FastAPI``; the runner imports the module, calls
# the factory, and serves the result over a Unix socket. The historical
# mutable-dict surface is preserved (tests inject fixture entries by dict
# mutation), but the contents come from the dynamic registry, not a literal.

# Keep the historical mutable dict surface while sourcing builtins and
# community plugins from the dynamic registry.
_HARNESS_MODULES = harness_modules()

__all__ = ["_HARNESS_MODULES"]

MAIN/harness_baselines/ecosystem/omnigent/pyproject.toml

SHA-256 080206f20321603527b8c58f1097fe58273b05ed39ca4d77ece6397fc8a1eeac · 含未提交改动;源码快照,不自动代表当前执行二进制

行 5–15

[project]
name = "omnigent"
# Keep in sync with omnigent/version.py's VERSION constant.
version = "0.11.0.dev0"
description = "Omnigent: declarative agent authoring and runtime framework"
readme = "README.md"
requires-python = ">=3.12"
authors = [
    { name = "Databricks, Inc." },
]
keywords = ["agents", "llm", "ai", "databricks", "cli"]

Auto是工具库,执行引擎停用;Grok Bot重建版是平台层。Prime与Penguin的同源入口不重复算独立厂家。这里只说明登记和已有证据,不报在线数量。

19条外接执行登记 · 名字先列清楚

这是接入声明分组,点名字看原登记与限制,不代表当前在线。

10条工具与平台登记 · 不混进执行者名单

这是接入声明分组,点名字看原登记与限制,不代表当前在线。

展开全部38条登记:含外接成员、工具与平台
登记入口在Meyo中的角色接入声明不能外推的状态
Auto 工具库(引擎停用)auto · 内置工具/能力来源sdk-subprocess本轮未逐家探活源码/工具保留;引擎退出答题、接力和首脑竞选,不能当第十个当前执行者。
Claude Codecc · 内置执行角色声明cli-subprocess本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Codexcodex · 内置执行角色声明cli-subprocess本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
DeepAgentsdeepagents · 内置执行角色声明sdk-subprocess本轮未逐家探活manifest仍写resume=cold_replay/compaction=none,但当前worker实现SqliteSaver原生图checkpoint;不能只照抄profile/specs,也不据源码断言运行已使用。
DeepSeek Harnessdeepseek · 内置执行角色声明sdk-subprocess本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Hermeshermes · 内置执行角色声明sdk-subprocess本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
JCodejcode · 内置执行角色声明cli-subprocess本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Omnigentomnigent · 内置执行角色声明meta-harness本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Penguinpenguin · 内置执行角色声明cli-subprocess本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Primeprime · 内置执行角色声明cli-subprocess本轮未逐家探活兼容key转接prime-intellect,不是第二个独立Prime生态。
CowAgentcowagent · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Paperclippaperclip · 外接控制平台http本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
DeerFlowdeer-flow · 外接执行角色声明sdk本轮未逐家探活kind=orchestrator,但当前normalized role默认agent;不能只按kind移出agent声明组。
Clinecline · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Goosegoose · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
OpenClawopenclaw · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
pi Coding Agentpi · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
nanobotnanobot · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
GenericAgentgenericagent · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
OmniAgentomniagent · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Kimi Code CLIkimi-code · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
IronClawironclaw · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Aeonaeon · 外接控制平台未声明任务transport本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Qwen Code CLIqwen-code · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Aideraider · 外接执行角色声明sdk本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
OpenCodeopencode · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Browser Usebrowser-use · 外接工具/能力来源cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
GNHF Good Night Have Fungnhf · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
macOS Harness (browser-use)macos-harness · 外接工具/能力来源cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Headlong llmheadlong · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Harness Anythingharness-anything · 外接工具/能力来源未声明任务transport本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
HASS.Agenthass-agent · 外接工具/能力来源未声明任务transport本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
LoopXloopx · 外接工具/能力来源cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
OpenHandsopenhands · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
mobilerunmobilerun · 外接工具/能力来源未声明任务transport本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Grok Bot 0.18 Reconstructedgrok-bot-reconstructed · 外接桌面平台未声明任务transport本轮未逐家探活非官方source-oriented reconstruction;ui-platform,无任务transport;不能写成xAI/Grok官方模型或答题成员。
Prime Agent (Prime Intellect)prime-intellect · 外接执行角色声明cli本轮未逐家探活仅登记和角色口径;不保证安装、授权、协议、平台、工作目录、实际工具成功或当前在线。
Penguin Harness (Prism-Shadow)penguin-harness · 外接执行角色声明cli本轮未逐家探活与builtin penguin同一Prism-Shadow代码生态,两个接入/版本声明,不作独立厂商翻倍。
名字、别名与未登记生态,不混为一谈
  • prime是转接prime-intellect的兼容入口,不是两家独立Prime。
  • penguin与penguin-harness同源;两入口和两份配置不等于两个独立厂家,也不证明运行版本相同。
  • Omnigent与OmniAgent不是同一个项目:前者是元Harness入口,后者是另一外接声明。
  • Grok Bot 0.18 Reconstructed在此为ui-platform,不能当Grok官方模型或独立答题成员。

Orca:MAIN有生态IDE源码,当前两个名册未登记;不能把本地目录等同所有同名Orcha项目,更不说明已可派单。

Multica:当前未登记;限定目录核查尚无精确本地源码指针,不宣称全机不存在,也不充作已接入成员。

名册角色、源码设计、旧运行记录和当前在线状态分别说明。原生特点不是固定职业分工,也不是谁永远更强的保证。

为什么保留差异?为了少重来、能补位、有人收口。

像围着同一个项目夹协作:原目标、文件、版本和必要资料在;不同工作台保留各自工具与会话。不是给品牌分固定岗位,也不是公开所有人的私聊和凭据。

谁规划与选人

模型可提出计划;平台提供候选,并受用户指定、可运行条件、偏好和静态排序/评分影响。不是全生态自由选优。

谁执行与交付

原生负责人组织具体工作,缺能力时求助或转交;分叉之后由原作者看差异并集成。平台负责权限、取消、绑定、版本和恢复。

实际源码的竞选路径使用 max(_bid_strength),默认候选范围还有限制;并非所有入口都会竞选。

一家能做,就不强行组队

原负责人用自身工具与会话
同一工程实现、验证、返工

不为了展示军团而把简单问题拆给很多家。

实现与限制 ↗

缺一个视角,找同伴审查

原作者提出具体缺口
同伴只读观察与建议
原作者读回意见并实改

建议返回不等于完成;要看原文件到底改了没有。

实现与限制 ↗

换一家做,保住原工程

前负责人留下目标和版本
新负责人原生工具接项目
同一工程继续并留下变化

跨家接工程,不是跨家无损恢复同一个原生会话。

实现与限制 ↗

可独立的工作,再并行做

共同基线分别建立工作副本
同伴各做一个独立写面
原作者看差异、集成、收口

不是自动合并所有输出;分支失败不能算成功贡献。

实现与限制 ↗

这是四种组织选择的职责连接图,不是每单强制执行的固定流水线。是否值得协作,要看结果、全部成本和用户少管了多少事。

实际合作改变了什么?先看这三条,不只看接入名单。

旧记录 · C1

Codex → Hermes:接着同一工程做

Codex → Hermes → 原工程

旧2048工程新增Ctrl/Command+Z撤销,作者修改与资料保留,采用/恢复有旧验收记录。

接工程成立,不等于跨家原生会话互通。

看参与者、动作与原记录 ↗
旧记录 · C2

Hermes → Codex意见 → 原Hermes

Hermes → Codex → 原Hermes

同伴全文回到原作者后继续改文件;旧验收中5类编辑目标不再误动棋盘。

本单明确要求求助,不是自动选优或更便宜的证明。

看参与者、动作与原记录 ↗
旧记录 · C3

共同基线分叉:部分成功

原Hermes → Hermes+Codex → 原Hermes

说明文档被原作者集成;手机样式由原负责人补做,不是两个子成员都成功交付。

一支未完成就保留未完成,不把分叉数量当贡献。

看参与者、动作与原记录 ↗

三条都是同Astra的有限旧记录,未证明普遍胜过单家、降本或长期群体进化。原实验ZIP和部分子快照尚未找回;当前公开2048不是这三次实验的同版复验入口。下方保留时间、动作、费用缺口和失败,不为补链接而拼一个新版本。

展开完整说明:全名单、特点、规划、分工、效果与边界

军团不是让一堆模型同时回答,而是让不同原生工作台带着同一项目现场,按需要接管、求助或并行,由明确的负责人把原作品做完。

“有哪些家”和“每家现在都能用”是两件事;“有人参与”和“成果因此变好”也是两件事。下面把名册、设计原因、运行机制与旧案例分别说明,不拿数量替代效果。

1. 目前名册里有哪些

本次只读的两份核心登记表共有38个入口:内置10、外接28。按它们在Meyo中的角色,分为执行角色28、工具/能力7、控制平台2、桌面平台1。这是登记条目,不是独立厂商数,也不是实时在线数。

内置执行入口9个

Claude Code、Codex、Hermes、DeepSeek Harness、DeepAgents、JCode、Penguin、Prime、Omnigent。

另一个内置条目是Auto工具库:工具资产和源码保留,当前执行引擎停用,不进答题、接力或首脑池。历史GAIA研发结果并没有因此被抹掉,但不能把Auto再算成当前多出来的一位答题者。

外接执行角色19个

CowAgent、DeerFlow、Cline、Goose、OpenClaw、pi Coding Agent、nanobot、GenericAgent、OmniAgent、Kimi Code CLI、IronClaw、Qwen Code CLI、Aider、OpenCode、GNHF、Headlong llm、OpenHands、Prime Agent、Penguin Harness。

这些有各自的CLI、SDK或其他接入声明。是否已安装、依赖与授权是否满足、原生工具能否工作,仍需实际运行证据;不能由role=agent直接宣布可用。

工具、能力与平台层

  • **工具/能力:**Auto、Browser Use、macOS Harness、Harness Anything、HASS.Agent、LoopX、MobileRun。
  • **控制平台:**Paperclip、Aeon。
  • **桌面平台:**Grok Bot 0.18 Reconstructed。

这是它们在Meyo中的角色,不是评价其原产品只能做什么。比如DeerFlow的kind叫orchestrator,但规范角色仍是执行agent;Grok重建版则是平台层,不是Grok官方模型或独立答题成员。

不重复算、不擅自算入

  • prime → prime-intellect是明确的兼容转接,不算两家独立Prime。
  • penguin与penguin-harness同源,入口/配置与运行版本仍要分别核。
  • Omnigent ≠ OmniAgent,不能因名字相近合并。
  • Orca本地有生态IDE源码,但当前两个名册没有登记;目录身份也不自动等于所有叫Orcha的项目。
  • Multica当前未登记,限定核查尚未找到精确本地源码指针;不是断言全机不存在,也不把它充作已经接入。
  • Omnigent的嵌套子后端也不能再与主名册简单相加,凑成更多“已验成员”。

两工作树的key和角色集合一致,但配置指纹不同。页面的接入列是声明,不是当前生产状态;完整38条安全名册和源文件指纹可展开或下载,不含env、凭据和安装令牌。

2. 为什么保留不同特点,而不是统一成一种Agent

**家是工作台,模型是它使用的“大脑”。**同一Astra可以被不同Harness使用,区别还在原生工具、文件工作方式、会话、插件、上下文处理与恢复协议。

入口 保留的可靠特征 对用户可能有什么价值
Claude Code CLI事件与原生session resume 延续自己的工作方式与会话,工具进度可回流
Codex 原生thread/exec resume与持久工程 接着已有项目做,不只靠短摘要重建
Hermes 自己的AIAgent会话、history与工具回调 真正由自己的工具执行,不是挂名后让另一家代答
DeepSeek Harness 持久事件session的inspect、resume/create与followup 保留事件化工具循环与恢复入口
DeepAgents 当前worker有图thread、todos及SQLite checkpoint 继续未完图节点,而不只是重发消息
JCode run JSON/resume及原生持久状态 保留长任务与工程状态
Penguin 首轮run、续作chat resume 沿用原会话的模型和工作目录
Prime 兼容入口接Prime原会话格式 旧入口可用,坏checkpoint不伪造恢复
Omnigent 会话绑定、子Harness插件与执行入口 在需要时借到其他工作台,而不是全部重写

这些是有源码位置可查的机制特点,不是固定职业分工或实力排名。同一家可能写代码、研究、检查或集成,角色应随任务变化。

也不能说所有原生能力都已完整保留:当前CC的--bare会跳过部分扩展;旧DeepAgents manifest仍写cold_replay,当前worker却已有create_deep_agent与SqliteSaver;JCode在两树的声明也不同。源码、声明、安装版本、实际执行不能混成一个“已完成”。

旧profile里的高低、快慢和绝对化标签不作为本页性能事实。没有同题、同模型/预算和真实交付比较,就不声称哪家永远更强。

3. 我们为什么需要这些组织特征

  1. **保留原生工作方式:**不把各家削成同一个聊天接口,才有机会复用它们的原生长处。
  2. **共享同一项目现场:**接手者知道目标、文件、版本、来源和失败,减少搬运与重做;不是共享所有人的私聊。
  3. **让原作者真正消费帮助:**同伴回复不是成品,必须回到原任务,发生实际修改或明确取舍。
  4. **并行有独立写面和收口者:**共同基线、分离副本、固定差异,再由原负责人集成,避免互相覆盖。
  5. **保留失败与全部开销:**知道用了谁、错在哪、是否重做,才能判断有无净收益。

这些机制最终都要服务同一个结果:**用户少管理,作品更好,或者同质量下全成本更低。**不是为了让一个任务看起来有很多角色。

4. 谁规划、谁组织、谁把作品做完

可以理解为五种职责,但不是每个请求都强制走五道工序:

职责 当前怎样衔接 不能误解成什么
计划提出 模型读取目标、附件、候选与能力状态,返回任务与关系 并非平台已知道唯一最佳答案
负责人选择 用户指定、候选条件、静态偏好、历史信号和提案评分共同作用 不是每次38家全体开会,也不是全自主全生态最优
运行执行 调度器管理依赖、绑定、租约、取消、工作目录和状态 调度成功不等于作品完成
原生工作 负责人使用自己的工具做事,遇到具体缺口提出帮助或交接 不固定哪一品牌只能做某职业
最终收口 原作者核同伴结果、读差异、修改原文件并交付,用户决定采用 不是平台投票后把几段答案拼起来

当前选负责人还有明确代码规则:候选先排序,默认竞选范围有限,再按_bid_strength经max选取;分数涉及提案结构、任务/方向/图数量及历史信号。不能照抄旧注释说“首个完整提案一定当选”,也不能把规则评分当成已经证明选到最强执行者。

当前也仍有平台侧模型规划和评分逻辑,不能宣传成所有质量决策已经完全下放到原生Harness。图解表达的是职责与可能的连接,实际入口和任务会跳过或调整其中步骤。

几种配合方式,不是一回事

  • **单家直接做:**完整原生能力足够时,不为了军团而拆队。
  • **need_peer请教:**提出具体问题,同伴返回原始观察,原负责人真正续作;平台失败回执也要如实带回。
  • **handoff交接:**换负责人并带上同一工程与现场,不保证任意两家的原生会话历史无损互通。
  • **fork并行:**共同基线、独立工作副本、收回固定结果与差异,最后由原生父成员集成。两个分支不等于两份成功贡献。
  • **失败接力:**某个运行路径失败后补位,同时保留原失败和费用,不能用后来成功遮住前面的缺口。
  • **同题比较:**需要时再比较不同方案;不以一致投票或答案融合替代真实作品。

5. 实际工作效果:三条可追查的旧记录

例一:原工程从Codex交给Hermes

已有2048工程需要撤销快捷键。Codex/Astra留下原版本,Hermes/Astra用自己的原生工具读取和修改同一项目。旧记录有快捷键、采用/恢复、重启保留等结果。

这是同Astra、跨Harness冷接项目,不是继续Codex的原生thread,也不是证明异构模型增益。旧记录用时182.35秒,不能与另一任务直接做速度排名;本轮未重跑。

例二:同伴意见被原作者真正采用

Hermes/Astra针对原代码提出只读问题,Codex/Astra给出观察;同一个Hermes原生会话读到完整回复,再进行真实工具操作与修改。

旧差异记录只有一个原JS改变,64个原文件保持。旧验收里五类编辑目标不再误动棋盘,正常移动和撤销保留。这比“同伴回答了”更接近有效协作。

但任务明确要求不同视角并限定两家。399.32秒是该记录的三阶段时间,费用未完整单列;不声称无提示自动选优、所有任务更快或更省。

例三:并行确实发生,但并不是两家都成功

原Hermes让Hermes与Codex在同一固定基线的独立写面中处理README和手机布局。旧时间窗有重叠,子Hermes的README被父成员实际集成。

**子Codex未完成布局代码,原负责人补做;子Codex和父运行都曾超时。**后来作品的手机说明、操作区和中文使用文档有改善,但不能宣传“两份成功代码自动合并”或“比最强单家更快”。

三例都是旧工程验收,同Astra,没有完整的同条件最强单家对照或长期群体净收益证明。三份旧完整ZIP与部分fork子快照原路径本轮未找回,因此只引用保留的原生提取、文件差异与验收记录,不伪造当次版本的即时试玩或下载地址。已有公开作品可另看本页作品区,但版本证据不能混用。

6. 失败和未证明的部分也必须说

  • **能力借用未闭环:**上下文/JSON传递修过,子原生启动过,但沙箱返回Operation not permitted (71),指定文件读取未证,原作品没改。outer ok/done不能当工具成功。
  • 组队不保证胜过单家:旧10题自述中组队为4/4/2,最强单家为5/10。不是当前排名,却不支持“多家天然更强”。
  • **预检失败回流不等于作品已完成:**有原Codex自行改选Hermes的旧记录,但当时请求者仍在工作;只证明失败事实与选择回到原作者,不作为第四个作品成功例。
  • **在目录不等于可用:**依赖、平台、权限、工具、原目录与会话都要成立;工具能力和控制平台不应混进答题池。
  • **有记忆不等于群体进化:**要看下一次实际采用与效果,不拿注入次数或源代码被读过一次代替长期增强。

下一步应跟住一条已获准的真实任务,记录实际成员和模型、计划变更、工具、原文件变化、失败与全部成本。只在结果、可靠性或管理负担出现净改善时,才把方法继续推广。不能为了凑名单或给报告提分新跑一轮。

本次只更新分享网页:未安装成员、逐家探活、调用业务模型、重跑基准、操作浏览器、修改生产配置或部署服务。名册、源码、旧运行与当前线上状态分别说明。

代码结构图解 · 不是系统正在运行的截图

代码的特色,是让现场和能力接得上。

模型仍自己做判断。底座重点是把需要的信息、工具、同伴意见和原作品接通,而不是替每一道题写固定解法。

接棒不失忆

同一工程、版本、资料、反馈一起走。

源码已核 · 保留快照
展开代码片段与边界

release/legion-service/project_context.py:139–162

def _initialize_locked(team_id: str, objective: str, plan: dict, *, mode: str,
                       user_id: str = "", conversation_id: str = "") -> dict:
    """调用者已持有 _packet_lock;合并原有项目事实,不另建执行现场。"""
    source = plan.get("project_context") if isinstance(plan.get("project_context"), dict) else {}
    packet = _json_safe(source) if source else {}
    previous = load(team_id)
    conversation = str(conversation_id or packet.get("conversation_id") or
                       previous.get("conversation_id") or team_id)
    require_owner(previous, user_id, conversation)
    # 显式调用沿本次身份表示传给 workdir;未指定用户的维护调用保留原归属。
    owner = str(user_id or previous.get("user_id") or packet.get("user_id") or "")
    same_context = bool(previous and str(previous.get("conversation_id") or "") == conversation)
    if same_context:
        for key in ("decisions", "completed", "open_gaps", "verification_findings", "artifacts", "attempts",
                    "source_ref", "input_snapshot", "version_identity", "execution_role", "quality_context",
                    "visibility", "reference_atlas", "frontier_research_contract"):
            if key not in packet and previous.get(key) not in (None, "", [], {}):
                packet[key] = _json_safe(previous[key])
        # 续做计划可能只携带任务状态,工程现场仍以该会话的持久 packet 为准。
        # 两个路径别名成组继承:显式给新 workspace 时不能再补回旧 repo_root。
        if not any(key in packet for key in ("repo_root", "workspace_root")):
            for key in ("repo_root", "workspace_root"):
                if previous.get(key):
                    packet[key] = _json_safe(previous[key])

项目初始化保留同会话已有事实;不是每次只从最新一句话重来。

旧核查快照 edbc7dad958b;此片段当时已提交。这是源码说明,不是本轮运行证明;完整版本、指纹和限定保留在原索引。

看机制、动作与结果 ↗

工具按需找

把来源、可执行性与召回条件说清。

源码已核 · 保留快照
展开代码片段与边界

release/legion-service/legion_tool.py:173–179

    # 字符 n-gram 不是跨语言语义:中英零交集时仍会因泛中文描述产生噪声。只有真正的多语言
    # embedding 才参与混排;否则诚实保留 BM25,交给 harness 读 manifest 后自行改写重搜。
    semantic_weight = 0.55 if semantic_backend == "multilingual_embedding" else 0.0
    lexical_weight = 1.0 - semantic_weight
    for item in catalog:
        score = (lexical_weight * lexical.get(item["id"], 0.0) / lex_max
                 + semantic_weight * max(0.0, semantic.get(item["id"], 0.0)))

只有真实多语向量模式才进入对应混排,不能把所有回退都称语义召回。

旧核查快照 edbc7dad958b;此片段当时已提交。这是源码说明,不是本轮运行证明;完整版本、指纹和限定保留在原索引。

看机制、动作与结果 ↗

接入有来历

统一登记角色和版本,不把目录当上线。

源码已核 · 保留快照
展开代码片段与边界

release/legion-service/harness_onboard.py:65–83

def _upsert_catalog(key, spec_path):
    entry = json.loads(pathlib.Path(spec_path).read_text(encoding="utf-8"))
    if entry.get("key") != key:
        raise ValueError("spec.key=%s 与 --key=%s 不一致" % (entry.get("key"), key))
    validation = R.agent_manifest.validate(entry)
    if not validation.get("ok"):
        raise ValueError("spec 不满足 catalog 契约:" + ";".join(validation.get("errors") or []))
    with R.catalog_lock():
        items = R.load_catalog()
        replaced = False
        for i, x in enumerate(items):
            if x.get("key") == key:
                items[i] = entry
                replaced = True
                break
        if not replaced:
            items.append(entry)
        R._save_catalog(items)
    return "catalog %s:%s (total=%d)" % ("updated" if replaced else "appended", key, len(items))

注册先校验manifest并以锁更新目录,让接入有统一入口。

旧核查快照 edbc7dad958b;此片段当时已提交。这是源码说明,不是本轮运行证明;完整版本、指纹和限定保留在原索引。

看机制、动作与结果 ↗

经验有消费者

不是只存复盘,要送到下一次执行。

源码已核 · 含WIP
展开代码片段与边界

release/legion-service/legion_core.py:4159–4164

            ctx += _dk_block
    except Exception:
        pass
    # 军团跨家经验召回:别家/自己历史上答过的相似问题·供参考(context not control·标明不一定对让模型自判)
    # 传 cb:召回到经验时给用户 emit 一条可见事件(过程透明·让"军团在学习变强"可感知·用户中心)。
    ctx += _recall_experience(question, cb=cb, user_id=user_id)

召回结果进入执行前置上下文,说明存在实际消费接线。

旧核查快照 edbc7dad958b;包含未提交WIP。这是源码说明,不是本轮运行证明;完整版本、指纹和限定保留在原索引。

看机制、动作与结果 ↗

标准有出处

参照和最大差距随现场传递。

源码已核 · 保留快照
展开代码片段与边界

release/legion-service/project_context.py:344–370

def _merge_frontier_context(packet: dict, context: dict, task_id: str) -> None:
    """Persist research authored by the Legion as shared context for downstream nodes."""
    if not context:
        return
    research = dict(packet.get("frontier_context") or {})
    research.update(_json_safe(context))
    research.update({"source_task_id": str(task_id), "updated_at": time.time()})
    packet["frontier_context"] = research
    # 概念锚点表(重放#3/#4实锤:研究浅/锚点不结构化→全链自洽地平庸):研究在
    # LEGION_FRONTIER_CONTEXT 里给出 concept_anchors 数组时,持久化为全军团共同对照事实,
    # 翻译官任务书/验证契约/首脑协调全部逐锚对照这张表。
    # P0-3:每锚保留完整 schema(acceptance/evidence_requirements/artifact_refs/source_sha/
    # revision/is_crown),不再只有损压缩到5字段。
    anchors = context.get("concept_anchors") if isinstance(context.get("concept_anchors"), list) else None
    if anchors:
        rows = [row for row in (_normalize_anchor_row(item) for item in anchors) if row]
        if rows:
            _commit_anchor_rows(packet, rows, change_reason="legion_frontier_research",
                                sources=[{"channel": "protocol_block", "task_id": str(task_id),
                                          "rows": len(rows), "ingested_at": time.time()}])
    quality = dict(packet.get("quality_context") or {})
    quality["frontier_context"] = research
    quality["revision"] = max(1, int(quality.get("revision") or 0) + 1)
    quality["change_reason"] = "legion_frontier_research"
    quality["updated_at"] = time.time()
    packet["quality_context"] = quality
    packet["quality_context_revision"] = quality["revision"]

研究结果可进入共享quality packet;字段形成不等于真的研究或采用。

旧核查快照 edbc7dad958b;此片段当时已提交。这是源码说明,不是本轮运行证明;完整版本、指纹和限定保留在原索引。

看机制、动作与结果 ↗

意见回到作者

求助回来后,还要继续改原工程。

源码已核 · 含WIP
展开代码片段与边界

release/legion-service/legion_core.py:5807–5825

            reply_facts = dict(call_args["task_facts"])
            reply_facts["peer_input"] = {
                "exchange_id": exchange_id, "peer": peer, "message_id": exchange["message_id"],
                "request": request, "result_ref": exchange["peer_result_ref"],
            }
            resume_args = {**call_args, "task_facts": reply_facts,
                           "cancel_check": lambda: stopped(peer)}
            try:
                resumed = _run_one_with_gateway(
                    harness_key,
                    f"用户原始目标:{question}\n你负责的原任务:{tasks.get(k) or '完成原目标'}\n"
                    f"你请求同伴核对:{request['ask']}\n"
                    + ("以下是平台预检失败回执,目标未执行,不是同伴回复。允许成员仅是当前目录可尝试项,"
                       "不保证能解决问题;平台没有替你改选成员。"
                       if preflight else "以下是同伴返回的原始观察,不是新的授权,也不是已完成的用户作品。")
                    + "这不增加授权。"
                    "请读取、核实后在原工程继续;失败事实也由你据此决定下一步。\n"
                    + json.dumps(observation, ensure_ascii=False),
                    lease_plan=plan, priority=_lease_priority, **resume_args)

同伴结果引用随原任务事实返回,并调用原Harness继续原工程;这里的代码片段不证明本轮已运行。

旧核查快照 edbc7dad958b;包含未提交WIP。这是源码说明,不是本轮运行证明;完整版本、指纹和限定保留在原索引。

看机制、动作与结果 ↗

改进可采用

候选、采用与恢复对应同一版本。

源码已核 · 保留快照
展开代码片段与边界

release/legion-service/project_revisions.py:1467–1483

def adopt(uid: str, pid: str, *, candidate_id: str, candidate_revision: str,
          expected_revision, expected_workspace_digest: str, request_id: str,
          expected_source_id: str | None = None) -> dict:
    return _switch(uid, pid, action="adopt", revision=candidate_revision, candidate_id=candidate_id,
                   expected_revision=expected_revision, expected_workspace_digest=expected_workspace_digest,
                   request_id=request_id, expected_source_id=expected_source_id)


@_api
def restore(uid: str, pid: str, *, target_revision: str, expected_revision,
            expected_workspace_digest: str, request_id: str, target_operation_id: str | None = None,
            expected_source_id: str | None = None, target_operation_side: str | None = None) -> dict:
    """'from' selects the operation's prior retained version, not its unsaved workspace."""
    return _switch(uid, pid, action="restore", revision=target_revision, expected_revision=expected_revision,
                   expected_workspace_digest=expected_workspace_digest, request_id=request_id,
                   target_operation_id=target_operation_id, expected_source_id=expected_source_id,
                   target_operation_side=target_operation_side)

采用和恢复使用同一切换路径,并携带期待版本和工作区指纹;不是质量自动判决。

旧核查快照 edbc7dad958b;此片段当时已提交。这是源码说明,不是本轮运行证明;完整版本、指纹和限定保留在原索引。

看机制、动作与结果 ↗

搭建可复用

区分缓存、程序包、数据和用户入口。

源码已核 · 保留快照
展开代码片段与边界

bin/build.sh:405–405

  if [ -f "$stamp" ] && [ "$(cat "$stamp")" = "$pkg_hash" ] && npm_entry_valid "$prefix" "$pkg" "$bin"; then

以缓存身份与实际入口识别是否可复用;不是此刻平台缓存命中的证明。

旧核查快照 cdd8125e09a2;此片段当时已提交。这是源码说明,不是本轮运行证明;完整版本、指纹和限定保留在原索引。

看机制、动作与结果 ↗

代码位置与原核查版本绑定;有关个案、未采用和失败分别保留。源码存在不等于当前上线,也不等于已经更快、更省或世界级。

展开|八块机制的完整图解、迭代与部署基础

军团靠哪几块真正发挥作用?

不是把更多AI放在一起,而是让它们带着同一现场,找到需要的能力,围绕同一作品继续做。七块机制,加上一套能复用的部署基础。

每块都带四样东西:真实源码、已核记录、迭代过程、下一步。代码存在不等于已上线,已经采用也不等于持续胜出。

点一个节点,往下看
主链接线+旧本地个案

不只是记住聊天,而是保住可继续工作的现场

像交班时把原工程、文件版本、做过的动作、失败和下一处缺口一起留下。该带的能找到,而不是每次重讲,或把所有日志硬塞过去。

原始目标工程/版本/资料
按需现场完整记录+短索引
下一位执行拿原文件继续做

目前证据:当前源码有产出→快照→原生输入的消费者;旧本地任务证明Codex工程可由Hermes原生工具续改。另有大记忆投影与引用读回记录。

跨家接工程不是跨家续同一个原生会话;上下文有预算,不是无限或无损。Auto保留链可读,但当前是tools-only,不为证明对称而重新启用。

展开源码、迭代过程、证据和下一步
  1. 原工程接棒|2026-09-20旧验收
    原来卡在哪
    换成员容易丢工程与版本,变成另做一份。
    对应动作
    把原文件、候选和来源交给Hermes原生工具续作。
    结果与边界
    旧本地采用/恢复成立;同Astra、冷接项目,不是所有家或线上已验。
  2. 大上下文传输|2026-09-21旧隔离记录
    原来卡在哪
    把完整大记录塞进启动参数触发E2BIG。
    对应动作
    大节点转为可回访引用,原恢复/UI记录保留。
    结果与边界
    环境投影与62引用读回有记录;未重放原业务,不冒称已恢复该业务。
真实源码与调用位置
release/legion-service/project_context.py:139–162

项目初始化保留同会话已有事实;不是每次只从最新一句话重来。

B工作树 · 所引文件无未提交改动 · HEAD edbc7dad958b;均不自动代表线上版本。

def _initialize_locked(team_id: str, objective: str, plan: dict, *, mode: str,
                       user_id: str = "", conversation_id: str = "") -> dict:
    """调用者已持有 _packet_lock;合并原有项目事实,不另建执行现场。"""
    source = plan.get("project_context") if isinstance(plan.get("project_context"), dict) else {}
    packet = _json_safe(source) if source else {}
    previous = load(team_id)
    conversation = str(conversation_id or packet.get("conversation_id") or
                       previous.get("conversation_id") or team_id)
    require_owner(previous, user_id, conversation)
    # 显式调用沿本次身份表示传给 workdir;未指定用户的维护调用保留原归属。
    owner = str(user_id or previous.get("user_id") or packet.get("user_id") or "")
    same_context = bool(previous and str(previous.get("conversation_id") or "") == conversation)
    if same_context:
        for key in ("decisions", "completed", "open_gaps", "verification_findings", "artifacts", "attempts",
                    "source_ref", "input_snapshot", "version_identity", "execution_role", "quality_context",
                    "visibility", "reference_atlas", "frontier_research_contract"):
            if key not in packet and previous.get(key) not in (None, "", [], {}):
                packet[key] = _json_safe(previous[key])
        # 续做计划可能只携带任务状态,工程现场仍以该会话的持久 packet 为准。
        # 两个路径别名成组继承:显式给新 workspace 时不能再补回旧 repo_root。
        if not any(key in packet for key in ("repo_root", "workspace_root")):
            for key in ("repo_root", "workspace_root"):
                if previous.get(key):
                    packet[key] = _json_safe(previous[key])

文件 SHA-256:e22fb78254e2e7fdde771a8be35fbef1e727542f544bf00ca12e75cb3c789c68

release/legion-service/legion_core.py:6620–6644

当前主链按任务取项目快照,经project_context参数交给实际执行入口。

B工作树 · 含本地未提交改动 · HEAD edbc7dad958b;均不自动代表线上版本。

        try:
            from legion_contracts import CapabilityPolicy, TaskFacts
            _node_spec = raw_tasks.get(k) or {} if isinstance(raw_tasks.get(k), dict) else {}
            _verification_role = str(_node_spec.get("verification_role") or "")
            _verification_criteria = list(_node_spec.get("verification_criteria") or [])
            _project_snapshot = (_project_context.snapshot(team_id, k, packet=_project_packet)
                                 if _project_context else dict(_project_packet or {}))
            _task_facts = TaskFacts(
                goal=question, role=role_task or "回答问题", task_id=k, team_id=team_id,
                attempt_id=int(attempt or 0), input_hash=str(_node_spec.get("input_hash") or ""),
                idempotency_key=str(_node_spec.get("idempotency_key") or ""),
                delivery_contract=dict(plan.get("delivery_contract") or {}),
                orchestration={**(orchestration_spec.to_dict() if orchestration_spec else {}),
                               "assignment": {"task_id": k, "harness": harness_key,
                                              "source": _node_spec.get("assignment_source"),
                                              "native_capabilities": _node_spec.get("native_capabilities") or {}}},
                deliverables=list((plan.get("deliverables") or [])),
                acceptance=list((plan.get("acceptance") or [])) if isinstance(plan.get("acceptance"), list)
                           else ([str(plan.get("acceptance"))] if plan.get("acceptance") else []),
                upstream_artifacts=_upstream_refs,
                upstream_results=[{"key": d, "status": (results.get(d) or {}).get("status"),
                                   "error_envelope": (results.get(d) or {}).get("error_envelope")}
                                  for d in deps],
                project_context=_project_snapshot,
            ).to_dict()

文件 SHA-256:d3f0cd8057e71357cfe3449caccd7c09164ebf869a6dcae50079da64265a683d

harness_baselines/meyo-orchestrator/harness_registry.py:1493–1512

原生上下文装配有PROJECT_CONTEXT_JSON消费者;收到不等于理解或采用。

B工作树 · 所引文件无未提交改动 · HEAD edbc7dad958b;均不自动代表线上版本。

    # project_context 有独立高权重 section;从 task_facts 删除同名副本,避免同一项目现场双写计费。
    prompt_facts = dict(ctx.task_facts or {})
    prompt_facts.pop("project_context", None)
    # 文件起点索引只供运行时观察;不改变模型看到的项目语义,也不产生无项目的伪项目块。
    prompt_project = {key: value for key, value in (ctx.project_context or {}).items()
                      if key != "_artifact_input_baseline"}
    if quick and prompt_project:
        for duplicate in ("goal", "team_id", "delivery_contract", "acceptance", "deliverables"):
            prompt_facts.pop(duplicate, None)
        prompt_facts = {key: value for key, value in prompt_facts.items()
                        if value not in (None, "", [], {}, 0)}
    facts_block = ("\n\nTASK_FACTS_JSON\n" + _json.dumps(prompt_facts, ensure_ascii=False, separators=(",", ":"))
                   if prompt_facts else "")
    policy_block = ("\n\nCAPABILITY_POLICY_JSON\n" + _json.dumps(ctx.capability_policy, ensure_ascii=False, separators=(",", ":"))
                    if ctx.capability_policy and not quick else "")
    memory_block = ("\n\nTASK_MEMORY_JSON\n" + _json.dumps(ctx.task_memory, ensure_ascii=False, separators=(",", ":"))
                    if ctx.task_memory else "")
    project_block = ("\n\nPROJECT_CONTEXT_JSON\n" +
                     _json.dumps(prompt_project, ensure_ascii=False, separators=(",", ":"))
                     if prompt_project else "")

文件 SHA-256:336aea7d8259df32058fe89390ed8cbcac94c4eba99775a87a6a00632cb384f1

release/legion-service/task_memory.py:59–83

原生传输使用有界投影与原文引用,保留完整恢复记录;不是无限上下文。

B工作树 · 所引文件无未提交改动 · HEAD edbc7dad958b;均不自动代表线上版本。

def native_context(team_id: str, key: str) -> dict:
    """仅给原生执行入口的读取投影;恢复/UI仍使用完整context和原记录。"""
    with _LOCK:
        view = context(team_id, key)
        state = load(team_id, key)
        if not view or state.get("team_id") != team_id or state.get("key") != key:
            return view
        path = _path(team_id, key)
        if path.is_symlink() or path.parent.is_symlink() or ROOT.is_symlink():
            return view
        view = dict(view)
        import project_context
        if isinstance(view.get("artifacts"), list):
            view["artifacts"] = project_context._snapshot_artifacts(
                team_id, state, view["artifacts"], source_path=path)
        # 完整原生历史和工具事实仍在本请求原节点;只省传输,不删事实,
        # 不改变native checkpoint、工作目录或失败状态。
        nodes = {"/" + name: view[name] for name in ("completed_steps", "native_facts")
                 if name in view}
        refs = project_context._snapshot_references(path, state, nodes)
        for name in ("completed_steps", "native_facts"):
            if "/" + name in refs:
                view.pop(name, None)
                view[name + "_ref"] = refs["/" + name]
        return view

文件 SHA-256:f4bf200018f519a44ac376df3f6dc51c69081ea8e59d60ed6dfcc7be8f9f29e4

已有记录,不是本轮重跑
  • Codex工程由Hermes原生工具续作

    2026-09-20旧本地冷接棒,不是把Codex原生会话变成Hermes原生会话;同Astra。

    旧记录指纹:bdf69058222ac7337c9ddb51449c89fc68ea7f4f21bb8e822ee0462b6e480f07

  • 大记忆投影与原记录保全

    2026-09-21旧隔离记录:环境体积2,484,227→90,922字节,62引用读回;没有重放原业务,不能把blocked改称done。

    旧记录指纹:a7fd24d4ff6009ed3a506d197ea5ef1f0aa59484eebf038f437ce7ea958b0e44

下一步只验证这一点:在下一条获准原作品中,把实际发出的现场、引用读回、接手工具动作和成果变化串起来,分别确认进程内与子进程。

源码存在 ≠ 主链接通 ≠ 原任务实际采用 ≠ 持续净收益。当前源码、旧运行和历史部署各标各的版本,不把它们拼成已全面上线。

展开整体思路:八块如何连起来,基础怎样越用越省事

一句话:让用户只说一个目标,原生工作台带着同一份现场自主工作;需要时借到工具和同伴,把改进交回同一作品。有效方法能继续被使用,而不是每次从零来。

这不是新加八个研发模块。这里把已有机制、旧任务验证和仍然存在的缺口连起来,让人知道“为什么值得做、现在做到哪里、下一步怎样证明”。

先把主线连起来

用户目标 → 可继续工作的上下文 → 对齐真实优秀参照 → 原负责人按需借工具和同伴 → 同一作品实做与返工 → 用户采用 → 有效经验被下一次取用。

自动注册和开放生态扩大可选能力;部署底座让这些能力在升级、迁移、恢复时不必每次重新搭。安全边界由运行系统守住,具体如何研究、组织、设计与解决问题,不由平台写死答案。

源码、迭代和后续不是最后附一张“有代码”的清单,而是贯穿每一块:

  1. 源码存在:指出文件、行号、版本、最短原代码和未提交状态。
  2. 主链可消费:谁产生信息、怎么传、谁实际拿到,不只列接口。
  3. 旧任务用过:有原输入、实际动作与文件变化;没有就写未测。
  4. 是否改善结果:正确性、质量、时间、全部费用和用户管理负担分开看。
  5. 下一步:用下一条已经获准的真实作品补证,不为图表另造题或扩平台。

当前源码与旧运行可能不是同一版本。页面逐项标注,不把源码、测试定义、旧运行成功、正式上线与长期收益混成一种完成状态。

1. 上下文机制:精髓是“可继续工作”,不是“聊天越长越好”

交班不能只留一句“继续做”。接手者需要原始目标、同一工程、当前文件与版本、已有动作、真实错误、原生检查点、使用过的资料,以及还缺什么。

主链已有项目事实→任务快照→执行参数→原生输入的接线,结果又回写共享现场。较大记录使用短索引与可回访引用,原恢复和界面记录保留;它节省的是传输,不是承诺模型永远不忘或上下文无损。

旧本地记录中,Codex工程由Hermes原生工具续改、采用和恢复成立,但那是冷接同一个工程,不是跨家续同一个原生会话。另一次大记忆投影修复有引用读回记录,却没有重放原业务;不能把“传输修了”写成“那次业务已完成”。

原生和保留Auto链都有上下文消费者,但Auto当前是工具来源,不在答题池。不为了证明形式对称就重新启用旧执行器,也不外推所有外部协议和运行模式已验。

2. 开放工具与智能召回:开放之外,还要能找到、能分清、能执行

工具仓里有直接可执行的能力,也有参考源码、需要依赖的函数和受授权限制的服务。给模型一堆名字不够:来源、用途、依赖、可执行状态和真实失败都应该看得见。

当前有工具供给→候选→真实函数/CLI调用的链。召回包含词项排序、有条件的模型改写和可选多语向量,并保留字符回退。不是默认全语义,也不是零模型费用;模型改写可能增加耗时和费用,向量需要开关及完整本地模型。

旧共享搜索调用和函数复用可以说明部分能力真的用过;同伴源码步骤超时、跨成员借工具未完成也保留。下一步看某个真实需求找到了什么、用了什么、结果怎样,而不是搜索源或工具数又涨了多少。

3. 自动注册与开放生态:让新能力加入,不把安装目录当上岗证明

机器可读信息先形成候选,再核版本、协议、角色和注册条件。成员是否可以运行,还涉及依赖、凭据、工具和实际任务;纯能力来源与答题成员也不能混入一个池。

旧三家接入记录中,入池检查都曾因为没有服务而跳过;另有速度失败、以及按能力角色而非答题角色验证的记录。现行总PASS又允许SKIP,因此必须看每一步,不能只看一个通过章。

便利在于接入路径、身份描述和失败位置更统一,不是承诺任意GitHub地址都能自动变成稳定成员。下次接入只核新成员真正需要的条件,不动不相关成员的依赖。

4. 自进化与群体进化:先分清五件事

事情 真正发生了什么 还不能据此说什么
故障自愈 本次执行恢复了 模型从此更聪明
经验召回 旧资料进入了新任务上下文 负责人已采用、答案已更好
源码改进 代码改过,并有对应验证 所有任务和所有家都获益
跨成员采用 另一位实际用上,并改了原作品 长期群体能力持续增强
长期群体增强 不同真实任务上反复净改善 只靠参与人数、记忆条数就成立

经验记录、检索与下次注入已有接线;源码审查也能记录引用与沉淀方法。但提交者标为verified、源码片段对得上,都不能替代根因、补丁和运行效果核验。采用计数若没有绑定采用者、目标任务与效果,也只是信号。

已有“同伴全文回到原作者,原作者继续修改”的本地个案,说明接力消费可以发生;它与长期经验库的收益是不同证据。历史11错题自进化0救回、组队不如最强单家的反例同样保留。目标是让有效经验复利,不是宣布复利已经被证明。

5. 世界对齐:不靠“世界级”三个字自我打分

好标准应来自当时任务的真实优秀参照:原网址、可访问素材、具体功能、真实使用方式,以及为什么适合这个用户。原生执行者据此形成当单目标并找作品差距,不是平台提前为每个品类写固定工序。

已有参照Context、研究来源、访问状态、指纹和差距传递代码;但部分关键文件仍含本地WIP。旧档案的一次抓取200也只说明响应存在,不证明负责人读过、采用过或作品变好了。

下一步不是再做一份评分报告,而是把参照实际被读取→作者采用→具体返工→同一作品使用结果连起来。Quick、摘要和发送预算会影响完整资料送达,未知就保留未知。

6. 按需组织与接力:用户不当项目经理,也不做几家AI的传话员

简单任务不因为有军团就硬拆多份。原负责人先用足自己的工具、会话和子代理能力;有具体缺口时再求助,同伴返回独立观察,原负责人核实后继续原工程。

旧本地个案中,Hermes→Codex→原Hermes确实执行,同伴全文进入原生输入,之后有原文件修改;任务明确要求求助,三阶段同用Astra。所以它证明的是接力可消费并回原作品,不是无提示自动选优、异构模型优势或普遍提速。

原生会话恢复、跨家冷接工程、并行贡献与原作者集成是不同路径。协作只有让成品更好、用户更省心或同质量总成本更低才值得;不能拿多家答案投票冒充共同做成一件事。

7. 原作品交付与恢复:用户拿到的是能继续用的东西

用户应能点开用、说出具体意见、看到改动、保留自己的编辑、选择采用并退回旧版。下一次打开仍是自己的工程,作品来源与贡献关系也在,而不是不断收到彼此无关的新文件。

旧工程验证已经包含人的手改/位置反馈进入原生输入、候选实际修改、采用、恢复和旧反馈冲突保护;服务重启后原记录和文件保留也有部分旧证据。这些是后续作品社区“使用→修改→贡献→原作者采用”的基础。

但网页文本/位置反馈不等于Canvas内部对象、Office和媒体全面编辑;本地链路也不等于正式多人社区或留存成立。先把当前作品用户最能感知的一处质量差距修好,再扩下一步。

8. 部署:踩过的坑,怎样变成以后搭建更方便的基础

**部署成功不等于用户全链路可用。**本机、测试、正式、前端入口、API路由、模型授权和用户登录是不同层;一层通过不能替其他层宣布成功。本页在GitHub Pages公开,仅代表静态分享可打开,不是军团服务的生产部署。

部署材料可理解成三层:

层次 应该保留什么 以后能少做什么
固定程序包 确定版本、文件清单与字节指纹 不靠包名猜对错;同程序字节不重复构建
运行底座 逐成员依赖、解释器、锁文件、必要材料及配置关联 不默认重装全家,避免搬环境漏库
持久状态与入口 用户数据、成员HOME、原生会话、受限凭据、路由与合法登录 升级后不从零重做,也能定位哪一层没恢复

七个实际教训在部署节点内逐项展开:

  1. **前端、API和登录不是同一次成功。**9月23日前端c275/包75336487有HTML/JS同字节及空短信表单记录,API当时却仍是旧Test f9。不能外推当前正式已接通。
  2. **Success、提交号和包名不能替代字节。**已有固定commit、文件集合和逐文件摘要校验;脚本存在不等于本轮已下载或重验远程包。
  3. **默认重装会吞掉缓存的意义。**逐成员按源码/锁文件/解释器/配方判断复用,不因无关修改让全家重新安装。历史记录没有证明下一次平台缓存一定命中。
  4. **装好不等于工具、模型和登录可用。**原生安装配方、媒体入口、模型环境加载分别处理;目标Linux条件和命名空间等仍需满足,不关闭隔离来换成功。
  5. **配置带走了,配置指的东西也得带走。**旧迁移漏了运行材料,后续补齐固定库、字体、许可和配置引用,有原资料与限定旅程恢复记录;不扩称所有设备恢复。
  6. **原生恢复与依赖服务恢复不同。**正确resume参数仍可能遇到原依赖服务缺失;应沿原现场修依赖,不靠重开会话或换模型遮盖。
  7. **有备份不等于能线上一键回滚。**已有一致性数据库备份、文件/权限核对与副本恢复方法;历史副本验证明确没有线上恢复,真正切回和用户旅程需要新的授权与证据。

因此,“基础已经搭好”更准确的意思是:**有可回访的安装配方、固定包核验、状态分离、恢复方法与失败证据可复用,下次不必再从零猜。**不是承诺没有环境条件、没有授权、没有维护窗口,就能把任意系统一次部署成功。

未来便利应按真实发生的减少重装、减少迁移遗漏、缩短定位时间、保住原任务来验证。目前没有统一的部署耗时或费用前后基准,不编造“节省80%”之类数字。

为什么这些值得放在同一张图里

没有上下文,借来的能力会失忆;工具不开放、不好找,生态只是名单;反馈没人采用,进化只是日志;没有真实参照,交付容易平庸;没有原工程和恢复,作品不可持续;没有可重复部署,这些能力只在某台机器上偶然成立。

共同的尺子始终是:**用户是否更少管理,作品是否更好,运行是否更可靠,同等质量下全部成本是否更低。**这些是验收维度,不再为每个维度新造一个平台。

本次只整理源码、旧记录和迭代:不执行部署、安装、探活、模型或新基准,不触碰共享浏览器与认证状态。公开代码仅为已核非敏感片段;完整来源指纹在下载JSON中,私有日志、凭据和用户记忆不发布。当前源码、历史运行和线上版本分别标注;本次网页更新不代表整体世界级交付目标已完成。

云电脑和云手机:真正做过什么,怎么做到?

本次核到的有限旧演示、系统级验收和原物,不宣称穷尽历史任务或已经全面生产可用。

目标是完成软件里的工作,不是只展示一块远程屏幕。

云电脑

目标:在持久工作区使用浏览器、IDE、Office和设计软件,交回可用文件;不是只展示远程屏幕。

方式:受管工作区保留项目与文件,通过MCP、命令、键鼠和截图入口操作软件;文件与实际窗口画面分别核查。

云手机

目标:在真实Android应用环境里完成操作、保留状态与结果;不把安装或截图当成全能生活助手。

方式:在Redroid中使用ADB、Android系统接口或可用的移动操作工具;具体案例说明实际用了哪条路径,不冒充全程纯视觉操作。

目标与现场原任务、文件与约束
准备与授权软件、账号与确认
实际执行命令/接口/界面
回到原任务文件、状态、失败与证据

这是目标与实现方式的说明,不是全部任务已完成。下面六项是可核实的有限旧案例;等待账号、失败、只到首屏的范围也保留。

下面的入口分别带你看旧操作截图和可公开原物,不是远程控制按钮。桌面是受管Linux/XFCE,云手机是Redroid。

点一个节点,往下看

要实现的目标:在真实Android应用环境里完成操作、保留状态与结果;不把安装或截图当成全能生活助手。

生命周期有原件支持

安装、启动并回滚Klooni

旧Android截图:Klooni主菜单;配合安装/回滚原件看,不作为完整玩法或真实账号业务证明。
目标
从可追溯的软件目录取得开源App,核包和版本,安装启动,再保留数据卸载并从快照回滚。
实际做法
旧F-Droid镜像目录→APK摘要与包名/版本核对→Redroid安装与Activity复检→卸载→原APK快照回滚;不是本轮运行安装器。

4323项旧目录、0.8.6/860安装记录与快照均在;目录预期、安装APK和回滚APK摘要一致,旧屏幕可见Klooni主菜单。

这是开源App生命周期演练,不是游戏玩法、付款或真实账号流程通过。Redroid是Android容器,不冒充已验证的远程物理真机;不公开APK或安装令牌。

体验方式:点图放大旧操作截图;本项没有可公开的在线设备体验地址。

展开日期与原记录依据
日期与依据
2026-09-04旧系统级验收;原件指纹见本节下载索引的M-LIFECYCLE、M-REVIEW。
旧状态与屏幕对应

创建测试闹钟并检查重启保留

重启后旧图:07:35测试闹钟可见;画面有两条07:35,不证明只创建一条、幂等或实际响铃。
目标
创建07:35“起床喝水”测试闹钟,核对系统和界面状态,并在Android重启后确认仍保留。
实际做法
旧runner是android-alarm-intent,结合系统状态与前后截图记录结果;不是纯视觉MobileRun自主操作的新测评。

旧档记录系统/UI双重核验与重启保留,现存图能看到对应时间和标签。

截图有两条07:35,不能宣称只创建一条或幂等已证;没有验证实际到点响铃、当前设备或长期可靠性。

体验方式:点图放大旧操作截图;本项没有可公开的在线设备体验地址。

展开日期与原记录依据
日期与依据
2026-09-04旧系统级验收;原件指纹见本节下载索引的M-ALARM、M-REVIEW。

旧屏幕、原文件与任务记录分别核对。这里是有限旧案例,不是新设备演示;done、工具退出码和图片文件名不能代替业务完成。

展开完整说明:已有目标、实现方式、任务证据与未完成项

之前只介绍了设备和工具,没有把完成过的具体任务、目标、方式、原物与缺口一起说清。这里补上本次能核到的有限旧案例,不宣称穷尽全部历史任务,也不把工程演练当成全面生产成功。

云电脑和云手机是军团可持续使用的软件环境,不只是两张远程屏幕。设备按任务需要使用;API、系统接口或脚本能可靠完成时,不为表演而强制鼠标点击。

云电脑要实现什么

目标是让执行者在持久工程里使用浏览器、IDE、Office、设计软件,保存文件、来源和操作结果,遇到需要本人处理的身份或确认时保住原现场,最终把可用成果交回来。

本次核到的桌面是受管Linux/XFCE CUA环境,可以由本机容器承载;不能由“云电脑”名称推断已经在远端物理真机和所有生产环境验证。

已有三项有限案例

  1. **Geany猜数字脚本演示。**旧屏幕同时显示Geany打开并保存脚本,以及终端中的低/高/猜中、退出。951字节原脚本还在,可以下载。完整工具trace不足,不宣称所有输入分支或逐键流程都可复现。
  2. **Chromium打开RESONANCE中文应用。**较后旧图确实显示应用首屏,受管CUA有打开/点击/截屏回执。早期图只是条款窗口,不能继续当成功图;完整参数与导出验收还混有宿主环境证据,顶层任务未整体完成。示范参数不是现实城市预测。字体再分发许可未核,不复制字体,也不拿旧容器地址当公网体验链接。
  3. **Inkscape查看流程图。**SVG、PNG与旧清单字节一致,截图能看到图形软件打开该图,可以查看原SVG和PNG。它证明有限图形交付,不证明同一工程中的Office、研究、测试全部在云端完成。

旧“完成”记录里必须保留的反例

  • office-libreoffice.png实际显示 frontier-report.odt does not exist,不能背书“LibreOffice已成功打开报告”。
  • 研究回执指向的源网页截图实际仍是 Chromium Terms of Service,没有它所声称的目标网页。Writer旧图也是空白文档与提示框。
  • 同一工程的12项测试记录,platform明确为 macOS,不能把宿主测试算成云桌面测试。
  • 研究PDF/HTML和Office文件确有留存,但文件存在不证明其方法自述正确;本次PDF抽取还发现中文文本异常,未新增视觉认证。

因此更准确的现状是:**已经操作过真实桌面软件,也有实际文件;部分完整流程的状态、文件和屏幕证据并不一致。**本页展示原反例,不改截图,也不为这次说明重新执行设备任务。

云手机要实现什么

目标不是只会打开设置,而是能准备可信软件、进入App、完成操作、保留状态与结果,并在账号、验证码或高影响动作前停下,在授权后接着原任务。

本次正例主要来自Redroid Android容器与系统级操作,不是新的MobileRun视觉自治评测,也不是所有商业App和真实账号任务已跑通。

已有三项原件支持的案例

  1. **Klooni开源App生命周期。**旧可信镜像目录有4323项;0.8.6/860安装记录、APK摘要、保留数据卸载与回滚快照均在。目录预期、安装APK、回滚APK摘要一致,旧截图显示主菜单。此处不公开APK或安装令牌,不把它当游戏完整玩法或支付业务验收。
  2. 07:35测试闹钟与重启保留。旧runner为android-alarm-intent,档案记录系统/UI双重核验和重启后仍在,两张旧图也保留。所展示图有两条07:35,不能说只创建了一条或幂等已证;本轮未验证实际响铃和长期提醒可靠性。
  3. **Downloads→MediaStore→图库预览。**旧runner为adb-mediastore-gallery,记录文件存在、媒体库登记、图库前台显示;原图显示MEYO LIFE PROOF测试图片。明确没有分享、删除或处理私人照片。

没有包装成成功的两项

  • **同任务确认恢复演练:**有两次尝试、七事件和确认决定,但最终action_performed=false,没有真实敏感动作完成。它是确认与恢复记账证据,不是真实账号/MFA或支付完成。
  • **地图:**所核mobile-browser-e2e仍ready、零次尝试;另有地图App安装、点击和网络诊断记录,但没有因此认定真实路线完成。

早期F-Droid官方源超时与后续可信镜像成功是不同阶段,不混成矛盾;一次失败smoke也不能抹掉后来保存的有限正例。

实现方式:一条可恢复的工作链,而不是固定演示流程

目标与原工程 → 准备需要的软件/设备 → 按授权使用工具 → 保存动作与状态 → 必要时等待本人确认 → 继续原任务 → 交回文件及可核的业务结果。

这是一种能力关系,不是给每个任务写死操作步骤。由原生执行者按实际情况选择,Meyo提供运行环境、工具、持久化与回流。

环节 当前代码提供什么 仍不能据此推出什么
持久项目与任务 用户、工程、文件、任务、尝试、事件和恢复现场 所有中断、设备和账号均已稳定恢复
操作入口 电脑MCP/命令/键鼠/截屏;手机ADB、系统接口与MobileRun 退出码0或一张PNG就是业务成功
软件准备 可信目录、HTTPS、摘要、包名/版本检查、确认安装与回滚 所有软件商店、签名链和硬件能力都已覆盖
确认与恢复 确认与原任务/版本关联,批准后可继续原任务 演练过确认就等于真实MFA、付款、发消息完成
结果回流 文件摘要、系统事实、Activity、屏幕及任务状态 runner提供的verification.ok天然独立可信

源码位置和文件指纹可在本节下载索引中查看。这里是当前源码与旧记录的对照,不是声明当前生产部署使用相同字节。

哪些目标还没完成

  • 云电脑所有跨软件流程都在目标环境里完成,并有与成果一致的屏幕/操作证据。
  • 广泛商业App的真实账号流程,以及相机、扫码、部分定位和硬件能力。
  • 一整条电脑→手机或手机→电脑的真实业务接力。
  • 长期无人值守的可靠性、恢复后的副作用控制,以及每类任务的世界级交付质量。
  • 无需用户反复管理、能够持续复用、总时间与成本确有改善的产品效果。

前端device-business-proof测试直接预置done/saved=true;TidyDeck是macOS原生作品,手机宽度截图是网页适配。这些都有各自价值,但不拿来冒充云手机真实保存报告或云电脑新的完整任务。

后续应在下一条真正获准的设备任务里,把原目标、实际环境、原动作、结果和恢复串起来;先修最影响用户的一处缺口。这里没有安排真人、登录、重跑设备、安装App或改正式服务,也不新建定时任务。

怎么看本页素材

八张均为已经保存的旧截图,由本轮直接查看并筛除私人信息;不是新截图或效果图。三份小原物是旧Python源码、SVG和PNG,副本与原件指纹一致。

图中的容器路径只属于当时环境,不是公开体验地址。私有设备入口、账号、原任务JSON、APK、未核许可字体和私人照片不发布。公开分享能打开,不等于当前云设备服务或全部任务已经上线;实际操作仍需要原有资格和授权。

展开|Auto与上下文:搜索蜂群、多跳、实体关系、GAIA与失败复盘
这部分如何看证据

我们不想把搜索、工具、评测和作品分成几份互不相干的介绍。更有用的看法是:一个真实问题原来卡在哪里,我们改了什么,模型随后做了什么,最后交付物发生了什么变化。

这一节把 Auto 的能力、重要评测节点和作品迭代放回同一条线。源码能说明机制存在,运行记录能说明动作发生,前后成果才能说明用户是否得到改善;三者不互相代替。

Same context:不是大家共用一段长提示词,而是接着同一件事做

原需求不要改题原工程不要重做已有动作知道做过什么真实反馈失败也带回来当前版本知道改哪一份下一缺口继续最有价值的一步

同一现场,不是共享所有人的记忆;不同订单、模型和预算不能拼因果。

展开同一现场的完整解释

对一次任务,我们希望下一位成员接手时仍能看到六件事:**原需求、当前工程、已经做过的动作、真实结果与失败、用户新增反馈、下一步最大的缺口。**这些信息属于同一个获准访问的项目,不是把所有用户的聊天和记忆混在一起。

  • **同一任务背景:**用户说“加星尘”,指的是给正在使用的太阳系增加效果,不是另画一张星空图。
  • **同一工程:**修改发生在已有文件和状态上,而不是换个成员就从空目录重新做一份。
  • **同一证据链:**知道哪些动作真的发生、哪些意见实际收到、哪个版本被采用,不把“发了消息”当“对方已使用”。
  • **同一体验入口:**分享一个固定地址;更新后仍从这里看到当前版本,旧版本保留在版本列表里,不让读者追一串新链接。

不同工作台可以保留自己的原生会话、工具和思考方式。要互通的是完成这件事所必需的现场,而不是用一套固定思考步骤把它们压成同一种 Agent。展示的同一背景,不代表实验条件完全相同;同订单续改和不同订单对比也必须分开。

Auto 的搜索、工具、召回与实体关系,分别解决什么?

点一个节点,往下看

声明入口,不等于全部在线。这是能力图,不是每单必走的六步流程;当前Auto是工具来源,整套旧控制并未成为全军团共享能力。

展开10项完整机制、源码与证据

多源搜索解决“哪里有资料”,搜索蜂群补“有没有漏掉另一种解释”,多跳解决“关系链缺哪一环”,工具解决“能不能读原件、真的算出来”,召回解决“已有经验能不能帮这次少重做”;实体核验看“找的是不是同一个对象”,关系取证看“对象之间的联系有没有依据”。最后都要回到同一个问题:这些信息有没有进入正确行动,并改善最终结果?

下面逐项列出具体机制、源码、旧动作证据和边界。数量是能力目录的声明口径,不是在线可用性或效果排名。

C1多源并行检索
原问题
单一检索入口覆盖不全,一条慢通道拖住后续工作。
具体机制
SearchFabric按源描述/可用预算选子集并发;保留部分结果、URL去重,缓存与错误标记分开;Auto薄路径优先执行模型原查询,不自动改写成更多查询。
动作与证据
T1/T2证明旧Auto多次调用检索;T3是跨Harness共享CLI结果,不能冒充Auto所有源实测。
为什么有价值
机制上增加找到贴题资料的机会,减少重复检索与单源故障影响。 机制解释,非质量提升幅度实证。
现在接到哪里
legion_tool已有共享web_search及SearchFabric调用代码;没有在本轮验证线上源可用性,也不保证各入口自动加载同一整套注册项。
代价与边界
34个注册入口声明+1个条件入口不等于实际可用数;聚合器内子源不能重复相加;基础映射中4个AISA相关入口默认受开关关闭;依赖、配额、许可与网络另证;缓存/并发减少重复等待的可能性不等于固定时延保证,慢源与噪声也会抬成本
查看源码位置与证据口径
  • seed-users-system/qa_system/agent/qa_tool_impls.py:383–628
  • seed-users-system/v11/evolution/search_fabric.py:58–182, 949–966
  • seed-users-system/v11/evolution/search_fabric_verticals.py:1722–2224, 2442–2480
  • seed-users-system/v11/evolution/search_fabric.py:979–1041, 1186–1365, 1367–1508

对应记录:T1、T2、T3。来源指纹与统计方法见本节可下载索引;不公开原始私人上下文。

C2搜索蜂群:分职责,不是五家投票
原问题
一次检索容易只收集支持第一猜测的材料,遗漏原文和反例。
具体机制
旧模块固定Planner、Scout、Evidence、Skeptic、Judge职责;真正并发的是三条检索线。已有种子证据时首跳可只跑反例线,避免重复。证据线可对候选URL深读。
动作与证据
这两份旧Auto轨迹中没有run_deep_research_swarm工具记录;本轮确认源码分工,未找到足以确认此蜂群运行及增益的独立旧回执。
为什么有价值
机制上把发现线索、核原始来源与主动反证互补,减少单一视角。 机制解释,蜂群效果待验证。
现在接到哪里
原工具可由目录发现,capstack通用桥受模块/依赖/绑定就绪限制;未证明当前全军团可直接运行蜂群。Auto仍不接成员单。
代价与边界
五角色不等于五个不同模型/品牌Harness;旧封装有委托预算和固定职责;多路查询及深读可放大耗时、调用费用、重复信息;多数同意不等于事实正确,不能变成所有任务的必经质量门
查看源码位置与证据口径
  • seed-users-system/v11/evolution/deep_research_swarm.py:229–254, 291–415, 1074–1268, 1285–1364
  • seed-users-system/qa_system/agent/qa_tool_impls.py:631–729

对应记录:T1、T2。来源指纹与统计方法见本节可下载索引;不公开原始私人上下文。

C3多跳:让新线索决定下一问
原问题
答案跨资料分散,单次搜索结果只包含关系的一段。
具体机制
_hop_judge读取累计支持与反证,返回gap_summary和next_queries;下一跳执行这些查询,记录queries/new_hits/stop_reason。证据充分、无后续查询、连续零新增或达到上限可结束。
动作与证据
T1的13次run_parallel_search只是调用数,没有可绑定的蜂群hops回执,不能写成13跳。
为什么有价值
机制上追踪尚缺的关系与约束,而非反复换同义词。 源码已证机制;真实多跳是否提高交付需按原trace核验。
现在接到哪里
与蜂群同属依赖条件下可复用的旧工具实现,非当前默认任务流程;无本轮共享运行证明。
代价与边界
旧入口为一般3/重型5跳上限,不是每题必须跑满,也不是无限智能深挖;HopJudge调用失败的fallback可能sufficient=true;停了不等于证据真的充分;旧代码仍有规则分支与模板,不能包装为完全无控制的通用机制
查看源码位置与证据口径
  • seed-users-system/v11/evolution/deep_research_swarm.py:229–254, 291–415, 1074–1268, 1285–1364
  • seed-users-system/qa_system/agent/qa_tool_impls.py:631–729

对应记录:T1、T2。来源指纹与统计方法见本节可下载索引;不公开原始私人上下文。

C4用工具回到原件、把结果算出来
原问题
搜索摘要无法替代看原图、读文件、程序计算与执行验证。
具体机制
统一工具注册后由模型发tool_calls,结果回到消息与证据;可调脚本、符号计算、抓取、图像/OCR等。
动作与证据
T1有17次shell、5次抓取、1次sympy;T2有8次图像读取与2次OCR记录,只证调用/回执,不证全部成功或正确。
为什么有价值
让推导可复查,降低仅凭语言猜原始数据的风险。 旧调用事实+机制解释,非本轮效果实验。
现在接到哪里
部分抓取工具直接映射legion_tool,能力工具走capstack;未适配项只返回源码/不可运行,不再派给已退役Auto。
代价与边界
工具也可能读错、算错、依赖未就绪,输出必须回到原任务核对;注册、runnable标记及文件存在不等于已经正确执行;权限边界不可绕
查看源码位置与证据口径
  • seed-users-system/qa_system/agent/native_agent_loop.py:719–733, 4300–4312, 4432–4442
  • seed-users-system/qa_system/agent/qa_tools_registry.py:38–65, 81–107
  • release/legion-service/legion_tool.py:156–190, 577–648, 1368–1425
  • release/legion-service/toolbox.py:278–294, 340–380, 937–944
  • release/legion-service/capstack_bridge.py:77–139

对应记录:T1、T2。来源指纹与统计方法见本节可下载索引;不公开原始私人上下文。

C5画像与本轮意图:找对背景而不覆盖原题
原问题
同一句话在不同用户处境下所需结果不同,机械通用回答容易错配。
具体机制
历史profile按标识取角色/痛点/关注;_build_user_context把它与当前意图组成辅助块;run_auto_agent在原问题之后注入,再交给引擎。
动作与证据
两份所读checkpoint没有足以确认本次画像命中/注入/影响决策的标志;这不证明所有历史任务都没画像。
为什么有价值
机制上减少重复解释、避免忽略已有处境;画像只是辅助假设。 历史/现存拼接源码已证,个性化收益待验证。
现在接到哪里
不将旧Auto画像实现说成当前军团共享画像服务;本轮未验证替代链或线上个性化。
代价与边界
角色推测可能错、过时或标识不匹配,原题与授权范围优先;有role_guess或user_profile_hit字段并不证明识别正确;旧user_profile_store源码从Git读取,当前B对应文件不在,不能说旧链仍在线
查看源码位置与证据口径
  • seed-users-system/qa_system/agent/qa_auto_agent.py:1380–1409, 1657–1731, 2137–2154, 9404–9468
  • seed-users-system/v11/evolution/user_profile_store.py:130–152

对应记录:T1、T2。来源指纹与统计方法见本节可下载索引;不公开原始私人上下文。

C6相关经验召回:提炼后的记忆不等于向量搜索
原问题
每次从长日志重新理解任务,容易重复犯错或套用不适用经验。
具体机制
历史memory_layers.recall查全局+本人层,按词/标签重叠、依赖条件与时间排序,另有默认关闭的模型复筛;当前legion_memory按词和中文二元片段匹配,再用新鲜度/采用信号微调并按类型/归属过滤。
动作与证据
本轮未找到可绑定的经验实际采用与结果改善证据;0条显式recall工具记录不排除前置注入未记在该checkpoint。
为什么有价值
把相关方法交给当前执行者,减少重复整理;不是自动把旧答案当真。 源码路径已证,实际收益待验证。
现在接到哪里
legion_core已有历史经验搜索→参考文本注入的实际代码;效果与隐私治理仍须具体记录,未验证当前在线命中。
代价与边界
旧模块名叫语义记忆,基础实现实际是关键词召回,不是embedding;旧memory_layers文件当前B不存在;现军团legion_memory是另一实现,不能混称同一条已生效链;共享类型与归属过滤不是所有历史资料都自动可分享的许可
查看源码位置与证据口径
  • seed-users-system/qa_system/agent/qa_auto_agent.py:1380–1409, 1657–1731, 2137–2154, 9404–9468
  • seed-users-system/v11/evolution/memory_layers.py:185–279
  • release/legion-service/legion_memory.py:154–249, 272–288
  • release/legion-service/legion_core.py:4151–4168, 8956–8990

对应记录:T1、T2。来源指纹与统计方法见本节可下载索引;不公开原始私人上下文。

C7找工具也要召回:词项、可选语义与可执行性分开
原问题
工具名字很多,用户说法又可能与函数名不同,相关能力会被埋没。
具体机制
legion_tool对描述/名称做BM25排序;tool_semantic_index可在明确开关与完整本地模型/缓存满足时给多语言向量分。默认不开本地向量;字符n-gram回退不当跨语言语义,当前混排给该回退零语义权重。
动作与证据
未执行scores/search或加载模型;这里只核当前源码路径,不冒称当前语义索引已在线。
为什么有价值
先把可相关、可执行的候选展示出来,由原生执行者决定用哪个,避免全清单挤占上下文。 机制解释,不是检索准确率实测。
现在接到哪里
属于当前共享工具发现代码,不依赖Auto作为答题者;实际后端必须读取本次返回的semantic_backend与调用回执。
代价与边界
词项匹配有同义词盲区;向量也可能召回不适用工具,加载/计算有成本;不因名字含semantic就称智能匹配已生效,也不能把找到工具当成功执行
查看源码位置与证据口径
  • release/legion-service/tool_semantic_index.py:29–55, 58–77, 114–119
  • release/legion-service/legion_tool.py:156–190, 577–648, 1368–1425
  • release/legion-service/toolbox.py:278–294, 340–380, 937–944

对应记录:本项先以源码和明确标注的函数观察说明,业务记录范围见下方专节。来源指纹与统计方法见本节可下载索引;不公开原始私人上下文。

C8最后一环是消费:搜到、注入、采用、改善各算各的
原问题
资料与经验已经落盘,却没有进入下一步,或被错误总结/收尾丢掉。
具体机制
搜索命中按URL去重后写证据/事件与checkpoint;蜂群完整结果保留于session,并将带来源结论和缺口传给后续;ToolMessage及经验prelude交给执行者;反例检索另返回冲突/不足。
动作与证据
T1/T2有工具/证据/交卷回执,但不能据字段存在证明资料已用于正确交付。
为什么有价值
让准备工作成为下一步可用事实,而非只积累资料;错误与不确定性保留下来可继续处理。 部分旧回执事实+机制解释,净收益未测。
现在接到哪里
当前有参考注入与采用上报入口;旧Auto验证器未证已独立共享。必须区分每一次是否被消费与是否让结果更好。
代价与边界
recalled计数只说明检索,注入只说明交给模型;mark_adopted仍是采用上报,不替代实际成果差异;反例工具含模板和阈值,不能上升为所有工作台统一裁判;模型可能忽略或误用背景,资料多也可能增加噪声和耗时
查看源码位置与证据口径
  • seed-users-system/qa_system/agent/qa_tool_impls.py:383–628
  • seed-users-system/qa_system/agent/qa_tool_impls.py:631–729
  • seed-users-system/qa_system/agent/native_agent_loop.py:719–733, 4300–4312, 4432–4442
  • seed-users-system/qa_system/agent/qa_auto_agent.py:1380–1409, 1657–1731, 2137–2154, 9404–9468
  • release/legion-service/legion_memory.py:154–249, 272–288
  • release/legion-service/legion_core.py:4151–4168, 8956–8990
  • seed-users-system/qa_system/agent/verify_as_search.py:103–188, 198–218

对应记录:T1、T2。来源指纹与统计方法见本节可下载索引;不公开原始私人上下文。

C9实体识别与消歧:候选不等于答案
原问题
检索常出现近似/同名对象,或先选中的候选在末端漂移;只凭名字频次和局部匹配容易找错人或机构。
具体机制
从问题拆条件;为候选记录candidate/probable/confirmed/rejected状态,逐条件区分支持、矛盾与未知,再比较候选、保留调查进度。倒置问题可先提出未验证名称,再按候选全名和未核条件定向取证。
动作与证据
旧ER1中14条证据已到,却将搜索服务名提升为有支持候选;ER2中状态锁定与真实关系缺口脱节。两日志run_id未知,不能证明同名消歧修复或机制提分。
为什么有价值
减少“搜到了相同词但认错对象”,并让接手者知道当前调查哪个候选、哪些条件还没核。 机制价值解释,不是已验证稳定消歧或准确率提升。
现在接到哪里
存在于原Auto模块与历史执行路径;当前Auto仅工具来源,不参与默认接单。本轮未证明整套候选/关系核验已成为各家可直接调用、实际有效的共享工具。
代价与边界
基础名称归一仍主要是大小写/空白与词面匹配,不是完整跨语言别名或同名消歧服务;confirmed的旧默认阈值为80%覆盖及至少2源,标签不等于所有条件已确证;未知不等于反证;旧严格门可能因未知较多拒交,单调黑名单或收尾替换也可能固化误判
查看源码位置与证据口径
  • seed-users-system/qa_system/agent/identity_coverage.py:40–104, 472–533, 622–769, 874–956, 1000–1104, 1353–1427
  • seed-users-system/qa_system/agent/inverted_entity_pipeline.py:27–159
  • seed-users-system/qa_system/agent/constraint_ledger.py:37–111, 168–245
  • seed-users-system/qa_system/agent/entity_memory_bank.py:81–167
  • seed-users-system/qa_system/agent/entity_drift_lowconf_guard.py:199–281

对应记录:ER1、ER2、T1、T2。来源指纹与统计方法见本节可下载索引;不公开原始私人上下文。

C10关系与来源证据图:连对联系,再继续查
原问题
证据散在多页和多轮工具结果里;同时出现两个人名不等于存在所需关系,换步骤或换成员还可能丢掉中间对象与关系。
具体机制
把成功检索/抓取及部分结构化计算结果整理成主体—关系—客体,保存来源、分数和落账步骤;关系路径与逐条件证据可进入后续候选提名和问题缺口。图只是单任务内的轻量状态。
动作与证据
旧ER2明确了两条关系缺口,但所查后续片段只有拟议动作没有执行回执;T1保存2条边/4节点、T2图为空。存图不等于关系正确或被采用,不具备完整前后效果归因。
为什么有价值
让新查询追缺失的联系,让后来成员沿同一份证据现场接着做,而不是只继承一个无出处结论。 可审查机制与有限旧记录,不是通用关系推理能力或交付净收益证明。
现在接到哪里
原Auto检索与native执行有入图/候选消费代码,原工具桥接状态仍逐项区分;没有本轮全家在线调用或关系推理增益验证。
代价与边界
存储保留关系方向,但find_paths沿无向邻接遍历;连通不保证方向、关系类型或事实时间都正确;同一边再次出现会提分,未要求独立来源;该分数不是正确概率,来源字符串也不是独立信源证明;LLM或启发式抽取仍会错漏;图有界且裁剪可能减少来源,不是完整时态知识图谱数据库;搜索增量入图调用未传模型回调;倒置矩阵调用还可能传空证据ID,不能把语义抽取或逐条件来源闭环当成已全部完成
查看源码位置与证据口径
  • seed-users-system/qa_system/agent/evidence_graph.py:34–48, 135–229, 230–334
  • seed-users-system/qa_system/agent/inverted_entity_pipeline.py:27–159
  • seed-users-system/qa_system/agent/qa_tool_impls.py:383–451
  • seed-users-system/qa_system/agent/native_agent_loop.py:975–1075, 2064–2113, 2340–2414, 2588–2635
  • seed-users-system/qa_system/agent/finalize_governor.py:35–72, 196–223
  • seed-users-system/qa_system/agent/entity_relevance.py:110–140

对应记录:ER2、T1、T2。来源指纹与统计方法见本节可下载索引;不公开原始私人上下文。

实体与关系:不只搜到名字,还要找对对象、核对联系

点一个节点,往下看
未证实

先别把出现过的名字当身份确认

两份材料分别提到人物甲和机构乙,还不能据此认定任职关系。

人物甲候选身份
任职于?缺原文依据
机构乙同名/简称待核

交互示意,不是在线推理。例子为解释机制构造;关系图分数不是正确概率,未找到证据不等于已证伪。

展开候选四态、关系来源与真实反例

Auto 除了搜资料,还尝试把“这页里出现了什么名字”推进到“这个对象究竟是不是我们要找的,它和其他对象是什么关系”。**实体回答“是谁、是什么”,关系回答“谁在什么条件下,与谁发生了什么联系”。**这里说的是解题中的人、机构、作品、地点等对象,不是账号身份,也不是社区用户之间的社交关系。

这层很重要:名字出现不等于身份确认,两个名字一起出现不等于关系成立,几条边连起来也不等于推理已经正确。

1.实体:把“看起来像”与“证据支持”分开

多个同名人物、同一机构的简称与全称、同一作品的不同版本,都可能使检索跑向错误对象。旧 Auto 用候选池与条件对账来减少“先看到谁,就认定是谁”的问题;它不是已经完成的通用别名消歧服务,基础归一仍主要是大小写、空白和名称匹配。

旧候选状态 表示什么 不能误读成什么
candidate · 候选 出现了可能相关的对象,条件还没核完 不是“已找到答案”
probable · 较可能 部分条件获得支持,仍有缺口 不是模型说得自信就能确定
confirmed · 已确认标签 达到当时覆盖率与来源数量策略 不等于全部约束已满足;旧默认阈值是覆盖率80%及至少2个来源,标签不是事实保证
rejected · 已排除 某项条件被判断为有反证,记录排除原因 不应与“暂时没搜到证据”混为一谈

每个候选再拆成“条件 × 证据”的表,逐项区分:有支持、存在矛盾、未证实。条件可以是时间、地点、身份、参与作品等。**未找到证据,不等于已经证伪。**旧实现仍有词面覆盖、数值启发式、来源计数与阈值等限制,不能把这张表包装成不会误判的裁判。

2.关系:从一堆网页,变成可追问的证据链

旧 evidence_graph 将工具结果整理为“主体—关系—客体”,提供来源、分数和落账步骤字段。例如:

说明性示例:为解释机制构造,不是实际评测成功截图
人物甲先核是不是同一个人
2021年在此任职 →需有对应原文/工具依据
机构乙全称、简称不能随意混用
位于 →另一条关系,单独取证
城市丙不能只因同城就认同一机构

即使这两条关系都有依据,也不能直接推出“人物甲参与了机构乙的论文丁”。如果原文只写“曾合作”,更不能自动改成“任职”。关系类型、方向和时间都需要分别核对。

这类关系也不一定都从文字抽取:有坐标和可靠数据时,“附近、距离、方位”可以通过工具计算,再把数据来源和计算结果带回现场;不能因为网页没写一句完整关系,就说问题无法继续。旧源码有把部分脚本计算结果送入证据图的路径,但不保证所有数值或空间关系都能正确抽出来。

图的作用,是帮助下一步看清还缺哪条联系、该去哪里补证据;不是让“图上有路径”代替推理。这是一份单任务中的轻量记录,不是知识图谱数据库,也不代表已经具备完整的时态、别名、跨文档实体链接和独立来源验证。源码有模型抽取与规则回退,但当前搜索增量入图调用没有传模型回调,不能把它宣传成每条关系都经过了语义抽取。

3.多约束倒置识别:先有候选,再逐条件验证

有些问题不告诉你名字,而是描述“它在某地、某年发生某事、和两个对象有关”。把整段条件拆成宽泛关键词去搜,容易搜到很多相关词,却始终找不到正确对象。

Auto 为此尝试了候选优先+逐约束验证:先提出少量待调查的名称,再围绕“候选全名+未核实条件”取证,记录每个格子的状态。如果结果不断偏离候选,尝试换候选或换方向,而不是机械增加搜索次数。模型先验生成的是假设,不是证据。

这里也不能把矩阵全绿当成闭环完成:旧矩阵函数不会独立核实证据ID,所查的调用点还可能传空证据ID。因此每条条件能否追到具体原文或计算结果,仍是必须保留的缺口。

一个候选证据还少,未必应该立刻丢掉;需要保留已有依据,找能区分候选的条件。旧“软锁”用于减少末端随意换答案,但锁错也会放大错误,所以它又加入了候选间比较与排除记录。这是走过的探索,不是今天要把软锁、黑名单或强制换答案整包复制给所有 Harness。

4.源码确实有这层,但真实效果与旧控制必须分开

旧实际运行中可以看到两条有代表性的反例,它们不是本次构造的示例:

旧运行观察 对应机制为什么重要 这份记录不能证明什么
**ER1:资料到了,却认错对象。**一道人物识别题收到了14条带ID的证据,却将搜索服务名称写成候选并标为“有支持”。同条理由还写着“4/8条件覆盖、仍缺关键证据”,未解决条件数组却为空。 候选类型、条件核验和明确缺口必须对应起来;引用了多少条资料,不等于找对了实体。 这不是两个同名人物混淆的实证,也没有证明该候选已经提交为最终答案,更不能说之后已修好或因此提分。
**ER2:关系没核清,状态先说完成。**一条“人物—书籍—书评—场所及日期”的任务中,槽位残片和人名先后被标成全部条件覆盖并锁定;后续才明确缺哪两条关系。 关系类型与答案类型都要核实,不能让局部词面命中或状态标签掩盖缺失的联系。 后续片段只有目标、拟议动作和选工具记录,没有对应执行回执;不能写成关系已经补齐、方向已纠正或最终答对。

两例中的 supported/selected 是旧运行事件里的候选状态,不能与前面四态模块的 confirmed 直接当成同一个字段。它们共同提醒我们:状态如何计算、由谁消费、缺口有没有保留下来,都需要看实际记录。

两份事件文件的 run_id 都是 unknown,且跨多个时间片段;本轮未恢复完整的修前修后配对,所以只用来说明真实失败形态,不用来计算成功率或归因提分。相关历史复盘可查实体与关系Trace诊断、8月下旬周报;这些原文中的作者归因也不能代替完整实验。

另外,两份已读的 Auto 旧检查点中,一份确实保存了4个节点、2条图边,另一份图为空。这证明前者存过结构化关系,不证明关系正确、被采用或改善了答案;图为空也不足以断言历史上从未运行过。

当前源码仍有几个特别需要说清的边界:

  • 图保存方向,遍历却可以反着走。find_paths 做的是无向邻接探索,所以“能从甲走到乙”不证明关系可以反过来解释。落账步骤也不等于关系真实生效时间,不能当成时态推理已经完成。
  • 重复不等于独立验证。同一条边再次出现就会加分,即使来自同一来源;这个分数不等于正确概率。来源字段允许为空,字符串不天然等于独立信源,裁剪图时还可能丢掉部分来源列表。
  • **已确认标签不等于全部条件真成立。**覆盖率、关键词匹配、数值矛盾判断都有误判空间;图存在或 confirmed 不应让剩余缺口消失。
  • **旧控制仍会干预结果。**旧严格门可能因为未知条件较多就阻止提交,旧黑名单可能让误排除难以恢复,部分收尾路径还会用软锁替换最终答案。这些行为有源码,不应美化为“只是提供上下文、完全不控制”。

这次使用明确构造的内存输入核对了其中三件事:4/5条件覆盖、2个来源会得到 confirmed;同一来源重复出现会让边分数从0.7升到约0.8;从关系客体也能沿邻接返回主体。它们验证的是当前函数的行为,不是新增业务案例或实体推理效果评测。原产品代码没有因此修改。

对今天军团最值得继承的是:**候选是谁、哪些条件已有依据、哪条关系仍缺证据、反证是什么,以及这些事实怎样交给下一位成员继续使用。**不是再建一个统一总裁判。当前 Auto 的答题角色已退出本地默认池;这套实体/关系方法是否都已拆成各家可用的工具、是否稳定提高新任务质量,仍需要独立的调用与结果证据,不能从源码存在直接推定。

评测每次怎么变,必须和当时的动作放在一起

点一个节点,往下看
官方165题 · 历史主账98.2%162 / 165 · 累计曾解出

找到主账本,按官方题单重新核对

原Auto目录与主仓归档两份主账指纹一致。排除测试占位TID后,165道官方题中162道记为曾解出,剩余3道。

98.2%是这份历史主账本的累计曾解出率,不是同模型、同预算、单次全量运行的准确率,也未证明全部胜局无污染;本轮只核账,未重新判题。

看账本来源、双口径与历史差异 ↗

口径不同,不连成提分曲线。数字包含历史自述、旧账重计与定向返工,不等于同模型、同预算的单次全题成绩。

主账本核对:98.2%的依据、原始基线和旧数字差异

本次找到并核对的历史主账本,按官方165题名单计算,是162/165=98.18%,页面展示为98.2%。

这个数字代表持续研发、多轮尝试后的累计曾解出率。它是真实账本中的后期研发进度,不应该被最早的65/165、100错题阶段切片或另一组难40题替代。但它也不是一次同模型、同预算、独立全量测试的准确率。

为什么这次能说清楚

此前B工作树里找到的是gaia_correct_ledger.json正确题导出,以及周报摘要;真正的gaia_ledger.jsonl主账本在原Auto工作目录和主仓证据归档里。现在两份均已读取,完整SHA-256一致。

不是选择数字更高的一份,而是把主账的每条题号与原官方题单对应,再统计布尔字段。

核对项 结果 处理方式
官方题单 165道,规范题号无冲突 作为分母,不用账本总行数
主账本原始行数 166行,其中163行标“曾答对” 先排除非官方记录
额外测试占位 TID,1行且标“曾答对” 不是GAIA题,不能计入分子或分母
官方题的主账记录 165道,全部有记录,无重复 逐题对应后计算
官方题累计标为已解 162道 162/165=98.18%
仍未标为已解 3道 保留,不补造成满分

原台账代码也明确:TID来自测试占位,官方题单非空时应排除它。因此,不能直接把原始163/166报出去。

两列成绩,不能互相冒充

列 账本值 它说明什么
ever_correct 162/165,98.2% 经历多轮研发与尝试后,这些题曾被记为解出
first_shot_hit 65/165,39.4% 最初单轮基线;不是当前迭代后的最新单轮能力

原writer明确将两列分开。展示研发成果时应该讲98.2%的累计进度;要比较正式单次榜单、泛化、模型能力或同成本机制增益,则需要相应的独立实验。这次没有新增那种实验。

对应来源核到了哪一步

  • 主账把143题的最佳来源指向Auto历史结果文件;这143个题号都能在该文件中找到已有hit=1记录。
  • 另16题指向原始基线重评分文件;这些题号也都有对应历史命中记录。
  • 剩余3题由主账标为注册表答案复判。本次没有再次运行当时评分器或模型,未重新判题。
  • 162个胜局行中有159个trace引用;这是引用存在的统计,不等于本次逐局打开、复判或完成污染鉴定。

这些是账本与来源的核对,不是说“143题收益全由某个新机制带来”。同一道题可能在不同轮、不同来源中出现,来源归属不等于独立因果贡献。

161、164、98.2%为什么会同时出现

  • 164/165是更早的峰值自述,后来有污染清理。
  • **161/165=97.6%**是旧周报中的另一历史记录。它仍保留,但不能再用这一段摘要代替本次找到的主账。
  • 164条、163个独立题号是较早“正确题导出清单”的实际结构,其中有重复题;它不是完整主账。
  • **162/165=98.2%**是本次从主账中按官方名单重新统计的累计值。
  • 22/40来自另一组定向难题与不同条件的测试,不能替代165题累计进度。
  • 旧100错题的36/26/8/30是更早阶段的去向分析,也不是这份后期主账的成绩。

主账165个官方题行的updated字段均为2026-08-18;原文件后续保存及复制时间与实验日期不同。本次是在2026-09-28核对这些历史文件,不是在这一天重跑出了98.2%。不同旧摘要与账本之间的时间、统计差异如实保留,不编造“161到162一定由某一项改动带来”。

隔离假胜的记录没有被删掉

隔离文件有7条历史尝试,涉及4道官方题;对照这份主账,其中2题仍未解、2题已标累计解出。隔离的是历史尝试,不能因为某题曾有假胜,就永久排除这道题的后续所有记录;同样,也不能只看最终布尔值就宣布后续胜局全都已完成无污染鉴定。

独立复核也得到162/165,但补充了一个具体限制:现存8d46胜局输入比官方原题多692字符补充,本轮没有判定这些补充是否含答案线索,因此不作为原题无提示单次成功证明。另一个隔离后计对题的现存输入与原题一致,但仍缺完整运行条件与独立复判。没有把这些历史问题藏掉,也没有因此擅自改写主账分数。

这次没有修改主账、隔离文件、题单、答案或旧结果。原件指纹、核账方法和不含题面/标准答案的统计索引可下载;原始题面、标准答案和私有运行日志不随网页发布。

展开14条评测完整条件与原始依据

这不是一条可以从39%直接画到99%的单发提分曲线。历史材料混有旧流水线、错题救回、累计曾经答对、定向返工、不同预算以及记账更正。下面不回避数字,但把每个数字的分母和能支持的结论一起写出来。

三个阅读标识:“历史自述”表示当时文档的说法;“旧结果可重计”表示本轮重新数了已有结构化记录;“原动作可查”表示能够读到相关工具过程。它们都不是这次重新执行全套评测,也不自动证明一项机制独立造成了提升。

当前源码与历史运行记录分开标示:现在能读到这段实现,不等于当年的那次实验已经用上了完全相同的代码。

GAIA 历史165题 · 先把旧基线的分母说清楚
GAIA 历史165题

先把旧基线的分母说清楚

2026-08-09 原文汇总;具体首轮执行日期未绑定

历史自述

旧 pipeline 65/165 ≈39.4%

原问题
旧报告把不同执行路径放在同一能力结论下。
对应动作
核对旧 pipeline 65 与重跑100的账本关系,不把它改写成新版单发基线。
样本与口径
旧 pipeline 全题单;错题100进入后续重跑。旧基线自述。
不能这样推断
39%是取整的旧路径成绩;不能视作相同模型、工具、时间预算下的受控基线。
原记录、版本条件和缺口

原记录 2780280477 · 原记录 2779881874

模型:实际模型及逐题路由未由该报告绑定;版本/改动:pipeline;确切代码版本未恢复。

当前源码(非历史版本回放):本轮未绑定。历史运行记录:本轮未恢复完整绑定记录。

仍缺:原始165题首轮结果文件与实际模型清单未在本轮恢复。

GAIA 旧100错题;总账165题 · 给 Auto 真正的工具执行入口
GAIA 旧100错题;总账165题

给 Auto 真正的工具执行入口

2026-08-09(正文);两篇报告创建于2026-08-10

历史自述

65+36=101/165,61.2%;36/70=51.4%是非附件错题救回率

原问题
pipeline 缺少 shell/API/脚本执行;异常兜底还曾读错 tool_log 字段。
对应动作
切到 Auto 工具执行;summary/result 字段修复;归档每题 trace。视频工具引导减少错误抓取路线,但4题仍未答对。
样本与口径
错题100:非附件70,附件跳过30;最终36救回、26答错、8超时。错题救回与旧基线并集。
不能这样推断
不是 Auto 同版本一次独立重跑165题;11/25=44%是37题处理进度中的阶段样本,不与36/70并排当版本提升。;工程失败分类不证明移除失败后一定答对。F3工具路线改善不能说成视频正确率提高。
原记录、版本条件和缺口

原记录 2780280477 · 原记录 2780533291 · 原记录 2779881874

模型:原报告未绑定实际模型;不读取旧配置代替运行事实;版本/改动:auto重型档;报告引用1499e130、18f4da0a、e4de9f62、d4482756,未恢复其历史源码。

当前源码(非历史版本回放):本轮未绑定。历史运行记录:本轮未恢复完整绑定记录。

仍缺:完整 .gaia_auto_100miss_rerun.jsonl 未找到。现存同名trace目录的两份checkpoint是8月25–26日native记录,不能顶替8月9日的36次救回证据。

GAIA 历史165题 · 附件先从“拿不到”变成“能读取”
GAIA 历史165题

附件先从“拿不到”变成“能读取”

8月上旬阶段值;原文“今日”未绑定日期,快照修改至2026-08-17

历史自述

118/165=71.5%;同文称附件已提升12题

原问题
题面只有附件名,受限数据集访问与本地资料缺失使附件题被跳过。
对应动作
补齐附件访问与下载入口;把文件交给表格、PDF、图像与音频工具。
样本与口径
旧101题累计基础上继续救回;逐题增量名单未恢复。累计阶段自述。
不能这样推断
101→118共17题,但原文只明确附件贡献12题;余下5题不能臆造归因。;该文还混入更晚92.7%自报表;标题日期不能充当118的精确跑批日。
原记录、版本条件和缺口

原记录 2778375484 · 原记录 2781947413

模型:未知;版本/改动:fetch_gaia_file / 附件本地化;具体提交未绑定。

当前源码(非历史版本回放):本轮未绑定。历史运行记录:本轮未恢复完整绑定记录。

仍缺:118名单、12道附件题逐题前后trace、实际模型及预算均未恢复。

GAIA 历史165题 · 先修“曾经答对”的记账资格
GAIA 历史165题

先修“曾经答对”的记账资格

2026-08-10(周报正文);另段落把清账并入8月9日,保留日期冲突

历史自述

152→130是清账;101→130是另一个累计救回描述

原问题
旧 ever_correct 会把不可信来源计为正确;缺附件与递归上限同时影响交卷。
对应动作
只承认可信结果来源,按题去重;补附件入口并提高深题递归预算。
样本与口径
pipeline OR auto 去重;曾报152,收紧可信来源后130。记账更正+累计救回,不能合并为纯能力Δ。
不能这样推断
下降22题是纠错,不是模型退化;“新增29题”不能都归给附件或某一预算改动。;该周报151/153/130的日期排序和概述存在交错,不拼成连续单发成绩线。
原记录、版本条件和缺口

原记录 2779630806

模型:未知;旧各轮可能混用;版本/改动:ever_correct来源收紧;附件包38份、recursion_limit 70→130。

当前源码(非历史版本回放):本轮未绑定。历史运行记录:本轮未恢复完整绑定记录。

仍缺:152污染项列表与130可信项全量账本缺失;各动作净贡献未隔离。

GAIA 历史165题 · 视觉题从粗读走向可计算的结构
GAIA 历史165题

视觉题从粗读走向可计算的结构

2026-08-13(周报)

历史自述 · 原动作可查

154/165=93.3%;同期11错题的自进化尝试仍报告0题救回

原问题
图像数字漏读、几何结构不闭合;机制能运转仍不等于能解剩余题。
对应动作
让图像输出可检查的边/顶点,利用闭合约束与精确计算;接通进化和回测。
样本与口径
长期错题定向返工;非随机新样本。累计最好成绩自述。
不能这样推断
现存几何成功trace在8月14日,证明该工具后来真实使用,不单独证明8月13日154的每个增量。;不采纳“只剩11题就是能力上限”的永久结论;后续记录已推翻。
原记录、版本条件和缺口

原记录 2779630806

模型:周报泛称Claude/GPT/Gemini多模型;逐题实际模型未知;版本/改动:多空间访问、几何闭合、视觉局部读取;当前实现见CODE-GEOMETRY。

当前源码(非历史版本回放):CODE-GEOMETRY。历史运行记录:T-GEOMETRY。

源码指当前快照,只证明机制存在,未证明当年该次运行使用了这些字节;历史记录只证明对应动作发生,完整前后配对仍以本卡缺口为准。

仍缺:完整154题版本绑定及前一轮逐题成绩缺失。

GAIA 历史165题;定向4错题 · 拆小视觉读数,并让深多跳有时间走完
GAIA 历史165题;定向4错题

拆小视觉读数,并让深多跳有时间走完

2026-08-14(周报及几何/多跳trace);分数图存档为8月15日

历史自述 · 原动作可查

154→157;定向4题救回3题,非泛化75%

原问题
分数图整图读取漏样本;几何视觉误读;多跳链在700s内走不完。
对应动作
分数图先按像素切格再逐格读取,Fraction精算;几何闭合+鞋带公式;意图自检输出造工具/换路线建议;多跳增加到1200s。
样本与口径
4道定向返工报告3救回:分数图9318445、多边形6359、多跳872bfbb;NatGeo在该小实验中未过,后续再过。累计3题增量+定向复测。
不能这样推断
多跳同时换策略和加500s预算,不是同预算算法单因果。;几何存档含9条工具记录:闭合与面积39、独立计算、最终交付均在;只能确认此局过程。;分数图“3次1对→5/5”及4题3救回是报告所述;未找到五份独立对应运行,不能升级为本轮复现。
原记录、版本条件和缺口

原记录 2779630806

模型:实际逐题模型未知;视觉调用含VLM/异构读取;版本/改动:v99r意图补救、v99t中途模态纠偏;多跳预算700→1200s。

当前源码(非历史版本回放):CODE-AUTO, CODE-GEOMETRY。历史运行记录:T-GEOMETRY, T-FRACTION, T-MULTIHOP。

源码指当前快照,只证明机制存在,未证明当年该次运行使用了这些字节;历史记录只证明对应动作发生,完整前后配对仍以本卡缺口为准。

仍缺:多数旧失败trace缺失,完整逐题前后配对不足;当前源码不等于v99r/v99t历史字节。

GAIA 定向多模态难题 · 先纠正“该看视频却只搜文字”,再谈答对
GAIA 定向多模态难题

先纠正“该看视频却只搜文字”,再谈答对

2026-08-14及8月24回顾;各成功记录不同步

历史自述 · 原动作可查

NatGeo后续记录命中;Cheater先从0次视频调用变为真实调用,但当次仍可能超时/答错

原问题
开局被判为text后无法转向视频;取得帧也可能读数错误或过早放弃。
对应动作
把模态纠偏写回共享现场,使后续真正调用视频帧/转录;局部放大、换来源、多模态核验。
样本与口径
NatGeo、视频读数、模糊墓碑等定向案例。行为改善与后续个案成功。
不能这样推断
NatGeo现存8月14日trace有85条工具记录,含7次取帧、3次转录;这不能证明所有视频题稳定正确。;周报“8次”与括号列7+1+1不完全一致;本报告不用该数作为精确计数。;同一周报先称信息墙、后写新通过,说明是不同时间点,不可挑最乐观段落覆盖失败。
原记录、版本条件和缺口

原记录 2779630806 · 原记录 2781947413

模型:逐题实际视觉模型未绑定;版本/改动:v99s/v99t;modality_recorrect 更新session.modality_needs。

当前源码(非历史版本回放):CODE-AUTO。历史运行记录:T-NATGEO。

源码指当前快照,只证明机制存在,未证明当年该次运行使用了这些字节;历史记录只证明对应动作发生,完整前后配对仍以本卡缺口为准。

仍缺:0次→后续调用的同配置成对原trace未完整恢复。

GAIA 历史165题 · 高分之后,反查成功记录有没有被污染
GAIA 历史165题

高分之后,反查成功记录有没有被污染

2026-08-15报告峰值;2026-08-24周报回顾更正

历史自述 · 旧结果可重计

曾报164/165=99.4%;后文明确撤回3道泄漏假胜,改报161/165=97.6%

原问题
答案泄漏、空gold的降级回答误写正确、双键与后写覆盖会污染成功账。
对应动作
保存首胜现场并核验成功来源;隔离标准答案,清掉被污染胜局;修复记忆身份与评分口径。
样本与口径
累计曾对;不是一次性独立165题测试。峰值自述后更正。
不能这样推断
164不能作为当前无污染单发准确率;161也仍是当时的累计自述,不是本轮重新判题。;本地gaia_correct_ledger实际164行、163个独立qid,NatGeo重复;不能拿行数替164题通过。;另有162/165、163/166等历史快照,分母与去重范围不一,不认定哪份代表“最新真实分”。
原记录、版本条件和缺口

原记录 2780834005 · 原记录 2781947413

模型:多轮模型/预算混用,未逐题恢复;版本/改动:首胜快照win_ckpt、来源/泄漏清理、评分器修复。

当前源码(非历史版本回放):本轮未绑定。历史运行记录:本轮未恢复完整绑定记录。

仍缺:三个被撤回胜局的完整原始污染/清理/干净复跑链未恢复;主gaia_ledger.jsonl在本工作区未找到。

BrowseComp 小样本 · 找到了答案,交卷时却被换掉或丢掉
BrowseComp 小样本

找到了答案,交卷时却被换掉或丢掉

2026-08-18至2026-08-19

历史自述 · 旧结果可重计

交付修复有同题回正记录;不能说一次修复后整集30%或38%

原问题
正确候选因覆盖率0.10被换错;done-final为空;工具请求400;撞墙时只剩元评论。
对应动作
补done-final、工具消息兼容;保留已有候选、低覆盖继续补证;收尾读取候选。
样本与口径
Russell同题多轮与20题累计台账,不是全部BrowseComp。机制个案+累计最好成绩。
不能这样推断
Q1 v165c错→v165d对在现存账中都标polluted,不能包装成干净受控因果。;同题longcat的bc_vault失败、bc_allfix成功,之后bc_arch又失败,说明仍有波动。;400消失或非空交卷只是运行改善,不等于推理正确率提升。
原记录、版本条件和缺口

原记录 2781326969 · 原记录 2781448048

模型:longcat-2.0及Opus;旧号称longcat的若干run后来标为Opus/polluted;版本/改动:42d56208、de77e2e5、da95c92d、d646232c(报告引用,历史提交未回放)。

当前源码(非历史版本回放):本轮未绑定。历史运行记录:本轮未恢复完整绑定记录。

仍缺:该阶段所有原tool_log与模型请求回执未完整重绑;周报38%不能与6/20作为单一同口径序列。

BrowseComp 历史小样本 · 把“跑对次数”和“曾经跑对的题数”分开
BrowseComp 历史小样本

把“跑对次数”和“曾经跑对的题数”分开

账本last_updated对应2026-08-21;本轮只读重计

旧结果可重计

现存账9/21曾经答对,110条记录中33条标正确;不是单发42.9%

原问题
README、周报和现存账本并非同一快照。
对应动作
按题计ever_correct,并与attempt数量分列;保留污染标记,不把择优档案视为单发测试。
样本与口径
当前账21题,110条attempt;含polluted及可能重复登记。旧账本累计重计。
不能这样推断
README称8题、2164次等数字与现存JSON结构/计数不符,不能照搬。;同题不同run甚至同elapsed的记录可能重复,110不声称110次独立实验。;被保存的成功trace是挑过的,不能据此估计成功率。
原记录、版本条件和缺口

本地原结果的指纹与字段位置见可下载索引。

模型:混合longcat/Opus/native标签,不是一配置;版本/改动:多轮历史run_id合集。

当前源码(非历史版本回放):本轮未绑定。历史运行记录:本轮未恢复完整绑定记录。

仍缺:

GAIA 定向最难40题 · 难题单发低分,先查评分与实验条件
GAIA 定向最难40题

难题单发低分,先查评分与实验条件

2026-08-25

历史自述 · 旧结果可重计

Auto 22/40=55%;旧分析可重计,其中18 exact、4 semantic

原问题
粗糙匹配漏判格式/拼写等价;搜索写到备用账被误判零搜索;中途模型配置变化。
对应动作
合并搜索证据来源,修复判分;对GAIA允许合法零搜索;明确模型不一致。
样本与口径
从Auto单发错题中按反复重跑次数挑40,不是随机抽样;指纹91ae647b770935e4。定向40题单发旧结果重计+评分更正。
不能这样推断
22/40不是从GAIA98%退化到55%,前者为专挑难题单发,后者曾对累计。;修判分带来的涨分不是解题能力新增;非同模型不能归因哪家Harness本体更强。;报告163/166、65/166与历史165分母冲突,且65/166不等于其写出的39.4%;不静默归一化。
原记录、版本条件和缺口

本地原结果的指纹与字段位置见可下载索引。

模型:报告:Auto opus-4.8;其他多家gpt-5.6-sol;CC混合,非同模型;版本/改动:fact_hit/语义规范化、搜索落账修复;报告称墙钟1200s/格。

当前源码(非历史版本回放):本轮未绑定。历史运行记录:本轮未恢复完整绑定记录。

仍缺:

BrowseComp 公平40题(与GAIA40不同) · 拆掉丢答案的环节,再核对改后记录
BrowseComp 公平40题(与GAIA40不同)

拆掉丢答案的环节,再核对改后记录

2026-08-25基线;2026-08-26修复报告

历史自述 · 旧结果可重计

2/40→6/40有旧报告及6条hit可重计,但不是已证同模型同预算提升3倍

原问题
交卷门反复阻断,双导入分裂_SESSIONS,旧状态重新注入失效指令,收尾拿工具噪音当答案。
对应动作
清理上述信息/交付链;将收敛做提示而非强制替模型答题。
样本与口径
同一BC40题单;指纹dec773637bb11267;两条命中案例可追旧包装记录。前后旧结果+配置不一致的修复报告。
不能这样推断
XML与电影题的before/after包装hit由false变true;包装不含完整tool_log,“271→20工具”仍只是报告自述。;after包装finished-start不等于elapsed_wall_s,搜索计数也与search_requests长度不一致;不得假装其是完整干净运行收据。;原文把先验正确和泄漏混为一谈;先验知识本身不是作弊,只能把证据充分性另列。;失败分类97%工程问题不等于修完将有97%准确率,也不证明剩余已无bug。
原记录、版本条件和缺口

原记录 2782569511

模型:基线报告称gpt-5.6-sol/1200s;clean汇总写opus-4.8/300s;latest包装又多写gpt-5.6-sol/1200s;版本/改动:移除交卷阻断、模块单例、fresh session、干净收尾、软收敛提示、query去重。

当前源码(非历史版本回放):本轮未绑定。历史运行记录:BC-XML-BEFORE, BC-XML-AFTER, BC-FILM-BEFORE, BC-FILM-AFTER。

仍缺:

LoopArena Type I · 用另一种题检验调度决策,不冒充Auto交付能力
LoopArena Type I

用另一种题检验调度决策,不冒充Auto交付能力

2026-09-07(本地提交a2a15843)

历史自述 · 旧结果可重计

79/90=87.8%可重计;这是模型Controller题,不是Auto或军团作品完成率

原问题
需要分清“控制器判断下一步”与“系统真的完成工程任务”。
对应动作
跑既有Type I题单检验Controller决策;本轮只重计correct字段,不执行任何题。
样本与口径
现存90条、90个独立id;逐项预测是否正确。固定题单分类决策旧结果重计。
不能这样推断
没有本地前版本对照,不能写成Auto升级带来的提升。;不等于Type II/III真实工程完成率;不继承提交文案中的“世界第一”外部排名。
原记录、版本条件和缺口

本地原结果的指纹与字段位置见可下载索引。

模型:文件名与提交自述为gpt-5.6-sol;结果未逐项携带可核实际模型身份;版本/改动:本地提交a2a15843;网关接入适配,非Auto引擎版本A/B。

当前源码(非历史版本回放):本轮未绑定。历史运行记录:本轮未恢复完整绑定记录。

仍缺:完整运行命令、预算、实际请求模型回执未在本轮材料中恢复。

HLE及外部榜单调研 · 计划、调研和实际评测分开
HLE及外部榜单调研

计划、调研和实际评测分开

截至本轮所选历史材料

历史自述

HLE仅见计划文字;外部榜单数字不当作本项目实测

原问题
方案里提到第二评测集,不代表已执行。
对应动作
只列已读到本地结果的GAIA、BrowseComp与LoopArena;其它列缺口。
样本与口径
未发现足以列入提升链的本地结果与机制配对。不列成绩。
不能这样推断
未对445篇做全量正文审读;“未列”不等于仓库绝不存在。
原记录、版本条件和缺口

原记录 2778375484

模型:不适用;版本/改动:不适用。

当前源码(非历史版本回放):本轮未绑定。历史运行记录:本轮未恢复完整绑定记录。

仍缺:

GAIA、搜索题暴露了什么,为什么走向军团?

不是题难了就多叫几家。Auto教会我们让模型自己找、读、算、用工具;错题又提醒我们:拿到资料、理解证据、完成执行、正确记账,是四件不同的事。

一份旧账:100道旧错题,后来怎样了?2026-08-09旧报告 · 原报告统计,未重判题目

旧流水线65题+后续救回36题=101/165(61.2%)。这是合并救回账,不是Auto同模型、同版本、同预算的单次165题成绩;四组也不是四种根因的证明。

点一个节点,往下看
历史复盘;不是新实验

题目让你看附件,搜索不能替代原件

100道旧错题中,30道被记为缺附件而跳过;这能说明输入没到现场,不能说明模型看过后一定会答对。

题目指向特定附件/原页面
现场缺失工具拿不到原件
先补输入然后才验能力

拿到材料不等于答对;缺资料的错误不能靠增加成员或投票消失。

展开原因、动作、结果与协作边界
可能卡在哪里
输入与工具链缺口:附件、原页面或读取入口缺失。先修可访问性,再区分读不懂、算不准等能力问题。
当时/后来改什么
旧记录随后补齐附件访问与下载,把原文件交给表格、PDF、图像和音频工具。
结果能证明什么
118阶段记录明确说附件带来12题;相对101增加的其余5题归因未恢复,不能全记到同一改动。
军团能帮什么
值得共享的是原件、工具入口与权限状态;原负责人可借已有能力,不必重写一套读取器。当前不据此宣称各家已全链路共享。

七类路径可能重叠,是定位视角,不是全题库互斥归因;方案、机制存在与实测收益分开。

展开完整复盘:题集、失败、动作、反例与原记录

一句话:Auto让模型从“回答问题”走到“自主找资料、用工具”;大量错题提醒我们,要把好工具和真实现场开放出来,而不是继续把所有能力、控制和裁决塞进同一个自研循环。这个选择值得验证,但不等于多家协作已经胜过最强单家。

这里的“军团”不是把几份答案拼起来。用户仍只说一个目标,原生工作台先把自己的本事用足,遇到真缺口才借工具、借同伴,再回到同一工程继续改。Meyo承担连接、权限、持久化、恢复和证据展示;如何理解、研究、执行与返工,由真正做事的Harness负责。

先把“大量测试”分开,别混成一个分数

材料 能说明什么 不能怎么用
GAIA165累计账与100道旧错题重跑报告 哪些题曾被救回,历史怎样诊断失败 不是统一模型、版本、预算的一次165题全量成绩
GAIA定向难40:Auto22/40 这组旧结果可重计,见上方评测节点 不能与165累计值直接比较;各家模型不同,不是纯Harness排名
BC历史错题20条 跨9个结果文件挑出的错题和已有失败标记 不是一次20题测试;未在本轮按题面重新确认去重
BC另一组40题:2→6/40;另一账本9/21 有限前后记录、或多轮曾对并集 不是同预算稳定提升3倍;9/21不是单发42.9%
W31搜索词源实验:31/58、18/30 特定词表与来源组合的历史命中 不是GAIA答题正确率,不是今日来源在线率
早期组队10题 原报告中的组队负例 不是今天的能力排行榜

**旧100题去向是36、26、8、30:后续救回36、作答仍错26、超时8、缺附件跳过30。**四项出自同一份旧报告,总数100。旧流水线65加后续救回36得到101/165,属于合并账;非附件错题救回36/70也不是整体准确率。本地未恢复该报告引用的完整100题重跑文件,不能说本轮独立重现了36条救回。

另一份165复盘把剩余64题自述为30、15、8、11:缺附件、撞步骤上限、超时、交了错答。它与前表26道“作答仍错”的细分未恢复逐题配对,不能跨表拼接或相加。原因分类和能力分类也会重叠;例如缺附件30与能力维度附件19,不是两个可以相加的组。

1. 原件没到手:先修输入,不急着判模型不行

题目指定了一个表格、PDF、图片或视频,系统却拿不到原件,这时搜索出来的“相似资料”不是替代品。旧100错题里30道因缺附件跳过,证明的是当时输入链缺口。

后续动作是接通附件获取和读取工具。118阶段记录明确归因于附件的提升是12题;从101到118的其余5题没有恢复清楚的归因,不能都算给附件功能。补齐输入有价值,但不保证原来的30题会全部答对。

在开放生态里,值得复用的是原文件、读取工具和可访问状态;不必每个Harness重写一套下载器。是否已对每一家实际可用,需要运行证据,不能凭“有共享接口”就宣称全通。

Auto曾投入多源搜索、专业来源、多跳、查询改写、智能召回和站点经验。它们值得保留,因为模型需要的不只是一个搜索框。但结果可能不贴题、来源互相冲突、最后一跳没有支持证据,甚至资料已经找到却没有被后续执行采用。

W31记录31/58词源命中、稳定词18/30;同周也记录限流、冲突和收口未完成。结构化提取、坏站过滤、超时换源是当时做过或推进的动作,不能把一周工作清单写成整条搜索链已经验收。

因此方向不是强制每道题打开几十个来源,而是让执行者自己选择,知道来源是什么、哪里失败、哪些证据冲突、当前还缺什么。工具数量是可用选项;有效答案才是结果。

3. 做了仍答错:工具成功和理解成功是两层

旧100题里26道提交了错误答案,但缺少统一逐题根因,不能简单说都是“Context不够”或都是“模型太弱”。视觉识别、条件理解、算术、多跳推理可能分别出错,也可能同时发生。

一个尤其重要的负例:旧报告中的视频小样本改变了抓取路径,4道视频题最终仍未答对。它说明流程可能更合理,却没有证明最终正确性提高。

后来的读图、取帧、结构化中间结果与代码精算都有具体动作记录。154→157还包含多跳预算700→1200秒,不能归为同成本单机制收益;同期11道错题的自进化尝试仍报告0题救回。完整条件保留在上方14条评测节点中。

军团能提供不同的工具与能力选项,但更强能力、更多时间、更多预算各自贡献多少,必须分开。只写更长Prompt、加一个评审,或让更多成员重复同样错误,都不等于解决能力缺口。

4. 实体关系串错:缺的可能是最后一跳,而不是下一百条搜索

已核的旧事件里,一条人物题虽积累14条证据,候选中却混入了搜索服务名称;另一条“人物→书→书评→地点和日期”链,最后条件没核就提前选了答案。资料多不等于主体识别正确;候选出现过也不等于它满足全部关系。

所以要能看见候选是谁、与谁有什么关系、方向是否正确、来源支持哪一跳、哪个条件仍未知。把这些原样交给执行者,比只给“置信度很高”“大家都同意”更有用。

这是保留实体、关系、来源与失败现场的理由,不是建议把每种题的步骤写死。旧的实体硬锁、置信门和强裁决也有局限,不能原封不动推广成全平台规则。

两条旧事件的run_id未知,只能作为失败形态;本轮没有完整前后运行配对,不能写成“加了关系图就修好了”。同伴是否真的消费了这些现场,也要另有证据。

5. 过程丢了交付:既有工程问题,也有尚未解出来

旧记录包含超时、撞步骤上限、结果字段漏读、异常收尾和恢复断链。它们要求不同修法:例如读回结果字段、保存逐题trace、让真实失败回到执行者,交接时带着原工程继续。

但“工程失败”不等于“只要修工程就会答对”。165复盘作者自己承认,撞墙类中13道日志尚未攒到答案;延长时间只能提供继续求解的机会。不能把未找到答案包装成“其实模型早就会了”。

BC的2/40→6/40有有限旧证据,但模型、预算与包装记录并不完全一致;它不是可证明某一修复带来三倍提升的公平实验。也不应靠更严的拒交门,把本已产生的有用结果又吞掉。

Meyo应做的是让任何一家都看得见自己的处境、拿得到已有文件、可继续执行;不是在上方替它决定答案。

6. 账本混了:分清“曾经会”与“稳定会”

历史164累计峰值后来撤回3道污染假胜,改报161。这些都不是今天重新单发的得分。164旧账还存在独立题号数量问题;完整说明见上方对应评测节点,不能为了图好看连成一条持续上升的线。

BC20也有明确的内部矛盾:摘要16/20,逐条长文标记17/20。摘要低置信/未确认15/20,与逐条“自认未确认/撞墙”14/20定义不同,不能静默替换;两类布尔标记同时为真的有12条,不能相加。本轮只是重数旧标记,未重判题目,也不能据此说85%的错误仅由格式导致。

GAIA165旧复盘的tier表四行只合计98/162,和总账101/165不齐;“为何答对”的几组也不能直接当互斥分布。旧冲分计划的86%、95%既非实测,其列出的增量算术也不能支持这些百分比。这里不把它们画成既成成绩。

下一步真正有意义的比较,是完整原生单家与按需协作在同一真实任务、资料、权限与预算下的表现。比机制时尽量用同实际模型;比产品方案时可保留各家的原生配置,但模型差异、全部重试成本、时间和失败必须明示。不能禁掉单家的原生工具,再用这个弱基线证明军团强。

7. 为什么转成军团:保资产、拆职责、看净收益

这是从历史失败得到的架构判断和待验方向,不是由某一次低分直接证明的结论。

留下来 拆开或不再强加 开放后的目标
自主使用工具;搜索蜂群、多跳、实体关系、智能召回 想借一个工具却必须启动整个Auto循环 工具可被原生Harness按需使用
原件、来源、候选、真实失败和经过验证的经验 统一首脑、固定题型步骤、替模型裁决的强控制 原生执行者带着同一现场自主判断
持久工程、可恢复任务、被实际采用的改进 各做一份再投票拼答案;参与人数当成果 回到同一个作品继续改,用户少管理
可追查的运行与成本记录 不同预算混算、多轮最好当单次能力 同质量更省或同成本更好,净收益为正

**单家失败,不等于军团必胜。**早期10题原报告记组队v1/v2/v3为4/4/2,最强单家DeepSeek为5/10;本轮未重跑,也不是当前排名。至少它明确反对“人多就好”的宣传。

当前B代码里的Auto已是工具能力来源,不接答题或首脑。这是本地状态,不外推为全部生产实例同步。各家的工具与经验是否真能互用、补位是否优于用足全部原生能力的最强单家,还需要逐任务证据。

为什么仍值得做?因为可以不用丢掉Auto积累,又能利用不断出现的新工作台,而不要求用户反复搬工程、重述背景或自己管理几家AI。先把一个工作台的交付做强,再在真实边界上验证协作;更便宜模型是否能借工具与经验做到同等质量,也必须计入全部成本后再下结论。

最终衡量不只是一题答对:用户拿到的游戏能不能玩、网站能不能用、报告有没有依据、视频是不是成片;有反馈能否在原作品继续改。评测用来暴露短板,不能代替这些真实交付,更不能证明社区复用与留存已经成立。

原记录与阅读边界

只公开综合说明、必要统计和来源元信息,不附原题标准答案、私人周报正文、原始会话或日志。学城原记录仍需原有权限,公开图解和本节下载不需要这些权限。

原记录 本次使用范围
100道旧错题重跑记录 全文;合并救回口径、四组去向、视频负例
GAIA165旧复盘 全文与独立侧核;原因分类、算术冲突和乐观假设
W31搜索词源与执行问题 搜索实验、收口与接线有关段落
BC历史错题20条 摘要和20条已有元信息;9个来源文件,不重新判题
搜索多跳联合诊断 失败假设与方案边界;不是五名独立专家已证实
早期组队边界 10题对照原文;未恢复同条件完整实验
Auto职责拆解 复用此前原文及源码核查;方案与当前本地状态分开

附件12题、154/157/161、GAIA难40、BC40及实体关系旧事件,继续使用本页已有评测和实体章节的来源,不重复制造新的实验。每份新增来源的精确指纹和读取范围见可下载JSON;本轮未调用模型、跑题、改产品服务或重新进行浏览器视觉验收。

为什么评测不错,作品还是可能不好用?

展开评测与作品质量的区别

答对一道问题、把文件写出来、作品达到专业水平,是三种不同的结果。评测让我们发现资料、工具、记账和收尾的问题;真实作品又会暴露画面、交互、玩法、声音、持续修改和协作的缺口。

所以不能把 GAIA 分数搬到赛车上,声称赛车也世界级;也不能用一个很好看的截图证明所有机制有效。下一段把同一太阳系与赛车订单的原问题、成员动作、截图和剩余缺口放在一起,让变化可以直接看到。

04当前优先级 · 2026.10.15

下一步先交给别人用,
再用真实体验提标准。

不再用已经过期的计划日期当今天的进度。当前先补他人可访问的服务与设备接线,再回到原作品最大的体验问题。

保留长期目标:理解用户用途、研究顶级参照、按需借力、实际体验、返工到原作品。不是为完成清单而多开任务。

  1. 现在 / P0

    访客真正能使用

    独立 HTTPS 入口、个人身份、成果下载和持续恢复;不是一个只能打开的首页,也不公开个人电脑的执行权限。

    公网当前未交付
  2. 接着 / P0

    云设备真的接上

    先修主体传递与运行依赖,再验画面、控制和文件;桌面、手机分别记录,不把旧截图当当前设备在线。

    文件区有实测,设备未验收
  3. 原工程 / P1

    打通游戏核心体验

    固定构建身份,验证入局、技能与购买装备,改善局内角色和操控,取得新的真实前后图;失败不晋级。

    最新源码不等于已改善
  4. 随后 / P1

    证明协作确实值得

    在真实任务里比较交付、用户采用、耗时和完整成本。方法被后续任务真正采用并产生净改善,才扩大。

    简单任务不强行组队
保留历史计划:9月提出的样本、日期与验证口径,不是当前完成进度
03下一轮验证

不先宣布世界级。
先把下一步做成证据。

计划以2026年9月24日为起点。只用真实需求,不编题凑数量;每单先交成品,对照不抢用户的交付预算。

以下是建议标准,不是已有成绩。实际启动推迟,时间点整体顺延。

  1. 09.30

    先稳定拿到成品

    20条真实网页/小游戏需求,至少18条完成核心用途与保存恢复;至少16条不需要工程师代改或搬文件。

    不达标 → 修原旅程,不拓量
  2. 10.07

    再验证协作净收益

    与完整能力最强单家同题比较。10对中至少7对在两项关键品质维度胜出,正确性与可用性不退化。

    仅本批信号,不是普遍胜出
  3. 10.28 / 11.20

    用户真的回来吗

    假设首批10月1—14日注册,全批D7/D30窗口分别成熟。目标为激活者20%/10%有效回访。

    看实际采用,不用注册数替代
  4. 11.22

    决定继续,还是收缩

    一起看交付、复用、留存和真实费用。技术成立但没人回来,就调整场景;协作不划算,就保留单家。

    证据过线,再扩大投入
指标口径与为什么这样验证

速度看首条有用反馈和首个可用成品,启动、排队、重试都算。规划完成不是作品完成。

成本看每件合格交付的全部推理、工具和失败重试;边际费用下降不等于项目总预算下降。

留存D7为注册后[7,14)天,D30为[30,37)天;分母是已激活且窗口成熟的同批用户,不是行业单日口径。

完整阅读:世界级定义、每项验证数字、阈值、日期与能否做到

世界级怎么实现:靠参照、完整作品和反复净胜

先理解原始目标、查当时的世界级参照与可用资源,从参照反推该单需要的完整核心体验;由原生负责人实现、实际使用验证、找唯一最大差距并返工。资源与标准进入该单上下文,不写死为所有领域流程。先交一个完整、可感知的纵切,再滚动下一条真实需求,不拿平庸MVP或大批考试替代成果。

只在同一真实需求上,输入、约束和预算可比,有具名可打开参照、正确性不退化、至少两项关键维度胜出,以及两名不同实际模型的独立盲评等证据时,才讨论“对本题的有限胜出”。当前Astra-only的代理互评只能辅助发现问题,不能冒充异模型独立评价或真人认可;六类持续顶尖还需要不同真实任务重复净胜。

自我评分高、模板漂亮、生成次数多、用了大模型或开源项目都不够。 用户只说一次是产品目标,内部多轮不算用户额外表达;但外层人工救场、重试、环境时间与费用必须如实算入。

同题验证怎样拆,避免把所有收益都归给军团

先补最强单家的真实意图、资源和失败现场,再与按需协作比较,保留单家的原生工具、子代理与执行能力。先判断补工具能不能解决,只有还需要互补时再看多Harness;论证单项机制尽量只改这一项,组合改动只报组合效果。

每单先交用户成果,高价值、失败或路线不确定时,最多加一个同题同预算影子对照,不把评测变成等待用户的硬阶段。质量与成本可以分批验证,不能为了固定题数编造需求。小模型对照是未来待批准实验,当前不擅自改变Astra策略。

问题 建议样本与判断线 时间及不过线时的动作
是否稳定交付、少管理 先20条不同真实需求,网页/小游戏各10;至少18条完成核心用途与保存恢复,至少16条无需工程师代改/手搬文件。授权和必要澄清单列;越权、丢原作、空白报成功要求0 9月30日检查。样本不足如实报不足;先修原失败路径,不扩平台、不拓量
协作质量有没有净收益 10对完整能力最强单家vs按需协作,同输入/资源/预算;至少7对在两项按任务事先确定的关键维度胜出,正确性与核心可用性不退化 10月7日初次决策。7/10只作本批加码信号,不是普遍优势或统计显著结论;每对败例保留
同质量能否更省 每件合格交付的全部推理/工具/失败重试边际费用下降≥30%,成功率不降,总耗时不恶化超过10%;人工救场、支持和全成本另列 10月7日先看完整账;无账写未验证,边际降幅不当项目预算降幅,无净收益保留单家
速度是否用户可感 限定范围首条有用反馈P90≤10秒,首个可用网页P90≤5分钟、小游戏≤15分钟;启动/排队/重试计入。按全体入样任务报阈值内交付比例,超时/未交付记未达;另报成功样本P90须标条件与样本数,不能替代总体速度 9月30日与10月7日复核;复杂范围另比,规划、播报、下载或测试圈时不能替代
经验是否真进化 至少5条不同的真实后续任务实际采用已有方法或资源,逐条记录采用点、原作者和差异;对有可比基线的项才计算净收益 10月7日看首批。只出现Skill记录、未采用或难归因,标未证明,不计成功
用户和社区是否成立 激活≥40%;已激活且窗口成熟者D7有效回访≥20%、D30≥10%;至少20%激活用户实际采用他人作品派生版;推广≤100元/增量去重激活作内部试验线 成熟窗口后才判断。交付差修交付,交付好但不回来改场景,没人派生不称社区飞轮

这些是建议项目决策标准,不是运行时质量硬门、行业平均或已实现成绩。小样本必须展示实际分母与不确定性;不靠总均值掩盖某种交付持续失败。

留存怎么算,哪天才能下结论

激活是注册后[0,7)天完成或续改可用成果并采用、保存或导出;只打开页面不算。D7窗口为注册后[7,14)天再次有效使用,D30为[30,37)天;分母是已激活且观察窗口已走完的同批用户,排测试、机器人、重复。这不是第7/30天的单日行业口径,D30不再乘D7。

建议T0为2026年9月24日。如产品达标、增长批准后首批注册在10月1—14日,末批激活窗口10月21日满、全批D7在10月28日、全批D30在11月20日满窗;按最后注册时刻计算,整日批次在当日结束后汇总。不能10月23日就报告整批D30。国庆与非节假日、不同渠道分开看。

验证时间以实际任务与成熟样本为准;这里保留技术判断线,不把历史计划当成已执行或已得到结果。

我们能不能做到:把可行性、保证和经营成立分开

  • 能接上、能继续、同一工程能补位:局部已经做到,可继续加强稳定性。
  • 在明确范围内交高品质作品:有可行路线,但要更多不同原始任务证明,不靠一个精修赛车代表全部。
  • 所有题、所有Harness、所有预算都世界级:不能承诺;即使单模型更强,也会受资料、工具、权限、环境和验收影响。
  • 小模型同质量更省、持续群体进化:尚未证明,需要可比净收益和完整账。
  • 可持续商业业务:尚未证明,需要真实采用、回访、付费或其他收益和贡献利润。

不把这些未证项藏进未来,也不因此停掉可独立推进的工作。优先顺序是:原作品完整交付与可靠入口→已批准的通用自治收口→另一条不同真实任务复用→社区供给与持续采用→有证据后扩大生态/商业化。

↳资料整合范围

把思考串起来,
不把内部原稿直接搬出来。

本次从一份复盘总纲和它的六篇子文档,提炼架构边界、社区协作、私有空间、成本与验证方法。原文中的计划、历史观察和已实现能力分开;没有把材料重复出现当成独立实证。

总纲

Harness、Auto、军团与产品复盘

从固定流程到原生执行,从叠加裁判到接通事实;保留失败归因与各层职责。

看架构认知 ↗
产品方案

一个持续进化的作品

明确工程、运行、修改与发布的对象,允许按需调用、接力、分叉与采用,而非每单固定组队。

看持续工作的取舍 ↗
实施顺序

成熟作品、私有空间与 AI 续改

已有基础先用起来;需要时在原工程改,给失败与候选留下准确记录。

看当前优先级 ↗
协作关系

AI 原生社区

关系来自共同目标、真实贡献和被采用的成果;派生自己的副本不等于加入原项目。

看社区与作品关系 ↗
经济判断

复用与创作成本

区分供给准备、实际运行和 AI 增量修改;失败、维护与人工一起算,不拿便宜 token 冒充便宜交付。

看全成本口径 ↗
接口设计

社区 × 异构执行

身份、项目、运行、成果各有事实来源;社区已有能力复用,不另造重复控制系统。

看代码与职责 ↗
用户表达

先用起来,再改成自己的

少搬文件、少重复解释,让使用、修改、贡献和分享成为清楚的选择。

看产品表达 ↗

对外展示只采用作者方法与允许公开的案例摘要,不公开内部原文、个人资料、业务凭据或原生私有推理。旧引用只作为历史出处,不把需要内部权限的链接当成访客可用入口。

↳主题索引与证据范围

每个问题,都有本页回答。

下面54个主题串起项目定位、作品、机制与验证。“已说明”不是“已实现”;“尚未证明”的部分也保留在这里。点击主题即可跳到对应正文。

第1段 · 定位/生态/目标/框架/竞品27项
  1. 完整版、精简提纲与作品展示现已按四段整合到本页,外部文档只作出处,不再代替本页回答。

  2. 从回答到作品、接入到按需协作、单次生成到持续改作、文章到成果社区、记录经验到实际复用,均逐项解释。

  3. R03 · 愿景已说明

    愿景是强工作台共同为用户完成目标、真实补位与进化;群体超越单家仍是待验证目标,不是已实现成绩。

  4. R06 · 框架已说明

    六层框架说明社区、作品空间、原生负责人、开放能力、运行底座与经验复用,质量方法不由平台写死。

  5. 从体验他人作品、带入自己的材料、加入原项目三条入口讲用户旅程,私人派生与贡献原作分别处理。

  6. 本页直接对照Manus、Codex、Claude Code、Muse,并单列ChatGPT Sites,承认竞品已有强工具和协作能力。

  7. 同一作品与原生负责人是主线,工具按需借用,运行底座保现场与权限,经验经再次采用后才计收益。

  8. 首页先看用户价值、真作品和投入结论,再按四段展开完整依据;读者不用在三个文档间自行拼接逻辑。

  9. 用工作台和工作室解释技术,逐段回答为什么、证据是什么、差距在哪、如何决策,同时保留完整细节。

  10. 只有跨工作台补位与成果连续性确能少管理、提高质量或降低费用才值得加这一层;单家足够就选单家。

  11. 普通创作者、小团队拿到能使用与反复修改的成果;已有工作台的熟练创作者保留习惯并借新能力。

  12. 开放的是可发现和获准调用的工具、资源与现场;是否少重做、交得更好比工具数量更重要。

  13. 允许按任务创建工具或Skill、验证后再复用;不自动热改同伴、不绕权限,跨新任务有净收益才算生态进化。

  14. 不能预设单家不行;先排除工具、上下文与恢复bug,再用完整原生能力的最强单家作同条件对照。

  15. 按官方可证能力比较不同工作台,不编未测试的品牌强弱排行榜;同模型也可能因工具环境差异补位。

  16. R29 · jav待验证

    jav尚不能唯一对应产品,因此不擅自给它指定优势;其余语音名称按已知上下文解释并保留原话。

  17. 插件接入以保留原工作台、项目与习惯为目标,Meyo负责现场连接而不是强迫所有人搬到新平台。

  18. 可迁移获准文件、事实、方法和资源索引;所有内部记忆、原生历史和账号权限无损互通尚未证明。

  19. 小模型加更好工具可能划算,也可能因重试更贵;当前Astra-only不变,低成本模型需受控比较而非口号。

  20. 比较相同合格成果的全部尝试成本、正确性和耗时,不用单次模型价格推断最终质量和经济收益。

  21. 一句话约束用户管理负担,不强求模型一次输出完美;内部多轮允许,但外层救场和所有成本要如实计算。

  22. 原生负责人可把完整工作台当可调用帮手,底座提供权限、现场和回执,不在上层另造固定答题器。

  23. 根本目标与最初目标:一切关系建立在AI与Harness协作基础上,不同harness共享同一目标、工程与贡献记录作为上下文,按需接力、派生、复用。

  24. 目标是同质量可负担地多用,不等于无限免费;并发、推理、存储、第三方工具和支持费用必须完整核算。

  25. 借GitHub的版本和协作,普通人从可体验成果而非读代码开始;自己的派生版本与贡献原作分别支持。

  26. 以Lovable的授权Remix等官方功能作为相似形态,承认分享复制再改不是独有,而不是把市场机会讲成空白。

  27. 方法应有来源、适用条件和失败反例,并由下一真实任务实际采用后评估净收益,不把一份Skill记录当学会。

第2段 · 案例/功能/因果/体验/历史证据21项
  1. 赛车、2048、图解、大象与相邻协作案例按原缺陷、改动、结果、边界回答,保留失败和不同版本。

  2. R05 · 功能已说明

    功能矩阵区分导入、候选、采用恢复、贡献、工具与运行等限定实证,以及通用自治和正式社区未完成项。

  3. 原学城主稿与完整版保存记录和链接保留;本次修改的是综合网页,不能声称学城也已自动同步或媒体已上传。

  4. 给出已有作品和功能的真实验证范围;本地可用、候选已提交、正式部署和完整用户旅程不互相冒充。

  5. 个人主页已有公开展示网址,原作品和下载逐项提供;公司测试站仍需身份,展示发布不代表军团后台全链已通。

  6. 已有原工程续改、真实意见采用和特定失败恢复;正反A/B都列出,未把同模型组合干预包装成普遍优势。

  7. 复用31份核心材料索引与相关A/B部署对话证据,标清读取范围;不声称穷尽所有私有对话或补造缺失原件。

  8. 分别列出局部实证、更多成员必然更好等反例、以及小模型经济性和持续进化等未验证假设。

  9. 复用已有项目、引擎和工具,但许可、资产实际加载、核心功能与真实结果要验证;接入开源不等于品质提升。

  10. 把作品实现、上下文观测、执行恢复、协作组织和固定控制分别分析,不把所有失败都归给模型或Prompt。

  11. 9月25日找回八行星原工程、真实截图与旧终审,纠正此前漏检;顶层收尾、银河星云可见度与世界级仍有缺口。

  12. 按已有Transformer案例说明小猫角色、场景对照和窄屏修复;保留新会话、约44分钟和截图原路径失效边界。

  13. 赛车有实际几何、物理、资产与后续体验改进;原版已有驾驶,不能用截图抹掉旧能力或把圈时当生成速度。

  14. 已找回同kb-final-v2原片与35.2秒修订、另一56.3秒口播;有原物和具体修订,世界级未证,不跨订单拼成功链。

  15. 固定质量工序有源码但不等于所有失败的根因;需当单trace绑定,已批准自治改造仍是未完成WIP。

  16. 拒信没回原作者和错误恢复曾打断任务;修回执与代次后原负责人自行换帮手,仍不掩盖原作者超时。

  17. 用具体原因、实际改动和采用结果连起来,并保留旧链赢、新链输的反例;组合干预不冒充单因素因果。

  18. 公开展示页提供原作品、视频和下载,正式社区全链仍待验证;公开静态作品不等于原任务端到端或世界级完成。

  19. 已有同工程AI修改、候选、采用恢复和源码取回旅程,可让改动继续;任意仓库和全部状态持久化不保证。

  20. 真实截图、行星与游戏原件、图解和视频在作品区直接展示;公开文件逐项核对,原作品品质与新视觉验收不混报。

  21. 通过本地实物、功能分级、反例与顶级差距说明当前水平,不以报告数、测试数或成员数代替用户拿到好作品。

第3段 · 质量/实验/时间/能否做到6项
  1. 差距在完整核心体验、专业质量、可靠速度与可重复结果;需具名参照与独立同题证据,不能靠自评分数。

  2. 局部续改与补位已可行,高品质有路线;所有题所有预算世界级、小模型更省、商业成立均不能保证。

  3. 允许研究、实现、反馈、返工与补位,但不无限循环;每单先交作品,必要时最多一个同题影子对照。

  4. 先用真实需求、世界参照、可用资源和实际错误反馈提升单家,再检验它的边界与协作是否带来增益。

  5. 以原始目标和用户最终用途反推核心体验,从真实使用与最大差距返工,避免为炫技或固定流程偏离结果。

  6. 给20单交付、10对质量、成本、速度、经验复用和留存的建议线,配日期、分母及不过线动作,不伪称已实现。

历史文档与对话核查范围 · 31份核心索引

核心文档此前按全文或有关段落读取,关键案例结合源码、trace、操作与文件核对;本轮复用证据,不伪称逐token读完所有私有对话。无关个人信息、凭据和原始认证日志不进入网页。网页与学城分别更新、分别验收;旧保存回执不能证明新稿已同步。

交付状态分开:个人主页已公开发布展示。完整正文保留并按需展开;公开作品、历史证据与实际业务验收不混淆,学城媒体仍0。本轮不新增业务模型或重跑游戏;原受控浏览器限制不绕过,也不冒充视觉验收通过。

让每一次改进,
都能回到原作品。

从产品问题、机制设计,到AI协作实现与验证:看做过的作品、实际代码和可回访记录,也看失败与取舍。

作品能打开、变化能说明、证据能区分;不把一个演示或一份计划当作全部能力已经实现。

真实作品 / 原始截图

下载这张原图 ↓