把前沿想法变成
生产级运行系统 // 以天为交付单位 · 真实代码实测溯源

团队在工作群里沟通项目，希望直接在群里 @ 一个「AI 同事」派活——不登录任何系统，结果也在群里看。

聊天里的指令写法五花八门：@ 了好几个人、引用一条消息再回复、截图配一句话、@ 完忘了打空格。认不出来的指令如果被悄悄丢掉，用户看到的就是「AI 不干活」，而系统里连一行记录都没有，和宕机一模一样。

群消息实时进入系统，由唯一一份判据识别指令，每次调整判据都跑全量回归用例；像是在叫它却没认出来的，也会回一句「看到你 @ 我了，但没认出是不是在派活」，并附上正确写法。
任务按项目排队：还没开跑的同项目指令合并进同一轮，已经开跑的另排一轮——指令一条不丢，也不会重复开工。智能体在该项目自己的工作区里执行，接续上一轮的结果与群聊记录，也可以按设定定时自动开工。
每一轮都主动推回「开工 / 完工 / 卡住 / 需要你定」：第一行就是答案或这一轮改了什么，产出文件给手机上能直接点开的链接，不写「详见某某文件」。

已在多个项目里常态化使用，累计数百轮真实任务（群里派活与定时自动开工）。从群里发出指令到智能体开工通常在分钟级，单轮任务多在十分钟量级完成。

团队与客户每天有密集的远程沟通、技术评审与方案对齐，会后靠人工整理纪要耗时且极易漏掉关键决策、未决事项和具体责任人。

在线会议系统、手机录音与本地音频割裂；通用语音识别逐字稿动辄上万字，口语碎句多、缺乏排版，阅读负担极大，无法直接作为行动依据。

搭建全自动音频处理中枢，通过 API 自动拉取云端会议录制与多端音频切片；端到端执行流式语音识别与说话人分离；
基于自研的六板块纪要方法论进行结构化提炼：背景核心、确定决议、待办事项与责任人、争议要点、时间节点、未决问题；
纪要生成后全自动推送到对应项目的工作群，并归档至项目管理系统。

全程零人工搬运，会议录制完成后自动执行分片转写与结构化提炼，输出清晰的六板块纪要并锁定具体待办责任人。

跨区域商务洽谈、港澳与海外交流中，交谈常常夹杂方言口语（如粤语俚语）、专业外语词汇与普通话，沟通摩擦严重。

方言口语倒装多、同音异字多，传统翻译软件机械直译产生严重语义偏离；且会议交谈需要毫秒级低延迟，不能等整句话说完停顿数秒才出结果。

自研端到端语音转写与意图理解引擎，注入金融、法律与组学垂直领域术语字典；
采用流式切片与分段语义修正技术，首字响应延迟压缩至约 1.5 秒；
专有名词、产品代码和计量单位严格强制锚定，不做无意义直译，精准还原说话人真实意图。

在涉外商务沟通与多方交流中平稳运行，通过垂直术语强制锚定与流式分段修正，有效降低方言口语与专业词汇混杂带来的沟通摩擦。

客户希望直接在交付页面上提需求——改一段文字、补一张表、问一个问题——不用等人排期。

智能体最危险的错误是「看起来成功」：超时的半成品被当成完成；一个字没改却回复「已更新」；只写了一句「稍后提供」就算交付；改动绕开隔离环境，直接落到线上。任何一种发生，页面都在对客户说假话。

每条需求在独立的工作副本里执行，测试、构建、健康检查三道门全部通过才合并上线，任何一道不过就自动回滚。
系统逐条核对智能体的「说法」与「实际改动」：声称改了却零改动、写了尚未兑现的承诺、改动落在隔离区之外，一律拦下转人工，绝不显示「已完成」；转人工后超过 24 小时无人处理，系统主动提醒。
每种结果（已上线 / 已答复无需改动 / 已转人工 / 失败）都给客户一段看得懂的说明，原始报错只在内部可见。

已沉淀为通用模块，接入在跑的客户交付项目，累计处理数十条客户的真实需求，绝大多数通过三道门后自动上线，其余按规则答复或转人工。

智能体在自动写代码、修改系统或交付数据时，大模型天然存在"乐观汇报"偏见——明明底层报错却声称"已修改成功"，或使用写死的假数据糊弄闭环。

让同一个智能体自我复核无法克服确认偏差；仅靠静态语法检查（如代码能否编译）无法发现逻辑悬空、按钮未绑定或运行时抛错。

设立独立的「AI 裁判」体系：执行者负责编写功能，裁判者拥有完全独立的上下文，负责严格对抗审查；
裁判者强制执行三层硬性检验：静态契约断言（禁止未定义函数、禁止写死数据）、运行时环境真实拉起（模拟 DOM 点击、E2E 测试确认无未捕获异常）、动态业务数据消费验证；
只有裁判者出具零缺陷通过证明，任务才允许标记完成；否则立刻打回并记录失效日志。

作为全部交付项目的刚性质量底座，成功拦截了数十次隐蔽代码缺陷与虚假完成，让全自动工程交付具备了工业级的可信赖度。

产品一旦对外开放，用户输入的文字、上传的图片都会原样进入智能体的上下文，而智能体能读写文件——图片上印一句「忽略上面的要求」，同样是一条指令。

在提示词里写「不许读取其他目录」拦不住，那是请求而不是约束。模型当场识别并拒绝了一次注入，也不代表换个说法不会照做。高权限加高自主，正是 Claw 类软件最受关注的安全风险。

两道各自独立成立的墙。
操作系统级沙箱：每个任务重建一套文件系统，只放入程序本体、每轮全新的主目录和本任务的目录——服务器上其他项目的目录在沙箱里根本不存在；环境变量清空、特权全部丢弃；主目录用完即删，上一位用户留下的东西带不到下一位用户。
工具面收窄：去掉命令行与联网工具；确实需要计算时只开放白名单里的「动作」——智能体提交结构化请求，由沙箱外的受信程序校验后代为执行，请求内容永远不进入命令行。
对外输出前再抹一遍敏感信息。沙箱起不来就拒绝执行，绝不降级为无隔离运行。

边界靠实测，而不靠模型的态度：用同一套沙箱参数启动命令行，逐个探测敏感路径，全部「不存在」才算通过，并固化为自动化测试；服务启动时先真实拉起一次沙箱自检，失败立即告警。

面向个人用户的 AI 空间：每人一个独立账号，可以拍照答疑，也可以开一个「项目空间」，让 AI 帮忙把东西做出来。

答疑空间分两步：先只转写题目，再给讲解——一步做完，模型容易把自己脑补的条件写进原题。输出包括讲解、答案、验算和知识点。
项目空间给智能体一个跨轮保留的独立工作区，做出的文件用户直接下载，例如一句话生成一个带插图、可离线打开的介绍网页。
账号隔离、登录限流、额度与订阅均已实现；在尚未接入支付的阶段，用「收款码 + 人工核对」与「兑换码」两种方式先真实收款，接入正式支付时只替换其中一个环节。智能体全程在沙箱内运行。

第一版一天内完成并上线。与钱相关的每一道校验——重复确认、续期起算日、兑换码复用、订单归属——都做过「故意改坏必须报错」的反向验证。

用户在手机上录音或导入录音，上传后自动转写并生成结构化纪要，再回到手机上查看纪要与待办。

各品牌手机的录音存放位置各不相同，通话录音常常不进系统媒体库；后台进程会被系统冻结，上传到一半停住而服务器毫不知情；传的是会议录音，判断失误就是隐私问题。

识别录音走「系统媒体库 + 扫描兜底」两条路，判定逻辑写成纯函数并配单元测试，测出过某品牌的命名差异导致漏识别。上传使用前台服务；服务端先写临时文件再原子改名，传到一半的文件绝不会进入转写。
早期版本的自动上传出现过判断失误。我们没有去修这个开关，而是把自动上传整个删除：唯一的上传入口是用户勾选并确认；同时服务端按 App 版本号拒绝旧版本，已经装了旧版的手机也传不上来。
纪要页先读本地缓存、再与服务器核对；跨会议的待办直接解析汇总，不再额外调用模型。客户版另外做了 App 内录音（边录边写，进程被系统杀掉也只丢最后半帧）、桌面小组件与快捷开关一键开录，以及免登录账号的每日额度与注册限流。

两款 App 均已出签名安装包并在线分发，第一款已在安卓 16 真机上验证。接口侧用隔离实例覆盖了路径穿越、上传中途断网、吊销后立即失效等情形。

用户主要用手机语音输入，说出来的是中英夹杂、带口头禅和改口、英文被识别成中文谐音的碎句，希望马上得到一句地道的英文。

边生成边显示。这类「读懂一句、写出一句」的任务不需要长链推理，关闭后首字从 7.5 秒降到 2.0 秒。
「只能输出英文」做成独立的程序闸门，而不是写在提示词里：正文不合格就重新生成，讲解中不合格的条目直接摘掉；流式输出同样经过闸门，不会有一个中文字在屏幕上闪过。用户说「请用中文回答我」，会被当作待改写的内容，而不是指令。

公网实测整句约 4 秒返回；谐音、拼音夹英文、说到一半改口等语音识别错误都能还原。