Solo AI Company OS
一个用 Markdown 协调 AI 员工的操作系统,包含创始人决策、持久 worklog、handoff、仪表盘和可复用技能。这是当前公开锚点项目。
我在围绕一个问题搭建个人实验室:AI 时代,一个人如何把阅读、学习、审计、写作和 Agent 协作组织成稳定产能,而不是一次次聊天窗口里的短期兴奋?我反复测试的答案是长期记忆、证据回执、可复查决策,以及持续迭代的学习循环。
工作材料
从学习到审计,再到 Agent 协作
它们不是零散项目,而是同一条路线:让一个人借助 AI 保存思考、组织行动、验证结果,并在失败之后继续迭代。公开项目给出仓库或网页,私有系统只展示能力边界。
一个用 Markdown 协调 AI 员工的操作系统,包含创始人决策、持久 worklog、handoff、仪表盘和可复用技能。这是当前公开锚点项目。
一个面向 AI Agent 工作回执的状态感知协作协议,并提供 AgentOps Doctor 参考工具,用来检查完成声明、缺失证据、责任归属和人工决策边界。
一个面向 OTA 价格透明度的受控审计系统,覆盖重复采样、截图锚点、证据 manifest、哈希引用和明确的 claim boundary。公开包只放脱敏样例和方法论摘要,不暴露原始证据或执行细节。
不是把 AI 当聊天工具,而是把它组织成可以长期运行、可以复查、可以交接的工作系统。
AI 不应该急着喂答案,而应该帮助人定义问题、拆解问题,并判断这个问题是否值得解决。
把分散的模型对话转化成决策、worklog、handoff 和可复查的系统记忆。
让系统里的判断绑定到来源材料、截图、manifest 或结构化轨迹,而不是停留在口头结论。
Agent 不应该只说完成了,而应该留下做了什么、没做什么、证据在哪里、哪些地方需要人来决策。