我们构建驱动全球贸易的 AI 系统。

一个平台是如何建成的

从研究到生产。

1. 01/研究已评估

   先于代码的问题。

   模型质量无法在语言之间迁移。每项任务都按语言单独评估，对照各自的基线。

   • 按语言分别评估
   • 文字系统含从右向左
   • 基线人工且留出
2. 02/设计有边界

   边界画在哪里。

   智能体拥有明确的工具、被允许的动作和显式的失败路径。检查点，就是系统被允许停下的地方。

   • 工具按智能体定义
   • 动作仅限被允许的
   • 失败有明确路径
3. 03/工程已类型化

   类型化、评审过、已上线。

   每个平台都由我们自己编写。没有模板，没有页面搭建器，没有外包交接。

   evaluate.ts

   // evaluate.ts
   export async function run(task: Task) {
     const base = await baseline(task.lang);
     const out = await model.run(task);
    
     return out.score > base.score
       ? ship(out)
       : reject(out, "below baseline");
   }

   • 自研没有外包交接
   • 第一次提交就是生产代码
   • 评估对照第一步的标准
4. 04/基础设施已隔离

   在哪里运行，如何撑住。

   多租户隔离、边缘分发、类型化 API，以及先于客户告知我们的监控。

   • 隔离在数据库层面强制
   • 分发在边缘渲染
   • 监控早于客户察觉
5. 05/AI 层有依据

   有据、有界、有度量。

   从实时来源检索，并附上引用。允许它说不知道。达不到基线的，一律不上线。

   • 检索来自实时来源
   • 引用附在答案上
   • 基线超过才上线
6. 06/上线运行中

   由建造它的团队运营。

   Hublinkly 与 Clavix360 已在生产环境运行。Ara 正在开发中。设计它们的人，就是运行它们的人。

   • 同一支团队从研究到运维
   • 上线之后监控与评估
   • 变更来自真实使用