AI 算法
面向真实业务的 Agent 自进化:ProductFlow 的架构与验证方法
以 ProductFlow 为例,讨论 Agent 如何从真实任务的失败中提出改进,再用独立评测验证效果。区分已有实现与后续设想,梳理经验积累、成本和发布边界。
记录 AI 应用、全栈开发和独立项目的实践。从一次故障、一处产品摩擦出发,写清问题如何发生,方案为何这样取舍。
AI 算法
以 ProductFlow 为例,讨论 Agent 如何从真实任务的失败中提出改进,再用独立评测验证效果。区分已有实现与后续设想,梳理经验积累、成本和发布边界。
总结
19 岁全在写代码:折腾服务器、数模通宵。在 AI 堆出的一地鸡毛与古法手搓的清醒之间,找回了对技术的掌控
项目
三张空气炸锅卖点图,把 ProductFlow 最近的变化串了起来:表达更聚焦,保真却没有一起回升。结合两款商品的完整实图对照,记录我们为什么调整生成、合成与排版,哪些改动有用,哪些最后撤了回来。
项目
一张经过人工审阅的商品图,如何在裁切、压缩和批量导出后保留原来的价值:交付规格、采用快照,以及 Go 图像编码迁移中的真实取舍。
项目
从自动保存覆盖新输入的问题出发,讨论编辑基线、AI 候选、依赖摘要和运行快照,追踪一份可编辑方案怎样成为明确的执行输入。
项目
从事务提交到供应商调用,追踪一次生图超时留下的中断窗口,解释 Outbox、执行租约与重试决定为什么必须各自有据。
项目
恢复旧任务为什么会挤占新任务的执行机会?从异步等待、批次处理与资源竞争入手,分析恢复链路影响正常吞吐的原因。
项目
从自研 Harness 迁向 Pi 的实践出发,讨论商品图片产品应该保留哪些业务能力,以及运行时维护成本和架构边界如何取舍。
项目
从商家的制作、改稿与复用需求出发,讨论 ProductFlow 如何用节点与画布组织商品资料、方案和图片,让整套素材的生成过程更容易理解与修改。
我是巫巧斌(cot),一名专注 AI 应用与全栈开发的工程师。最近在构建 ProductFlow,探索怎样把模型生成的商品图片变成商家能审阅、修改和交付的素材。
这里记录项目中的架构取舍、故障复盘与开发笔记,也保留算法练习和生活回顾。文章尽量说明依据、适用条件,以及仍待验证的部分。
写下做过的事,也写下没想明白的问题。