2026 · AI APPLICATION ENGINEERING
ISSUE 01
AGENT / EVAL / PRODUCT
三条求职证据线，不是 68 个仓库的功能清单： 一条讲平台工程，一条讲评测与审计，一条讲真实用户产品。 每个入口都能看到输入、输出、失败路径，以及它不证明什么。
90 秒阅读路径
SELECTED WORK / 三条证据线
01
AGENT / PLATFORM
Agent 平台工程
一条客服工单穿过网关、订单库、工具沙箱、记忆压缩、LLM 和可观测层。 这个项目专门回答：为什么单模块全绿，端到端仍会坏？
OPEN DEMO ↗
EV-01 Demo 契约测试 16/16；M1–M9 共 11 个模块证据卡；本地浏览器验收通过。
边界 LLM 回答由脚本上游生成；工单手写；延迟只是观测值，不是 SLO。
90 秒：T04 的空回答 → T05 的工具拒绝 → 点重跑，看构建元数据变化 → 读页面底部 refutes。
02
LLM / EVALUATION
LLM 评测工程
计划任务、调用模型、验证输出、写入哈希链审计日志。 无 API Key 的离线模式先证明编排与审计可以重放， 不用一个漂亮分数冒充模型质量。
OPEN REPORT ↗
EV-02 产品包 391 passed / 2 skipped；根自演化套件 106 passed；Ruff、Mypy 通过。
边界 offline-demo-v1 是测试夹具，不是 LLM；它证明管线，不证明模型质量或榜单能力。
90 秒：llm-lab demo → 5 个 PASS → 5 行审计链 → 读“不证明模型质量”的边界。
03
PRODUCT / USER
真实用户产品
给考研长线备考者用的移动端督学 PWA：打开就有今日建议， 能勾任务、开番茄钟、看进度，也保留树洞与双人陪伴。 这不是“又一个功能很多的 App”，而是一个等待陌生人检验的首次使用路径。
TRY DEMO ↗
USER-00 真实用户 0；首任务完成 0/0；48 小时回访 0/0。招募尚未开始。
边界 本地验收使用合成数据；云端同步、真实 iOS/Android 稳定性、留存与消费级通过均未验证。
90 秒：打开今日建议 → 勾掉 408 任务 → 看专注与 30 天热力图 → 明确“0 个真实用户”。
TECHNICAL SUPPLEMENT
BM25 ⊕ 向量混合检索、强制引用、证据不足拒答，16 题正负样本。 离线复测 structure 策略 recall@5 为 10/12， fixed 为 9/12；负样本拒答两组均为 4/4。
EVIDENCE LEDGER / 证据账本
本次本地核验时间：2026-10-27。公开站的状态与本地新改动分开表述。
每条结论都对应本地命令、退出码与落盘产物；不是凭记忆复述。
JSON、SQLite、哈希链、截图或浏览器状态至少保留一种可检查证据。
合成数据、小样本、离线 Provider 和 0 个真实用户都主动写在结果旁边。
HONEST BOUNDARIES / 说清楚
消费级状态
study-buddy 目前只有本地合成 Demo 验收。10 人内测的招募、首任务、48 小时回访都是 0/0。
评测状态
llm-lab 的离线 Provider 是固定响应夹具。真实模型比较需要另配 Provider、预算与新的评测计划。
平台状态
agent-platform 的失败注入、订单库、工具白名单与 SQLite 回读是真实代码；LLM 内容和工单不是生产数据。
岗位表述
研究仓库作为背景证据，不用论文数量替代可运行系统、评测纪律和产品判断。
INTERVIEW NOTES / 可能被追问
面试官不是在数仓库，而是在判断能否把问题、工程、证据和边界讲闭环。68 个半成品会把主线稀释；其余仓库改为研究背景和技术广度。
agent-platform 代表系统拆解与失败分类；llm-lab 代表评测、审计和可复现；study-buddy 代表用户路径与产品克制。三条线对应岗位里的三种日常。
因为产品判断和用户验证是 AI 应用工程师的重要能力，同时必须把 0 写出来。这个项目现在证明的是首次路径、构建质量、隐私选项和验证计划，不是留存。
优先完成 study-buddy 的真实 10 人内测并修前三项摩擦；其次为 llm-lab 接一个成本受控的真实模型对照。两项都需要新的外部授权，不在本地静态证据里冒充完成。
END NOTE