邹浥晨Yichen Zou

面向护肤品经销商与小型销售团队，从小红书公开评论中识别购买需求，结合商品事实筛选可跟进线索，交由销售认领、联系并反馈。 本人负责技术实现，建设 Python Agent Harness、Go 控制后端和 React 工作台；合作方负责账号、PRD、业务验证及部分 Skill 内容。

1. 评论导入
2. 需求与匹配
3. Go 业务检查
4. 线索交接
5. 真人认领与反馈

• Agent Harness 与上下文：将机会登记与资格判断拆为独立任务，后者结合需求与商品匹配进行判断；从后端读取当前评论、上级语境与有效商品事实，按固定 Skill 版本组装只读上下文。限制实际绑定的工具集合，并校验证据归属，避免把上级评论或商品资料误当作当前用户的需求证据。
• 输出约束与失败控制：结合 Pydantic / JSON Schema、引用与事实版本检查验证模型候选；用 LangGraph 执行“生成—校验—反馈修复”，最多修复两次，仍不合格则停止提交。按实际尝试预留与结算模型预算，记录版本、耗时、费用和拒绝原因。
• 持久编排与提交恢复：以事务 Outbox 连接 Go 业务状态和 Temporal 工作流；候选提交后记录心跳检查点，重试时查询幂等响应或派生判断 ID，复用已落库结果。新增流程分支保留旧历史的缺省行为，避免部署升级改变工作流重放路径。
• 销售协作与状态一致性：实现合格线索直接交接、事务内原子认领与追加式反馈；将“明确拒绝”反馈联动到营销限制和机会关闭。默认关闭 AI 起草时，同步约束候选生成、旧草稿批准及执行前检查，并调整交接额度的统计口径。
• 后端可靠性与试用部署：以 savepoint 处理回复判断成功但机会挂接被业务规则拒绝的情况，用共享 / 独占锁处理节点隔离与在途领取竞争；建设独立评论导入服务、Compose 单机试用及运行记录查询，支持从评论来源追踪到模型判断和销售反馈。
• 评测驱动迭代：从真实评论中定位“分享使用体验被误判为需求”“同问缺少上级语境”等问题，迭代上下文和 Skill；分别验证模型候选质量、后端状态流转与人工工作台流程。

源于个人虚拟歌手创作需求：将原曲和歌词转为可继续调教的 SynthV 工程，再用人工修订工程与混音制作歌词视频。 基于 DeepSeek Harness（DSH）开发领域插件与 Python Worker，独立完成需求、架构、开发、调试和评估；重点解决长任务调用、人工修改保护和创作反馈复用。

1. 歌曲上下文
2. 领域工具
3. 后台计算
4. 版本交付
5. 人工修改与回归

• 领域工具与上下文：开发 Project、Artifact、Memory、Cover、Video 五个插件，注册 14 个工具与两份 Skill；按会话工作区识别歌曲，动态注入项目状态、最近版本和生效偏好。插件从用户消息直接提取歌词，并校验素材、路径和参数，减少模型转抄与自由拼命令造成的错误。
• 长任务执行与资源交接：复用 DSH Jobs，将分离、扒谱、歌词对齐、节拍与工程生成封装为 Python 后台流水线；以 JSONL 回传进度，结合退出码和总结判定完成，失败保留产物供续跑。翻唱等待回合结束后卸载本地模型，并用运行时守卫解决 Agent 与 Worker 互相等待。
• 版本交付与手改保护：采用递增版本目录，交付时登记文件大小与 SHA-256，拦截 DSH write / edit 对已交付版本的覆盖；通过文件监听、指纹比较与快照保存人工修改，启动时补查停机期间变化，使后续生成与创作者调教分别留档。
• 可确认的偏好记忆：区分单次反馈与长期偏好，保存原话、来源、确认先后和状态变更；支持单曲 / 全局范围、单曲优先及停用撤销。本次显式参数可以覆盖历史偏好，挑八度等已接入动作会记录实际采用的偏好，便于解释输出差异。
• 创作评估与规则迭代：固定上游扒谱输入，对照手改工程逐音分析歌词、音高、起点和时长差异；以时间锚点与拼音差联合约束歌词落位，针对旧速度模板复用增加一致性检查。修复后检查目标歌曲及其他歌曲的误改，对不稳定规则收窄条件或放弃。
• 媒体交付验证：将修订工程转为逐字字幕，估计混音与工程的整体时间偏移，生成视频和剪映草稿；结合工程读回、抽帧、人物遮挡与缺陷注入检查，验证产物和检查器，保留试听、混音与发布的人工交接。