把页面上下文读取、评测用例生成、平台结果导入、Judge 判定和历史看板串成浏览器侧边栏里的 Prompt 回归验证流程。

展开细节 收起细节

• 面向内部 Agent 开发中 Prompt 调试记录散落、测试批次与平台结果难追溯、Prompt 改动后难以快速回看效果变化等问题，设计嵌入浏览器侧边栏的轻量评测工具。
• 串联“读取当前页面上下文 - 生成 E1/E2/E3 评测用例 - 导入平台结果 - 触发 Judge 判定 - 沉淀历史看板与证据”的端到端工作流，贴合 Agent 工程师日常开发节奏。
• 覆盖 Agent 上下文、Prompt、input schema 读取，并支持任务型 / 对话型 Agent 模板，让评测用例能跟随不同 Agent 形态快速生成。
• 支持 Excel / CSV / JSON / HTML 表格等结果格式、输出列识别、结果行匹配、平台失败 / 空输出隔离和 Judge 返回解析，降低导入和判定过程里的人工校验成本。
• 在内部 20+ 个 Agent 试用中累计沉淀 100+ 次评测 run，支撑 Prompt 调整前后通过率对比和失败归因；本地 verify 覆盖 349 个 Node 单测、核心 smoke、验收 smoke、扩展包检查、语法检查和 JSON 校验。

BJJ Video Search

我是一名巴西柔术练习者，参加职业竞技曾获23年、24年AJP中国区冠军。这个领域存在大量的长视频、长播客，我每次想回看某个动作都得在一小时的视频里翻半天。因此做了个时间戳级别的视频检索项目，把教程、字幕、术语别名、技术标签和时间戳片段转化为可检索、可引用、可问答的知识库。

展开细节 收起细节

• 搭建“字幕采集、VTT 解析、时间戳 chunk、标签抽取、混合召回、Reranker 精排、RAG 问答、Web / API 展示”的端到端链路。
• 针对长视频难定位、术语别名复杂和语义召回不稳定问题，设计术语归一化、Sparse + Dense 双路召回和 RRF 融合排序。
• 通过时间戳引用和原片段跳转机制，让用户能够回到视频具体片段验证答案来源，降低不可追溯回答带来的信任风险。
• 支持 FTS5 / 向量混合召回和离线全文检索降级，沉淀可迁移至企业培训视频、会议纪要、制度文档和内部知识库检索的方法论。
• 实现幂等入库、内容类型自动分类、手动修正和单元 / 接口烟测，提升系统可维护性。
• 在 11 名训练者小范围内测中，累计查询 1100+，Top-5 可用率 80%+，显著降低长视频和播客中的技术片段查找成本。

查看项目页

发票散落在邮件里，有的是 PDF/XML 附件、有的藏在链接里、有的还得去某平台下载，每次整理都很麻烦。自己编排了个 Agent：规则做核心判断，LLM 抽取信息做处理，最后由我确认。原本只是做个人报销场景，最近全国在推发票抽奖，也派上了用场。

展开细节 收起细节

• 搭建“专用邮箱收票、Gmail API 监听、附件 / 链接解析、OCR、规则引擎、本地归档、定时提醒”的端到端处理流程。
• 按发票形态设计分层解析策略：结构化 XML 优先，PDF 文本层其次，图片或扫描件调用 OCR，仅提供下载链接的邮件通过浏览器自动化获取发票文件。
• 针对抽奖，构建城市规则引擎，按活动城市、票面金额、开票时间、发票类型、购买方名称、销售方信息等维度判断参与条件。
• 将发票自动流转为待上传、疑似可参与、不可参与、待人工处理等状态，把 Agent 的不确定性转成用户可管理的任务队列。
• 采用“AI 辅助 + 确定性规则”的判断机制：LLM 用于异常解析、字段补全和解释，核心资格判断由规则引擎完成。
• 不替用户绕过官方渠道，提醒用户前往支付宝、云闪付、微信等官方渠道手动上传和抽奖，并采用本地归档和最小化字段存储降低隐私暴露。

查看项目页

车险监管动态解析

行业里每天有大量监管、市场和同业动态，人盯不过来、全交给 AI 又怕错，所以做了一套评分体系和来源留痕 + 人工复核的流程，不错过重点影响资讯、每一条都可追溯。先在我自己的环境跑起来，小范围推送内部。

展开细节 收起细节

• 设计“信息源监测、去重清洗、主题分类、AI 摘要、业务影响判断、人工复核、定向推送、知识库沉淀”的端到端链路。
• 沉淀车险政策关注主题和风险标签，覆盖费用监管、定价变化、新能源车险、理赔服务、消费者权益、同业动态和舆情风险等方向。
• 对外部来源进行风险分层，采用公开信息源白名单、发布时间 / 原文链接留痕、摘要化入库、人工复核和高风险来源降级处理。
• 支撑经营助手“问外部动态 / 问知识”场景，让外部动态能够进入总部与机构经营决策流程。

查看样例晨报