联系我 ↗
← 返回首页
// RESEARCH / 06 / AI INFRA

AI Infra

模型与 Agent 运行的地基:执行沙箱、控制面与执行面、训练与推理的调度、数据管线和评测平台。

实践过
当前状态
XI
造物之书里的实验
// CURRENT THESIS
模型能力最终都落在基础设施上。执行离数据和环境越近,Agent 越快、越稳,也越容易被观察。

在 Eazo 参与 V4 到 V5 升级:把 Agent 执行从后端 Worker 迁到 E2B 沙箱,拆分控制面与执行面,前端经 WebSocket 直连沙箱;也参与 Skills 驱动的多 Agent 体系。

// OPEN QUESTIONS

我正在追的问题

  1. 01

    让前端直连沙箱执行,多轮任务能省下多少等待?

  2. 02

    控制面与执行面拆开后,失败恢复和权限边界怎样设计?

  3. 03

    一个小团队的评测平台,最少需要哪些组件才能支撑每天的回归?

  4. 04

    训练数据管线里,哪一步最容易悄悄引入质量问题?

// EXPERIMENTS

造物之书里的实验

每个实验都从一个可以被证伪的问题开始
// EVIDENCE LEDGER

已经公开的关联证据

链接能证明已有工作,不代表整个研究问题已经解决
// LIMITS

现在还不能证明什么