我是谁
这些年，我在电商、IoT 和工业系统中写软件，也持续观察不同领域之间的共同结构：目标如何被表达，系统如何被约束，结果如何被验证，失败如何反馈到下一轮行动。
现在，我把这条经验带到 AI Agents / Infrastructure：不只讨论模型能生成什么，也关注 Agent 如何被调度、被授权、被评测，并最终在真实环境中完成任务。
我正在研究的四个问题
任务如何收敛到可核验的完成？
关注 Control Plane、Runtime、Tool Gateway、Policy 与 Approval。完成靠证据，不是过程绿灯。
单次回答如何变成闭环？
用 Goal → Action → Observation → Gap → Adjustment 描述反馈如何进入下一步。有环，不等于环稳定。
概率性如何被研究？
用假设、对照、评测和真实结果，替代对单次 Prompt 经验的依赖。
扰动下，错误会不会被闭环写成完成？
关注补偿、熔断、幂等、不可逆动作，以及多 Agent 互相污染。
我如何工作
我习惯用类比建立模型，用实验检验假设，再把结论放回工程实践中观察。一个想法不是结论，而是一个需要面对反例、成本和真实结果的假设。
我的工作路径
提出问题 → 建立假设 → 寻找跨领域对应关系 → 落到工程实践 → 观察结果 → 修正理解。
这条方法已经沉淀在本站的内容中：可以从大模型实验方法开始，再阅读Kubernetes × Agent 的控制面类比，最后查看复杂系统视角。