Joe-rq

有些急性子 · Joe-rq

AI-native FDE / AI Systems Builder —— 从真实业务现场出发，把 AI 做成可控、可评测、可交付、可持续迭代的系统。

3 年+ 医疗信息化一线交付（HIS / LIS / PACS / 医保），习惯先问：真实问题是什么、系统边界在哪里、如何验收、出问题如何回退——现在把这套交付方法延伸到模型、Agent、Harness 与 Eval。

一条逐渐收敛的 AI Systems Engineering 路径：

基于 MiniCPM5-2B，独立复现 Jev 风格选项决策模型的训练与评测流程。重点不是「复刻 Jev」，而是通过完整受控实验，理解决策模型如何训练、模型能力结论如何被可靠证明。

51.11% → 80.50%（+29.39pp）· 1,892 题封存留出集 · 0% 无效输出 · 训练成本 $5.31

面向大模型呈现差异研究：受控协议、有界追问、来源查证、Evidence Package。重点不是让模型「回答一次」，而是让整个评测过程可以复现、追溯、审计。

30 条真实模型试次 · 284 项离线测试 · 预算硬闸 + CI 四闸

AI Coding 让开发变快，也带来需求漂移、Agent 越界、Review 无据、QA 缺证据。harness-lab 把需求生命周期、范围门禁、Review/QA/Ship 证据链固化为脚本与 Skill——当 AI 成为软件生产主体之一，工程体系必须跟上。

41 个零依赖治理脚本 · 6 个 Agent Skill · 97 条 REQ 自举验证

一家客户医院信息科的真实需求，等不到厂商排期。我独立完成需求沟通、产品设计、开发测试与院内 Docker 部署，并完成知识转移——信息科可以脱离我自主迭代。

19 张表 · 17 个 API · 50+ 项测试 · 2 名真实用户持续使用至今

1. 能确定性解决的，不默认交给 LLM。 EduAssistant 用「规则 → 工具 → 生成」三层路由，把确定性问题从 LLM 路径上剥离：11 个工具、23 项测试、40 case × 4 领域 Benchmark。

2. 没有 Eval，就不要轻易相信 Demo。 ReJev 用封存留出集和统计检验，MedMirror 保留完整 Run Archive 与来源证据——结论必须附带证据链。

3. 最终交付的是系统，不是 Prompt。 Spec、Harness、Eval、部署、知识转移——目标是下一位接手者（人或 Agent）能继续运行、测试和迭代。

决策模型与后训练 · Agent Harness · Eval-driven Development · FDE 与企业 AI 交付

从问题判断到真实采用，对完整交付负责。