可靠的数据基础
继续打磨数据建模、数据质量与可观测性，让 AI 实验建立在可信的数据之上。
Jinkun Wang
数据工程AI 评测Agent 系统
数据工程师，正在学习 AI 评测与 Agent 系统。
记录从数据工程出发，学习 AI 评测、Agent 工程与可靠系统构建的过程。
智能座舱 Agent 记忆怎么评：七类 Benchmark 与演进路线
七类公开 Benchmark 各自只覆盖一部分问题。本文把它们整理成问答与检索基线、过程诊断、长期轨迹三个阶段，并说明真实座舱数据怎样进入评测。近期文章
浏览全部文章 →约 25 分钟MemoryData：把记忆方法放进统一评测流水线MemoryData 用统一的配置、运行入口与结果产物组织多种记忆方法和基准。本文重点分析它能统一什么、不能统一什么，以及怎样避免把默认配置误读成公平排名。约 28 分钟VehicleMemBench：用可执行车机任务评测长期记忆VehicleMemBench 不以问答得分为终点，而是检查 Agent 能否从多人长期历史中找回偏好、调用正确车机工具，并把虚拟车辆调整到目标状态。约 14 分钟dev_co 入门：怎样处理 AI 协作里的改向、接手和验证dev_co 来自我和 Coding Agent 协作中的反复问题：需求改向没有撤销旧决定、换 Agent 难接手、测试结论缺少版本边界。本文说明这些约定怎样落进技能。
项目与实验
查看全部项目 →最近在学习
可复现的评测
学习把主观体验变成可重复的测试、数据集和反馈循环。
可控的 Agent
通过小项目理解上下文、工具、记忆、权限与失败恢复之间的关系。