Wiki
知识图谱，公开笔记入口。
AI Agent、工作流 CLI、IntentDNA 路线复盘、前端系统和职业判断，会在这里沉淀成可浏览、可引用、持续更新的公开知识网络。
harness / workflow / memory / context / validation / subagent
route evolution / workflow CLI / evaluation / historical thesis
Codex workflow / browser QA / commit protocol / verification loop
information architecture / visual QA / responsive systems
harness / workflow / memory / context / validation / subagent
route evolution / workflow CLI / evaluation / historical thesis
Codex workflow / browser QA / commit protocol / verification loop
information architecture / visual QA / responsive systems
AI-native engineer / company brain / working notes / role context
AI Agent、工作流 CLI、IntentDNA 路线复盘、前端系统和职业判断。
先保留关键标题和摘要，后续逐篇补充架构图、插图、案例和复盘。
让判断、路线图和系统设计可以被持续浏览、引用和复核。
为什么我认为 skill -> workflow -> agent 才是生产力路线
生产力不是从更松散的 agent 开始，而是从可复用 skill、可验证 workflow 和可治理 agent 逐层上升。
ai-agent / ai-native-delivery
IntentDNA: harness 的治理语言和编译层
[历史路线] IntentDNA 曾被定义为把意图、约束、组织知识和运行记录编译进 agent harness 的治理层；该定位现已进入路线档案。
intentdna / ai-agent
为什么松散 agent 不好用：workflow-first agent 的设计原则
松散 agent 缺少边界、回放和验收。workflow-first agent 先定义工作系统，再让 agent 执行。
ai-agent / workflow
Agent Harness 拆解：从工具调用到组织级治理
Agent harness 不只是 tool calling，而是 context、memory、policy、adapter、validation、handoff 和记录层的组合。
ai-agent / intentdna
公司大脑不是聊天机器人，而是组织工作流的可验证执行层
Company Brain 的关键不是一个入口，而是能把组织知识、角色边界、任务执行和运行记录连起来。
systems-notes / intentdna
我的 AI-native 工作流：从模糊想法到可运行系统
记录我如何用 Codex、浏览器 QA、类型检查、构建验证和提交协议，把模糊想法推进成系统。
ai-native-delivery / frontend-systems
从平台实验到任务闭环：IntentDNA 四个月后的路线转向
IntentDNA 的平台优先路线完成了一次阶段性实验。它验证了工作流结构化、编译、治理与证据闭环的有效性，也让我决定调整建设顺序：先从真实任务和专用 CLI 积累资产，再从重复问题中提炼通用底座。
intentdna / ai-agent