你好，我是 ydflow，一名 2028 届本科生，目前正在寻找 AI Agent 开发相关实习。
我关注 Agent Memory、评测与自进化 Agent：记忆如何可靠写入、召回和更新，失败如何通过 Trace / Eval 复现，反馈如何证明下一轮行动确实更好。我在个人项目和已合并的上游 PR 中实践记忆召回、离线评测与执行可靠性，也持续跟进 RSI 的研究进展。
我也探索 AI 数字人的交互与记忆表达，并将金融研究兴趣落实在本地 AI 投资研究工作台「研迹」。欢迎通过 邮箱 交流。
- 执行边界 · AgentScope #2883 / TeamAI #951 — 收紧 Bash 只读判定，阻止可写 Git 命令绕过权限流程；让
update --dry-run只检查版本，不安装或写入检查状态。 - 并发持久化 · TeamAI #841 / #855 / #961 — 为事件日志、状态与索引、跨进程会话日志补上锁协调和原子替换，处理竞争覆盖与截断读取。
- 知识召回 · TeamAI #891 / #902 / OpenViking #5312 — 统一多来源召回的排序尺度、隔离知识域 IDF 统计，并接通 DSH 插件的召回子树排除配置。
- Agent 运行时 · AgentScope #2860 / Shep #883 — 验证重试时保留多模态目标块；MCP 服务关闭时等待退出、超时升级终止，并处理 Windows 进程树。
- MCP 工具可靠性 · AgentScope #3389 / Open Code Review #1770 — 保留仅含结构化内容的工具结果，并完整读取分页的工具清单，避免 Agent 收到空结果或漏掉可用工具。
- 沙箱 API 分页 · CubeSandbox #1830 — 为沙箱列表补上游标分页，并同步 Python、Node、Go SDK 与 Web 前端，避免客户端只读到第一页。
- Trail · 研迹（正式版） — 已发布 Windows Beta 安装版与便携版的本地优先 AI 投资研究工作台；整合行情与 K 线、Agent 深度研究、证据溯源和投资逻辑复核，并以持久会话、断点恢复和离线评测检验研究流程。
- Pi Native CRM · Agent 原生 CRM — 团队内部研发的 CRM 工作台；作为核心开发者之一，负责 Agent 受控执行链路，包括 CRM 工具授权、Pi/Harness 运行、持久 Worker 恢复及证据与 Eval 核验，使业务读写有边界、可追溯。
- 研迹 · ResearchTrail（先行版） — 已发布 Windows v1.0.0 的本地 AI 投资研究工作台；使用py agent架构并且接入离线pi-agent-core架构比较两者的区别 供自己学习与深层次理解，接入热力图等测试功能，为研迹正式版开发做测试。
- 故障智巡 · Incident Response Agent — 线上服务故障调查与模拟处置平台；在本地受控演示中只读取证、引用证据诊断，通过审批门控与事件回放记录决策；尚未接入生产处置。
- 剪映自动化 Skill · Reliable Edition — 在 上游项目 基础上的可靠性增强：草稿备份、只读诊断、版本预检、媒体保真与真实 MP4 转码。
- AI Digital Human — 支持自定义角色的逐轮语音数字人原型；串联云端语音与对话服务、本地口型和表情视频生成。
- 日序 · 每天都有安排 — 开发中的本地优先微信原生 TypeScript 日程小程序；支持事项、日历与专注，可选 CloudBase 同步。
