ENGINEERING LAB
Negency 工程实验室
在客户案例不足的阶段,可复核的工程记录就是信任资产。Engineering Lab 按三层证据等级公开 Negency 的技术样板:已验证工程资产、可验证的参考原型、技术方案与研究。
讨论我的 AI 项目
工程实验室是 Negency 工程验证的公开记录,写给技术决策者与同行:每个样板按同一套证据标准写清——它是什么、验证到哪一步、还缺什么、结论基于哪一次代码审计。三层证据体系:已验证工程资产、可验证的参考原型、技术方案。
Forge 证明的是控制面工程能力——流程编排、证据治理、人工审批门控,不自动证明所有场景;企业知识 Agent 与工业视觉仍处设计阶段,验证状态见各自样板。
证据标准:实验室按三层证据等级组织。
- 已验证工程资产是真实系统,有内部运行记录。
- 可验证的参考原型须同时有真实运行环境与回归测试才列入——这一层目前是空的。
- 技术方案指设计方案,尚未验证。
每层是什么、验证到哪一步、还缺什么,全部写清楚,供技术同行检查、复现、指出问题。
每个样板统一按八项呈现——目的、系统架构、技术方案、测试环境、已验证结果、未验证范围、已知限制、后续实施方式。没有客户案例就不编客户案例;没有验证结果就不写数字。
TIER 01
已验证工程资产
真实系统,内部运行中,记录可复核。
SAMPLE 01
Negency Forge
内部已验证原型
- 请求受理
- Hermes 编排
- 分阶段执行 T1–T3
- 冻结主稿
- 人工批准 T4
- 受控分发 T5
- 审计基线master 353c0f72 ·
- 门禁检查单次运行 34 项
- 评分1200 分 · 机械诊断分
- 运行记录27/34 · 1085/1200 ·
以上数字绑定 353c0f72 基线;主干已合并 P4 与 IMG-1,待下轮代码审计复核。
FIG. FORGE DAG — 14 个节点
- 01研究
- 02证据归一化
- 03声明账本
- 04矛盾检查
- 05大纲角逐
- 06写作
- 07事实评审
- 08编辑评审
- 09视觉规划
- 10图表工具
- 11视觉评审
- 12渲染质检
- 13人工批准
- 14发布归档
目的
Negency 自研内容生产系统:研究、写作、视觉、审核、发布做成可编排、可审计、可复核的流水线。核心判断:内容质量是系统问题,不是写手问题——没有门禁与证据,再好的写手也会把错误发出去。
系统架构
生产路径:请求受理(幂等回执)→ Hermes 编排(租约 + fencing)→ 分阶段执行 T1–T3 → 冻结主稿 → 人工哈希批准 T4 → 受控分发与学习反馈 T5。执行核是 14 节点确定性 DAG(研究 → 证据归一化 → 声明账本 → 矛盾检查 → 大纲角逐 → 写作 → 事实评审 → 编辑评审 → 视觉规划 → 图表工具 → 视觉评审 → 渲染质检 → 人工批准 → 发布归档),阶段检查点以 dataclass 序列化、哈希校验,可由另一进程恢复续跑。任务状态是 14 状态显式状态机:非法转移抛错,每次转移留带时间戳与序号的历史记录。
技术方案
Python 3.10+ 为主,TypeScript Hub 兼容主链;SQLite + Google Sheets + Google Drive 分层存储。
- 证据治理:声明账本逐条管理事实声明(类型/风险分级、数字防火墙、溯源图);声明锁门在线取回原文比对数字与摘录;12 模块评分每项附可重放证据(脚本 + 输入/输出路径 + SHA-256 哈希),哈希不符即不通过。
- 门禁完整性冻结:232 个门禁与生产文件的 SHA-256 哈希冻结进清单,清单哈希钉死在代码中;门禁服务每次运行前先验完整性。
- 人工审核是硬门:发布批准只认 Hermes T4 服务端签发:绑定人类审稿人身份(签署人白名单),批准哈希等于冻结主稿哈希;无批准进入等待状态、永不自动签发;执行者不能评审自己的任务。
- 质量门禁:单次运行输出 34 项检查记录(12 个评分模块 + 7 项读者检查 + 10 项视觉系统检查 + 5 项独立门),12 模块满分 1200 分,任一否决项则总分清零。1200 分是机械诊断分,代码明确标注仍需独立验收。
测试环境
代码仓 ieyer/agy_workspace(私有仓)master 分支。本页 Forge 事实的审计基线为 master 353c0f72(2026-11-12 代码审计,审计时 HEAD 9c6068b6,发布前复核至 353c0f72;门禁判定与阈值未变);2026-11-13 运行记录的门禁代码与 353c0f72 同步。此后主干已合并 P4(c070c339)与 IMG-1(e4da8ccc),上述数字与结论待下轮代码审计复核;复核完成前,本页仍按 353c0f72 基线表述。测试套件约 1,700+ 个测试函数(抽样估算),pytest 标记分层;CI 每次提交运行合同门、验收门、回归套件与密钥扫描。系统已内部使用,Negency 公众号批量生产经由此管线。
已验证结果
六个公开模块均有真实代码支撑:工作流编排、任务状态、证据治理、审核机制、执行日志(任务级 JSONL 三流日志 + 领域事件存储 + 问责账本)、质量门禁(34 项检查 + 1200 分机械诊断 + 失败闭合)。
2026-11-13 一条真实生产任务的完整记录见本页「真实运行证据」:门禁 27/34 通过、独立验收 1085/1200、新草稿入箱且对账 PASS。单篇任务记录,不是批量统计。
未验证范围
运行时行为仅有一篇任务记录:真实并发下的租约表现、门禁通过率、吞吐与可用性均未实测;HTTP 受理路径尚无真实执行记录;生产运行区与 master 的一致性未核查。
已知限制
不声称 CMMI 认证、生产吞吐性能、100% 可靠性——三者均无证据。1200 分是机械诊断分,不替代独立验收,不作为发布 verdict。测试套件存在已知失败项,由失败棘轮管理(只减不增),不声称全量通过。
后续实施方式
按工厂整改纲领继续收敛:门禁按已签发真稿再标定、图片管线自动化、发布版本化;生产运行区随版本升级。本页事实随代码审计更新,HEAD 移动后复核关键结论。
真实运行证据:2026-11-13 内容生产任务
一条真实任务的完整执行记录——公司自有内容生产任务,非客户任务;任务标识已脱敏。运行版本:门禁代码与 Forge master 353c0f72(P5)同步。
- 请求提交
- 任务创建
- 分阶段检查点
- 分阶段执行
- 审核与批准
- 交付结果
- 日志与失败处理
- 请求与任务:改写任务于董事会结果落地后下达(2026-11-12),工作分支当日建立;任务标识(脱敏):NEG-…-20261113。
- 分阶段检查点:评审包 → 小修返工 → 门禁代码同步至 master 353c0f72 → Phase A → 背书门禁运行 → 绕过记录 → Phase B 推箱;每一步均为 git 提交 + 证据文件。
- 分阶段执行:Phase A 完成图片真实上传与页脚 v3(HTML SHA-256 前缀 9a52f6a1…);Phase B 新开草稿推箱,不覆写旧稿。
- 审核与批准:独立验收 1085/1200(12 模块逐项打分,无一票否决项);7 门失败经裁决为非缺陷,凭书面批准绕过。
- 交付结果:新草稿已入微信草稿箱(2026-11-13 09:10,北京时间);对账 PASS——图片 4/4、图注 3/3、参考文献 12/12;旧稿冻结未动(内容 SHA 4718bfd1… 未变)。
- 日志与失败处理:门禁运行 27/34 通过(背书运行 17945138…c779);7 项失败(anti_ai、figure_legibility、image_semantics、image_text_integrity、shareability、story、visual_quota)记为机制误报/标定问题,非内容缺陷;其余门禁照常运行并通过。
- 测试边界:单篇任务记录;无并发、吞吐、可用性实测;本证据覆盖工作分支 + 门禁 + 推箱路径,HTTP 受理路径尚未见真实执行记录。
说明:Forge 的内容生产能力证明流程编排、证据治理与控制面工程能力,但不自动证明所有企业 Agent 场景已经验证。运行证据以文本记录呈现,未附控制台截图(控制台需登录,无公开演示)。
TIER 02
可验证的参考原型
原型须同时具备真实运行环境与回归测试,才进入这一层。
目前这一层是空的。暂无样板同时满足“真实运行环境 + 回归测试”,所以这里不列任何项目。技术方案在跑通并通过测试之前,不会提前升级到这一层——下面的企业知识 Agent 与工业视觉样板,在此之前一直留在第三层。
TIER 03
技术方案与研究
设计方案与研究方向,按设计方案呈现,不写成已验证的系统。
SAMPLE 02
企业知识与工作流 Agent
技术方案
- 文档进入
- 数据解析
- 知识检索
- 模型响应
- 工具调用
- 权限控制
- 人工审批
- 执行结果
- 审计记录
目的
把企业文档、数据与工作流连成一个可控的 Agent 系统:员工提问,系统检索知识、起草回答、调用工具执行,并在关键步骤停下来等人工确认。解决的问题不是“Agent 能不能回答”,而是“敢不敢让它动手”——回答可以错,写入与执行错了要有人负责。
系统架构
九步链:文档进入知识系统 → 数据解析 → 知识检索 → 模型响应 → 工具调用 → 权限控制 → 人工审批 → 执行结果 → 审计记录。检索与执行分开:模型只负责提议,写入与执行必须经过权限检查与人工审批;每一步都留下可追溯的记录。
技术方案
检索用 RAG(知识库检索 + 模型生成),执行用工具调用(MCP/API 连接业务系统),治理用门控写入:读与写分车道,写入操作必须绑定权限与审批,审批通过才执行。治理方法见 Control Brief 系列:门控写入、权限债、Agent 路由。什么情况下用检索、什么情况下用工具调用、什么情况下必须人工审批,判定规则见本样板末尾的判定表;验收指标见同处的验收指标表,阈值试点前与客户共同定。
测试环境
尚未搭建。本样板目前没有可运行的测试环境,没有在线可交互演示。本页的九步链是设计方案,不是产品截图;不要把它当作已上线的系统。最小可复核原型已立为独立研发任务(见「后续实施方式」),尚未开始研发。
已验证结果
治理方法已形成公开文字:门控写入、权限债判断、Agent 路由与 Kill Switch 三篇方法笔记已在 Control Brief 系列发表。这是方法层面的验证,不是系统层面的验证——方法成文不等于系统跑通过。
未验证范围
九步链全链路尚未在测试环境跑通;检索准确率、工具调用可靠性、权限模型在真实业务系统上的表现均未验证;没有任何性能与成本数字。
已知限制
无真实客户数据测试;无生产运行记录;不承诺检索准确率、响应时间与实施周期。任何数字都要等试点测出来再写。
后续实施方式
第一步是独立研发任务「企业知识 Agent 最小可复核原型」(状态:待研发,未开始):公开测试文档 → 检索 → 生成有来源的答案 → 模拟业务工具 → 权限判断 → 人工批准 → 审计记录。七个验证用例:正常检索;找不到答案;无权限调用;工具调用失败;审批拒绝;审批通过;审计日志记录。七个用例全部通过后,本页状态才可升级为「内部已验证原型」;在此之前保持「技术方案」标签。
原型通过后再按客户场景搭建试点:场景诊断 → 小范围试点(只读检索先行)→ 受控写入试点 → 评估是否扩大。每一步以可复核的验收标准决定是否继续;试点不达标就停下来改方案,不硬推上线。
判定表:什么情况下用什么处理方式
判定规则为设计方案,随原型验证调整,不是实测结论。
| 情形 | 处理方式 | 为什么 |
|---|---|---|
| 只需回答已有知识的问题 | RAG 检索 + 引用来源 | 答案可溯源,错了可纠正 |
| 需要查询或变更业务系统 | 工具调用(MCP/API) | 模型只提议,调用须过权限检查 |
| 涉及写入、执行、对外发送 | 必须人工审批 | 写入与执行错了要有人负责 |
| 检索无结果或置信度不足 | 明确说不知道,不编造答案 | 宁可不答,不给错答 |
验收指标
阈值试点前与客户共同定,写入验收文件。
| 指标 | 衡量方式 | 阈值 |
|---|---|---|
| 检索准确率 | 抽样人工核对检索结果是否切题 | 试点前与客户共同定 |
| 答案引用率 | 有来源引用的答案占比 | 同上 |
| 工具调用成功率 | 成功调用次数 / 总调用次数 | 同上 |
| 审批时延 | 从提交审批到人工决定的耗时 | 同上 |
| 审计记录完整性 | 每次执行是否都有完整可追溯记录 | 同上 |
SAMPLE 03
工业视觉与边缘 AI
技术方案
完整方法、试点计划与验收门,见「工业视觉与边缘 AI」解决方案页。

- 图像采集
- 边缘推理
- 缺陷分析
- 证据归档
- 人工审核
- 工单
目的
把工业视觉检测做成可验证的闭环:图像采集 → 边缘推理 → 缺陷分析 → 证据归档 → 人工审核 → 工单。检测结论必须可复核、可追溯:每一张判为缺陷的图,都要能回放它为什么被判为缺陷、谁复核过、最后进了哪张工单。黑箱打分不进工厂。
系统架构
六步链:图像采集(工业相机与传感器)→ 边缘推理(边缘计算模组本地运行模型)→ 缺陷分析(缺陷类型判断 + 置信度 + 证据图)→ 证据归档(原图 + 推理结果 + 复核记录一并保存)→ 人工审核(必经环节,机器不单独放行)→ 工单(缺陷确认后进入工单与维护系统)。部署形态按客户现场定:公有云、客户私有云、本地部署、边缘设备均可评估;数据可以不出厂房。
技术方案
边缘推理优先:模型部署于边缘设备,低延迟、断网可运行,不依赖云端往返。缺陷分析输出类型、置信度与证据图三件套,不只给一个分数。证据归档保存原图、推理结果与人工复核记录,支持事后追溯。人工审核是必经环节:任何缺陷结论在进入工单前都须人工确认。设备选型(相机、传感器、计算模组)与工单系统集成按具体项目评估,不预设单一厂商。
数据集选择标准:只用经许可的公开数据集或客户授权数据;缺陷类别与标注口径须先于模型选型确定;训练集、验证集、测试集分离,测试集在验收前不参与调参。
模型验证流程:离线验证先行——在测试集上测检测准确率、误报率与漏检率,阈值按验收指标定,不按演示效果定;离线通过后才进边缘设备试点;试点结果决定是否进入现场验收。
失效模式与处置(设计,非实测结论):误报——人工复核驳回并记录,复核记录回流标注口径;漏检——抽检与复核发现后补录为新样本并触发离线重测;光照变化——采集端先做光照标定,超出标定范围的批次暂停自动判定、转人工;新缺陷类型——不强行归类,标记为未见类型并转人工,是否纳入类别由标注口径决定。
边缘硬件选型方法:按推理延迟、功耗、环境温度、接口与供应链可得性四项打分,不预设单一厂商;选型结论以试点实测为准,不以厂商标称参数为准。评分维度见本样板末尾的选型评分表。
测试环境
离线验证环境已搭建(服务器 CPU 运行):DeepPCB 公开数据集(MIT 许可)已选定,首次离线验证已完成一次。没有测试台,没有真实设备,没有边缘设备试点。本页的六步链与部署形态仍是技术方案,不是已运行系统的记录。
已验证结果
离线验证首轮(2026-11-13):DeepPCB 公开基准(MIT 许可;500 正常 vs 500 缺陷 PCB 图),简单特征嵌入异常基线图像级 AUROC 0.627,在 6.6% 误报率下检出 11.8% 缺陷板。仅离线、单数据集、弱基线——不是生产性能。五问更新回答:已做真实模型推理(离线,一次);已使用一个公开数据集(DeepPCB);已验证离线基线一项;未经过真实设备测试;未完成现场验收。
未验证范围
六步中的边缘推理、缺陷分析、证据归档、人工审核、工单仍未验证;模型选型(只跑了一个通用基线,未做选型对比);边缘硬件选型;延迟与长期运行稳定性;与客户工单系统的集成。离线验证只在 DeepPCB 一个数据集上做过一次,检测准确率与误报率仍无可交付结论。以上每一项都要等试点测出来。
已知限制
本页全部内容为技术方案,不是已交付能力;不承诺检测精度、误报率与部署周期。
首轮验证的局限:仅离线;单数据集单品类(PCB);缺陷为数据集人工引入,非自然生产缺陷;未做现场验证、边缘设备测试与延迟测量;训练与测试共享板型(按对切分,非按板型切分)。结论不自动迁移到真实工厂图像与其他产品。数据集:DeepPCB,MIT 许可,arXiv:1902.06197。
功能安全与人工复核边界:检测结论不直接触发设备动作;任何缺陷结论进入工单前须人工确认;安全相关判定不由模型单独决定。
设备认证、功能安全、网络安全与进出口合规须按具体产品逐项核查,不宣传特定设备“全面符合欧盟和美国法规”。
后续实施方式
数据集选定(DeepPCB,MIT 许可,已选定)→ 离线验证(首轮已完成:AUROC 0.627,弱基线;仅为实测下限,未对照验收阈值判定——阈值须试点前与客户共同定)→ 边缘设备试点 → 现场验收。每一步达标才进入下一步;试点数据决定方案是否继续,不用概念图代替验收。
验收指标见本样板末尾的表:检测准确率、误报率、漏检率、单张推理延迟、连续运行稳定性;阈值试点开始前与客户共同定并写入验收文件,实测不达标即返工,不降低标准放行。
边缘硬件选型评分
评分维度取自本页正文;选型结论以试点实测为准,不以厂商标称参数为准。
| 评分维度 | 试点时核什么 |
|---|---|
| 推理延迟 | 单张推理耗时是否满足产线速度要求 |
| 功耗 | 满载功耗与散热是否在现场条件内 |
| 环境温度 | 现场温度范围内能否稳定运行 |
| 接口与供应链可得性 | 与现有产线接口是否兼容、供货周期是否可查 |
验收指标
阈值试点前与客户共同定,写入验收文件。
| 指标 | 衡量方式 | 阈值 |
|---|---|---|
| 检测准确率 | 测试集上正确检出的缺陷占比 | 试点前与客户共同定 |
| 误报率 | 误判为缺陷的正常品占比 | 同上 |
| 漏检率 | 未检出的缺陷占比 | 同上 |
| 单张推理延迟 | 每张图的端到端推理耗时 | 同上 |
| 连续运行稳定性 | 连续运行时长内无故障运行的记录 | 同上 |
HOW THE LAB WORKS
实验室工作方法
一套方法,用在所有样板上;方法本身不代替验证。
证据分级标准
什么算已验证:第三层升第二层,须同时有真实运行环境与回归测试;第二层升第一层,须有内部运行记录与代码审计。升级只凭证据,不凭计划。
验证流程
离线验证 → 试点 → 验收:先在测试集与测试环境里验证,再到小范围试点,最后按验收文件验收;每一步达标才进入下一步。
失败处理原则
实测不达标就返工,不降低标准放行;试点不达标停下来改方案,不硬推上线;失败记录写进样板,不藏起来。
版本化证据
每项事实标注审计基线(代码提交 SHA)与复核状态;代码继续推进时,关键结论在下轮审计中复核,复核前不擅自更新数字。