01
项目背景
教育软件同时服务于不同的人。教师需要备课与复核，学生使用学习材料，学校则需要判断工具如何融入教学。基础设施必须支持这些不同的使用场景。
我的工作主要在教师端体验背后的系统中。资源限制、权限和文档处理，都会影响一个看似简单的流程是否可靠。
02
我的具体工作
我在生产环境的 monorepo 中参与 Marlow 智能体基础设施开发，重点关注资源使用和访问控制。
- 重构 token 限流行为。
- 改进智能体工作流中的授权隔离。
- 将 OCR 整合进文档处理流程。
- 建立确定性测试样例，使行为可以重复验证。
03
这些细节为什么重要
限流会影响智能体能否在负载下完成任务；授权决定特定场景下可以访问哪些资料、执行哪些操作。OCR 位于更早的一步，文档一旦识别错误，后续推理就可能从错误信息出发。
跨这些组件工作，需要先理解完整流程，再让各个边界更容易测试。测试样例也是工程的一部分，因为一次改进需要可复现的方式来说明究竟改变了什么。
- 01教学材料
- 02文档与智能体系统
- 03教师工作流
04
把工程与产品连起来
工程之外，我研究教育 AI 的竞争格局，并把发现转化为工作流程和产品建议，包括教师与学生如何接触 AI，以及工具在哪些环节能帮助完成任务。
这段经历让我既需要在共享代码库中完成具体工作，也需要理解最终使用产品的人。