UniExp HK 实验港
- Next.js
- TypeScript
- Tailwind CSS
- Self-hosted Supabase
- Cloudflare
- Gemini
- Agent Harness
- Policy Gate
- Quality Workbench
一个帮香港研究者发布实验、招募参与者的线上三语平台。我独立完成产品、运营流程与受控 AI 审查层；AI 只在证据核对与人工批准后协助提出更新。
一眼看懂
角色 独立创办人与开发者 — 产品设计、前端、后端、上线、日常维护
问题
香港高校的实验招募散落在群组、表单、集合页、海报与双语来源页里；研究者难以招募足够样本，参与者与营运者也需要可核验证据，才能安全发布。
解法
我把产品做成两条清楚流程：研究者发布并管理研究，参与者浏览、报名与评价；后台加入证据门控的 AI 审查层，让自动化只提出候选，不直接改写生产真相。
成果
已上线三语平台 · 115 个 merged PR（最新 #120）· 独立设计、上线与运营
我的工作
- 研究发布 + 时段排期 + 报名审核（研究者端）
- 浏览 / 筛选 / 报名 / 评价（参与者端）
- 全站三语 i18n（EN / 繁中 / 简中）
- External Study Ops Agent，分层自主阶梯：L1 shadow → L1.5 cross-check → L1.6 Codex replacement check → L2 proposal queue → L3 guarded write（每队列每轮最多写 1 条 pending）
- 多队列 agent：单一对外入口，内部 supervisor + 四个 worker（new_study_lead / published_change / source_candidate / seed_candidate），各自只能写一张指定的 Admin pending 表
- 定时守护审查：每日 VPS cron（22:05 UTC）跑 L1 shadow、输出只读证据、不写生产——明确不是自主生产控制
- Production Explore truth source、quality workbench、section-level evidence、signup freshness、visual/OCR/QR review 与 feedback-audit ledger
技术证据
- Agent 安全模型：每条 queue proposal 过 deterministic evaluateQueueProposalPolicy() gate 盖 writeEligible 章；L1 只写 noProductionWrite=true 本地报告；自主权止于 Admin pending queue——experiments、source registry、approve/reject 仍由人工审核
- Truth discipline：production Explore（已发布实验）是唯一真相源；legacy pipeline、source/seed discovery 与 agent shadow report 都只是候选生成器，不能反向覆盖 truth
- 评测与 readiness gate：daily-cron 证据区分 real_cron 与手动触发；L3 readiness 要求 30 天内 reviewed proposal ≥10、acceptance ≥80%、stale/bad-source false positive 为 0、且无 production-write incident
- Failure→gate：曾有 proposal 把 HKD 80 baseline 当成总报酬，修正后成为永久的 compensation-component policy check，把该类降级为 report-only
- Reasoner 可靠性：Gemini reasoner 只允许返回结构化 JSON；坏输出或失败时回退到 deterministic reasoner 继续只读运行——模型参与不等于执行许可
- 自托管 Supabase（auth + Postgres + 维护）+ Cloudflare 边缘加速与防滥用；独立持续维护，累计 115 个 merged PR（最新 #120，Cloudflare deploy Node patch）
从 pipeline 到 harness
外部实验采集不是一次性冷启动——招募页会过期、表单会关、一个 aggregate page 挂多个实验、旧 pipeline 会误判来源或重复。直接让 agent 写生产库风险太高，于是 agent 被包进一个 harness：policy gate、truth source、quality workbench 与 Admin review 决定什么才真正可执行。
自主阶梯
自主权是分层的，不是全有或全无：L1 shadow（只写本地报告，noProductionWrite=true）→ L1.5 cross-check → L1.6 Codex replacement check → L2 proposal queue → L3 guarded write，每队列每轮最多一条 pending。每一级都有 gate，agent 的权限止于 Admin pending queue——experiments、source registry、approve/reject 仍由人工审核。
多队列设计与 truth discipline
对外只有一个入口，内部由 supervisor 把工作拆给四个 worker——new_study_lead、published_change、source_candidate、seed_candidate——各自只能写一张指定的 Admin pending 表。一个确定性的 evaluateQueueProposalPolicy() gate 标记写入资格，任何 worker 都不能自行认证候选可写。
Production Explore——已发布的实验——是唯一真相源。legacy pipeline、source/seed discovery 与 agent shadow report 都只是候选生成器，永远不能覆盖 truth。
一个变成 gate 的失败
曾有一条 proposal 把 HKD 80 baseline 当成总报酬，忽略了第二笔 optional 的 HKD 80 follow-up。修正不是一次性的——policy gate 增加了 compensation-component 语义检查，把该类整体降级为 report-only。一个失败变成了可复用的 gate，而这正是 harness 的意义。
每日守护审查
一个 VPS cron 每日 UTC 22:05 跑 L1 shadow，输出只读证据、不写生产。另一个只读 checker 区分真实 cron 与手动运行；连续三天通过、零 policy violation 的 real-cron 证据，是进入 L2 readiness review 的 gate——不是自动升级。它是定时守护审查，明确不是自主生产控制。
界面截图
