项目概览

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

场景

香港高校实验招募散落在院系网站、社交媒体、群组与线下海报。研究者缺少连续管理发布、报名审核、排期、补偿与口碑的工具；参与者则需在分散来源间反复核对资格、时间与报酬。

产品策略

我为研究者、参与者与管理员设计同一套运营闭环：研究者发布研究、管理时段与审核报名；参与者浏览、报名、完成研究并互评；管理员治理外部来源与发布申请。Agent 从来源页和海报抽取结构化证据，判断时效、重复与发布风险，再把建议送入对应审核队列，由管理员作出业务决策。

评测

采用 2026-07-04 同一口径的生产数据快照评测：14 次 Agent 运行产生 31 项审核建议，27 项完成闭环，其中 22 项采纳、5 项拒绝。一次补偿金额误判被归因到字段语义，并沉淀为金额拆解规则与 policy gate。

成果与当前阶段

线上平台现管理 81 项研究（41 项已发布、38 项已完成、2 项已取消）、20 个启用来源、11 个官方域名与 54 个平台账号。下一阶段将面向高校实验室与研究团队开展 B 端推广。

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）以 L1 shadow mode 运行，输出只读证据；任何生产改动都需进入 Admin review
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 中已发布的实验保持权威；legacy pipeline、source/seed discovery 与 agent shadow report 把候选送入 Admin review
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 返回结构化 JSON；输出无效或失败时回退到 deterministic read-only reasoner，执行权限始终由 policy layer 掌握
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 153 个 merged PR（最新 #158，2026-08-25 核实生产发布）

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

自主权按层级推进：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。每一级都有各自的 gate；experiments、source registry 与 approve/reject 由人工审核。

多队列设计与 truth discipline

单一对外入口连接一个 supervisor，再把工作拆给四个 worker——new_study_lead、published_change、source_candidate 与 seed_candidate——各自对应一张 Admin pending 表。确定性的 evaluateQueueProposalPolicy() gate 负责授予写入资格。

Production Explore 中已发布的实验保持权威。legacy pipeline、source/seed discovery 与 agent shadow report 通过 Admin review 路径提供候选。

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 运行 L1 shadow 并输出只读证据。另一个 checker 区分排程与手动运行；连续三天通过、零 policy violation 的 real-cron 证据可开启 L2 readiness review，生产改动则继续经由 Admin approval。