DAY 01–30
把真实经验抽象为开源 Agent Evaluation Lab
使用全新公开数据和代码，构建工具调用、结构化输出、状态持久化、失败恢复和人工审批；发布架构决策，明确哪些地方使用工作流、哪些地方需要自治。
Architecture decision recordTool contractsHuman-in-the-loopFailure recovery
90-day evidence plan
从“会构建”到可证明的生产级 Agent 工程
这不是课程清单，而是公开证据计划。每个阶段都要求一个可运行交付物、客观指标和失败记录。
校准后的判断：近期真实工作已经覆盖端到端 LLM 评测、Agent prompt 工具、事实性与质量评分、跨端产品开发、企业连接器迁移和开发者自动化。当前短板不是“没有 Agent 经历”，而是公开仓库尚未把这些能力证明为一套可复现、可观测、可攻防测试的现代 Agent 系统；更高职级和更高市场薪酬还要求持续证明跨团队 ownership 与可量化业务/质量影响。内部薪酬记录只用于校准，本页不公开具体金额，也不承诺职位或薪酬结果。
Scope
从功能交付升级为跨组件、跨团队的结果 ownership，提前管理依赖、时间线和风险。
Evidence
把质量改进转换为可复现评测集、成功率、延迟、成本和回归数据。
Safety
补齐 threat model、prompt injection 攻防、最小权限和人工审批的公开实现。
Market signal
发布一套不含公司代码或数据的开源 Agent 系统与完整工程案例。
DAY 31–60
建立评测与可观测系统
创建至少 100 条代表性评测样本；跟踪任务成功率、工具错误、延迟、token 和成本；把线上失败转为回归用例。
Offline eval setCI quality gateOpenTelemetry tracesCost dashboard
DAY 61–90
完成安全、互操作与公开案例
实现一个 MCP server/client，执行直接与间接 prompt injection 测试；工具使用最小权限，高风险动作强制审批。最后发布一篇含失败复盘、指标和取舍的系统设计案例。
MCP integrationThreat modelAdversarial testsPublic case study