01
智能体体验
围绕真实工作流，设计 AI 应用的界面、上下文与人机协作交接。
AI AGENT 执行系统 · 深圳构建 AI Agent
构建 AI Agent
执行系统。
Yunce AI 面向 AI Agent 与人工智能应用，研究并构建从目标理解、工具调用，到流程推进与结果验证的智能执行能力。
执行轨迹run · a8f2c1
- 建模意图parsed
- 划定边界bounded
- 编排执行running
- 验证结果verified
09:24:02intent.parsed — "reconcile Q2 invoices"
09:24:03scope.bounded — 3 tools · 1 approval
09:24:18evidence.attached — outcome verifiable
智能体
公司方向
执行
核心命题
证据
设计原则
深圳
所在地
公司主张
一家为智能体应用层而生的公司。
云策 AI 专注于人工智能应用、智能体编排、工作流自动化，以及让边界、审批与证据始终可见的可信执行模式。我们不夸大 AI 取代人，而是让有用的自动化变得可控、可观测、可恢复。
// 把意图，交给智能体执行。
能力支柱
智能体应用需要的是执行设计，而不只是模型接口。
围绕真实工作流设计的四个能力方向 — 从智能体如何理解目标，到如何证明结果可信。
02
工具编排
把模型、工具、数据、API 与业务动作，编排成受控的可执行路径。
03
工作流自动化
让重复、跨系统、可标准化的任务持续推进，同时保留人工判断。
04
可验证执行
用边界、审批、日志与证据链，让 AI 参与的过程可追踪、结果可验证。
工作方法
查看完整方法执行模型
01
建模意图
明确真实任务、成功标准，以及真正重要的产出。
02
划定边界
梳理数据、权限、风险、人工审批，以及哪些不该被自动化。
03
编排执行
在边界内组合模型、工具、工作流与界面，让智能体推进任务。
04
验证结果
用日志、证据、回放与人工复核，判断结果是否可信。
信任面
面向未来的系统，依然需要控制面。
重点不是让 AI 看起来很自动，而是让有用的自动化变得可观测、有边界、可恢复 — 并让每一个结果都附带证据。
受限的工具权限scope.bounded
敏感动作需人工审批approval.required
可观测的执行状态state.observable
可恢复的失败路径failure.recoverable
证据绑定到结果evidence.attached
研究笔记
洞察与研究
我们关于 AI Agent、执行系统、工作流设计与落地实践的思考 — 关注方法与判断，而非追逐热点。
证据链4 / 4
- 目标defined
- 审批granted
- 执行logged
- 证据attached
创始人 · 开源影响力
由一位作品被开源社区长期验证的技术型创始人创办。
云策 AI 由程序员阿江-Relakkes 创办。他拥有 10 年软件开发经验，经历过大厂工程体系，并在开源基础设施、数据采集、AI Agent、开发者工具与 AI 实战科普上有长期可见的技术沉淀。
他的代表性开源/研究型工程项目包括 50K+ star 的多平台数据采集项目 MediaCrawler，以及 12K+ star 的开发者工具项目 cc-haha。这类影响力不是简历包装，而是投资人和创投团队可以直接检验的工程信号：真实用户、真实 fork、真实技术讨论，以及持续交付的系统。
程序员阿江-Relakkes
创始人 · 开源工程师 · AI 实战者
50K+StarsMediaCrawler面向多平台内容与评论采集的知名开源项目，拥有大量开发者使用与二次开发。10K+ forks12K+Starscc-haha面向开发者工具与 AI 编程工作流的开源项目，在社区中有很高关注度。8K+ forks
- 开发经验
- 10 年软件开发经验
- 技术角色
- 曾担任技术 Leader、技术专家等职位
- AI 科普
- 围绕模型、Agent 与工程实践的自媒体 AI 科普
- 落地
- 围绕工作流、工具与执行系统的 AI 亲手落地经验