Paul Jialiang Wu agentic-portfolio English Español 한국어 日本語✉️ 免费清单
← 返回作品集

AI 原生系列 · 智能体化设计

Visionboard:把 Life GPS 重建成智能体驱动的路线图,人类站在循环之上

作者:Paul Jialiang Wu · futuremake.io · 2026-09-06 · Visionboard 系列,第 1 篇,共 5 篇

Cover: The Visionboard — a Life-GPS roadmap where agents execute and re-plan, and the human designs, directs and signs, never cooks. Three cards: what it is (an optimizer, not a to-do list), who it is for (founders and AI engineers running more projects than hours), what you leave with (a 30-minute build contract). A black band carries the one finding measured on the live board at day 32: 16 nodes, 0 signed weights, 4 of 4 tripwires fired.
主题、承诺,以及那一项实测发现——在你读正文之前先摆出来。

一分钟速览——读完你能带走什么

这是什么。 一篇关于 Visionboard 的设计手记:我把自己 2019 年做的 Life GPS(一个能在现实变卦时重新规划你这一周的求解器)彻底重建,让 AI 智能体来做提议、执行与汇报,由求解器挑出最优的下一步,人类则站在循环之上,只负责设计与指挥。没有任何一项是由机器签字的。

为什么重要。 对一个项目比时间还多的创始人或工程师来说,这就是「一块只会讨好你的仪表盘」和「一件如实告诉你胜算的仪器」之间的差别。对学生而言,这是「智能体的人类监督」究竟意味着什么的最干净的小样本——它是代码,不是口号。文中附上了这块实盘看板自己给出的读数,包括它撞见自己的主人整月缺席的那一次。

你可以做什么。 用下面的契约花30分钟搭出这个循环,任何领域都行;跑一遍退出测试;然后做一件整套设计都指望着的事——签下一个权重——赶在下一次周复盘之前。

The Visionboard — 系列脉络
  1. 《Visionboard》:把 Life GPS 重建成智能体驱动的路线图,人类站在循环之上 本集
  2. Life GPS,2019 → 2026:初代规划器做对了什么,又是什么杀死了它 第 2 集
  3. 一个人的 Life GPS:每日的导演时刻,以及智能体不得涉足之处 第 3 集
  4. 一个小团队的 Life GPS:角色而非个人,负载作为求解器里的约束条件 第 4 集
  5. Visionboard 看板:什么变了,什么没变,以及三个自带证伪条件的未来 第 5 集

《Visionboard》是什么、写给谁看、这个系列为何存在

《Visionboard》是我这个作品集网站里的一个私密页面,我在这里掌舵自己的各项事业。它撑着三条长周期赛道——收入、研究、关系——外加一张由十六个项目组成、为这三条赛道供血的关系图,以及一个求解器:每次页面加载,它都会重新算出接下来最该做的三件事。AI 智能体负责提出数字、动手干活、填报告卡。而我,只被允许做三件事:写目标、签一个数字,以及在某条预先登记的假设被打破时重写目标。

它脱胎于 Life GPS,一款我在2019年4月用 R 写的规划器,那年春天我在一篇 Medium 文章 里描述过它:你给它一堆带权重、下限和上限的任务,它就把你这一周打包成一个二进制整数规划问题;等你汇报说周二一切都乱了,它就把过去冻住,把剩下的部分重新求解一遍。2026年7月我用 Python 把它重写了一遍,并在那篇 公司级文章 里承认:我造出来的其实是一个控制循环,却把它当成了待办清单。

这篇承认引出了整个系列要回答的问题。一旦执行者不再是你本人,而是一群智能体,设计上必须改变什么,才能让人类继续掌权,既不沦为瓶颈,判断力这门手艺也不会悄悄烂掉?第1篇讲的是设计本身,以及它的第一次实测。第2到第5篇依次讲2019年的起源、单人版、小团队版,以及最终的记分牌。

这篇文章同时写给三种读者:想要具体操作手柄的 AI 工程师,想要一份运营契约的创业者,以及想要一张明天就能自己重跑一遍的图的、有天赋的高中生。这张图马上就来,它是一间厨房。

一张图撑起整个系列:从不下厨的行政总厨

想象一下厨房里那道分水岭:过了这道岭,你就不再是个厨子了。家庭厨师自己设计菜式、自己下厨。线厨(line cook)只管照单执行。而一位掌管一家餐厅、乃至一整条连锁店的主厨(executive chef),只写菜单、定标准、尝味道、签字放行。如果晚上八点主厨还在灶台边忙活,那这家餐厅其实没有主厨。

Visionboard 就是这样一间厨房——主厨被故意挡在灶台之外。下面这张对照表一一对应,每一行都能在真实代码里找到出处。

厨房Visionboard 对应项谁执笔签字
菜单目标:三条赛道,十二个里程碑(content/goals.json)人类
每道菜的标准每条赛道一个领先指标,配一个每周增量目标人类签字,智能体提议
尝味道、签字放行weight_signed: true 作用于某个节点——重要度取值 0 到 1,0.5 为中性仅限人类
出票轨道resolveMoves(),见 lib/gps.mjs——重新求解出的前三步行动求解器
线厨智能体:提议权重、执行头号行动、提交报告卡智能体
传菜窗口报告卡(档案库)与指标读数——也就是传感器智能体负责写,人类负责读
健康检查员checkTripwires() ——那些能把笔重新交回人类手上的预先注册假设代码触发,人类重写
厨师给自己的菜打分把卡片在评分通道之间移动——被拒绝,执行者是VisionboardAgent没有人

记住这幅画面。下面每一条设计规则,首先都是一条厨房规则。

研究的四种时间尺度:300年、30年、30个月、30天

Four horizons of research for the Visionboard, one row each: 300 years (Franklin's 1726 virtue chart — the human designs the grid and fills it), 30 years (Drucker, Sheridan and Verplank, industrial MPC, Locke and Latham, OKRs — objectives cascade, re-solve over a receding horizon, automation versus control is a ladder), 30 months (Shneiderman, Anthropic, OpenAI, AWS lens, Gaube et al., Dhanorkar et al. — not a ladder but a quadrant, autonomy paired with proportionate oversight), and 30 days (Mitchell, Ghosh and Passi, August 2026 — agent design impedes oversight and erodes the skills it needs).
每种时间尺度解决了什么,又留下了什么悬而未决。每条引用都在发布当天抓取并核实过;完整引用见文末。

[EVIDENCE]300年。 Benjamin Franklin 的十三美德表,构思于1726年归途的航行中,记述在他《自传》的第二部分——自传——是我能找到的最古老的、四要素齐备的个人控制回路:一张设计好的表格、每晚一次的传感器读数(每犯一次错点一个点)、一个执行者,以及一个裁判。这四者是同一个人。他自己说,这个回路一年能跑满四轮,然后——用他自己的话说——就渐渐荒废了。这是第一个发现,而且已经有三个世纪之久:当传感器、执行者和裁判是同一个疲惫的人时,回路会随着这个人注意力的消散而消散。

[EVIDENCE]30年。 有四件事被确立下来。Drucker(1954)让目标层层下沉,并让执行者参与制定目标。Sheridan 与 Verplank(1978)画出了从完全手动到完全自主的十级阶梯,如今每一张“自主程度”图表都还在照搬它。工业界的模型预测控制(Richalet 等人 1978;Cutler 与 Ramaker 1980)让“每个周期都重新求解剩余时间窗”成了炼油厂稀松平常的周二日常——这正是 Life GPS 对一周所做的事。Locke 与 Latham(1990)证明,在有反馈和承诺的前提下,具体而有难度的目标在几十项任务中都胜过“尽力而为”。Grove、以及后来的 Doerr,把这一发现变成了带有固定复盘节奏的 OKR。

[EVIDENCE]30个月。 阶梯变成了象限。Shneiderman(2020)主张自动化程度与人类控制力是两条独立的轴,好的系统在两个轴上都应该得分高。Anthropic 的《构建高效智能体》(2024年12月)划出了工作流与智能体之间的界线:前者由代码决定路径,后者由模型决定路径。OpenAI 的实践指南(2025)叠加了护栏机制,在高后果动作前设置了人工审批的暂停点。AWS 的 Agentic AI Lens 逐字陈述了 Visionboard 所依据的原则:"Human review depth scales with the consequence of the action, by design rather than by reaction."(中译:人类审查的深度应随行动后果的大小而变化,这应当是设计使然,而非事后反应。) 2026年有两篇论文把「监督」从一句口号变成了一个可实操的对象:Gaube 与十九位合著者为它给出了定义和架构;Dhanorkar、Passi 与 Vorvoreanu 访谈了十七位开发者,发现监督"not only reactive and retrospective, as portrayed in existing research, but also preventative and proactive."(中译:不仅是现有研究中所描绘的被动、回顾式的,也是预防性和主动性的。) 他们归纳出的四种形式——事前控制、共同规划、实时监控、事后审查——恰好对应 Visionboard 允许人类做的四件事。

[EVIDENCE]30天。 2026年8月24日,Mitchell、Ghosh 与 Passi 发表了这块看板所依据的论文。他们的核心论点是:"Not only do current approaches to AI agent design impede effective human oversight, but the cognitive capacities required for it are also themselves degraded by extended use of AI systems."(中译:当前的 AI 智能体设计方式不仅妨碍了有效的人类监督,长期使用 AI 系统还会削弱监督所需的认知能力本身。) 这句话值得读两遍。它的意思是:「循环之上的人类」并非一个稳定的位置;如果设计本身不逼着人做出判断,这个位置就会被侵蚀。记住这一点,因为在实测案例里,这块看板在第一个月就精确地测量到了这种侵蚀——而那个人类,就是我。

设计:七条规则,每一条都钉死在强制执行它的代码上

The Visionboard loop, who holds which pen: above the loop the executive chef writes the menu, sets standards, tastes and signs, never works the line; signed policy flows down. In the loop, agents propose, execute and report. Under the loop, the solver re-solves the best next moves every load as a binary integer LP with per-track coverage, odds clamped to 2 to 98 percent, method labeled. The pass window holds the sensors (report cards, metric readings). The health inspector is the tripwires, the only path that hands the pen back up.
签署过的策略向下流动。证据向上流动。只有触发的绊线,才能把笔重新交还给人类。

规则一:拆解为受限的智能体,给人类留下仍能实施治理的最小接口

[DESIGN]四个角色,四种权限范围。提议智能体(proposer) 读取遥测数据,在签署托盘里为每个权重提出建议。执行智能体(executor) 执行排名第一的行动并提交报告卡。审查智能体(reviewer) 按 cron 定时运行(每日 UTC 13:47、每周一、每月第一天),并开启一个可能失败的 pull request。引导智能体(steering agent (components/VisionboardAgent.tsx)接收口头或文字形式的修改指令,返回一份 diff 和一个按钮。这四个智能体都无权签署。这一原则,正是 AWS 所强调的「明确权限范围、明确限制」,被套用到了一人公司之上。

规则二:选择是求解器的活儿,而且求解器要交代自己是怎么解出来的

[DEF]每个项目节点都会得到一个分数:赛道紧迫度(随里程碑临近而上升)乘以已签署的重要性,再乘以一个「疏忽加成」(有价值但正在冷却的节点会被提上来),并受依赖关系的约束。接下来,排名前三并不是简单排序得出的,而是一个二元整数规划问题:在最多选三项的前提下最大化总分,并且每条有临近里程碑的赛道至少分到一个行动。正是这条覆盖率约束,才使得第32天的这三个行动横跨了全部三条赛道。输出结果上会标注所用的方法——bilp, bilp-nocoverage 覆盖度不可行时 greedy-fallback 求解器抛出异常时——这样读者永远不会把退路误认成最优解。

规则三:未签名的数字只是提议,而提议没有任何权力

[DESIGN]这正是 求解器那篇文章 里的接缝契约,如今被压缩成一行代码来强制执行:只有当 weight_signed 为真时,节点的重要性才会乘入它的分数。未签名时,乘数恒为 1。人类给出的数字介于 0 到 1 之间,0.5 代表正常,系数就是这个数字除以 0.5,任何人一眼就能核对这道算术。输出会列出每一个未签名的节点。把未签名的权重喂给优化器,正是猜测悄悄洗白成权威的方式;解法必须是结构性的,而不是一句提醒。

规则四:仪表盘不许讨好

[DESIGN]胜算由所需速度与实际观测速度对比算出,并被限制在 2% 到 98% 的区间内。看板永远不可能打印出 99.5%。没有数值指标的赛道会显示 null ,并附文字「尚无法测量」,绝不会编造一个数字。一个尚在规划阶段的节点,能得到的建议永远只能是「先把它立起来」。以上每一条,都是仪表盘本来会欣然去做、而这套设计偏偏拒绝去做的事。

规则五:自主权与相称的监督按后果配对

[DESIGN]把每个动作按其后果映射。重新求解移动方案代价为零、随时可撤销,所以求解器每次加载都独自完成。提议一个权重在被签署之前不会改变任何东西,所以由智能体独自完成。编辑图结构(依赖关系、里程碑、状态)是可逆的,但有后果,所以要先预览、再确认。签署一个权重或一项指标会决定优化器接下来几周的行为,所以只能由人类完成。给报告卡重新打分永远不被允许,因为分数本该出自独立评分者之手,自己给自己打的分毫无价值。这最后一项拒绝,在引导智能体里有专属的报错信息,也是我在整个设计里最引以为傲的一行。

规则六:唯有触发的绊线,才能把笔重新交还给人类

[DESIGN]求解器只重新求解资源分配,从不重写问题本身。唯有被触发的绊线才能做到这一点,而绊线本质是数据:一条命名清楚的假设、一个机器可核验的条件,以及「把笔交还给策略负责人」这个动作。目前存在三种类型:某个先行指标在 N 天后仍为零、某条赛道带里程碑却十四天内没有任何报告卡、胜算长期卡在诚实下限上。健康检查员不下厨,检查员只管开罚单,菜单还是得由主厨重写。

规则七:行为即代码,审查可以失败

[DESIGN]目标、绊线、权重和指标都存放在受版本控制的 JSON 文件里。智能体的编辑词汇表是带类型校验、配有测试文件的联合类型。审查节奏是一个工作流:跑起来就开一个 pull request,跑不动就开一个 issue。用 Dhanorkar 等人的说法,这就是把「事前控制」与「事后审查」直接嵌入底层基础设施,于是人类的监控负担成了例外路径,而非默认路径。

实测案例:第 32 天的实时看板

16 个节点 · 0 个已签署权重 · 3 项指标中 0 项已签署 · 4 条绊线全部触发范围:一块看板、一位负责人,第 0 天到第 32 天(2026-08-04 至 2026-09-05),从生产环境台账中读取的 211 张报告卡(七个仓库中有五个具备此记录),全部跑过生产版求解器。这不是一项研究,只是单台仪器的日志。

[MEASURED]计划于 2026 年 8 月 4 日启动,共设三条赛道:90 天内营收做到 $1M;一项研究赌注(自我改进的智能体化系统及其在质量管理系统中的应用);以及一条关系赛道,包含每日反思「例行安排」、每周门徒辅导与每月一次讲座。十六个项目节点,每个都带有介于 0.5 到 1 之间的建议重要性。四条绊线(tripwire)已预注册。智能体提出了三个先导指标,每个都标注「需要决策」,并写明了具体待决问题:哪个报价先定价;这项研究赌注是否作为排行榜提交项;现有的学员批次(cohort)是否算作第一期。

第 32 天,求解器报告:财务胜算 2%,已触底,因为该里程碑每天需要约 $17,500 的进度,而观测到的实际速度是每天 $0。研究与关系赛道的胜算:null,无法测量,因为没有指标被签署。四条绊线全部触发:营收指标超过十四天期限仍为零;研究指标仍未被测量;关系赛道已经冷却,而里程碑还有 57 天;胜算触底。十六个节点中有十三个带着权重,一旦被签署就会左右求解器的判断。没有一个被签署。

再看传感器——这次读的是生产环境的账本,而不是我笔记本电脑上的数据:账本里共有 211 张报告卡,其中 37 张是计划启动之后新填报的,最新一张是 8 月 30 日的。这 37 张里,每一张落在的节点,其主赛道都是财务类。研究和关系这两条赛道,整整一个月里一张报告卡都没收到——这正是「冷赛道」绊线触发的条件。厨房里只有一个工位还在不停出餐。检查员写了四张罚单,可循环之上没有一个人读过它们。

更正,2026-09-07。 上文这段的最初发布版本曾说,最新一张报告卡的日期是 8 月 4 日,且该数据源从第 0 天起就已沉寂。那其实只是我笔记本电脑视角下看到的看板——我的笔记本电脑读不到私有账本;生产环境的看板可以,现在展示的数字,正是它读到的结果。核心论点——零签署、四条绊线全部触发——并未因此改变。这处错误被保留在页面上,而不是被悄悄抹去,因为本系列的规矩是:仪表不得讨好任何人,它的作者也不例外。

这能证明什么、不能证明什么,说清楚:它不能证明求解器错了——它打印出的每一个数字,都是对它所掌握数据的诚实读数。但它确实以最不讨喜的方式,证明了这套设计自身的论点:「循环之上的人类」是一个必须持续去占据的位置,而不是一劳永逸的身份。 Mitchell、Ghosh 和 Passi 在 8 月就预言了这种失败模式。看板在 9 月把它记录了下来。我造了一个签署按钮,却整整 32 天没有按下去——这大概是验证一篇论文最昂贵的方式了。

[OPEN]尚未解决的是修法。有两个候选方案,各带一个可证伪的判据,将是第 5 篇的任务:把「签署」变成页面第一件要求你做的事(一个 Level-0 级别的可见入口,而不是藏在底部的一个托盘);以及让「沉默的传感器」变得不可能存在(一个连续七天没产出报告卡的数据源,本身就应该触发一条绊线)。如果这两项上线一个月后,签署数依旧是零,那问题就不出在界面上了。

30 分钟内搭出来:这份契约

你不需要我的代码,你需要的是这个骨架。任何领域,只要有几个长周期目标、少量项目、以及某种证据数据源,就足够了。

INPUTS
  tracks[]     : {id, milestones[{days, target?}], leading_metric{name, current, signed}}
  nodes[]      : {id, tracks[], weight 0..1, weight_signed, deps[], status planned|active}
  cards[]      : {repo, created_at, key_results[{text, score}]}   # the sensor
  tripwires[]  : {id, type, track, params, assumption, action}
OUTPUTS
  moves[k]     : {id, score, why, next}     with method ∈ {bilp, bilp-nocoverage, greedy-fallback}
  status[]     : {track, odds ∈ [0.02,0.98] | null, to_raise}
  tripwires[]  : {id, fired, why}
INVARIANTS (the tests you write first)
  unsigned weight ⇒ multiplier == 1          # no signature, no coefficient
  no metric      ⇒ odds == null              # never an invented number
  every track with a milestone and a candidate gets ≥1 move, or the method says it could not
  the agent can propose, edit-with-confirm, report; it can never set weight_signed or move a grade
STOP RULE
  a fired tripwire stops the allocation loop and asks a human to re-write the objective
CI THRESHOLD
  all invariants pass; a selftest re-introduces each violation and proves the gate exits 1
DELIBERATELY MISSING
  any forecast beyond observed velocity; any autonomous signature; any re-grade

选一个能从测试里调用的求解器(PuLP 配 CBC,或者像本看板这样用的某个 JavaScript LP 包)。让打分函数保持纯粹。把人类给出的数字放进一个受版本控制的文件里,并让系数是一个人类肉眼就能核验的除法。

同一个故事,五种退出路径

读者本集交给你的决定唯一要做的事
学生对稀缺预算做分配,「优化」才是正确的框架,而不是「遍历」为你自己的一周重新实现这份 30 分钟契约;先让「未签署权重」的测试跑通
工程师监督是一份接口契约,不是一场评审会议找到你的智能体系统里那个「授予权限」的字段;把它设为仅限人类操作,并给每一个兜底方案打上标签
创始人一个如实报出「2%」的仪表,比一个永远显示绿色的仪表更有价值本周为每条赛道签署一个领先指标;并在旁边写下它的证伪条件
高管自主权应当按行动的后果大小来授予,而不是按团队的热情高低把你的智能体的所有行动按可逆性列一遍;把不可逆的那些挪到签名之后
投资人创始人自己的仪表在「告发」他自己,这对仪表本身来说反而是个好迹象要求看绊线触发日志,而不是路线图

范式、反范式,与运行机制

范式。 先签名,再赋权重。先限幅,再打印结果。给方法署名。把假设预先登记下来,交给代码去检验。先预览,后确认。让审查可以大声地失败。

反范式。 一个用未签名系数来计算胜算的仪表盘。一个滚动到折叠线以下才看得到的提案托盘。一个「人类闸门」,却把每个动作都批准成了条件反射。一个可以在三条赛道里的两条上保持沉默、却没人察觉的传感器——这正是我上线的那个版本。

运行机制。 权限只经由签名向下流动;证据只经由传感器向上流动;二者在一个可审计的求解器里相遇——因为它的输入都经过签署,它的方法也都被明确标注。

第一性原理,一句话说完。 一个由智能体驱动的路线图,能保持诚实的时限,恰好等于「机器唯一做不了的事」仍然是「授予权限」这件事本身的时限。

退出测试

当你能不往回翻页、就答出以下三题时,才可以结束本集。

  1. 一个未签名的权重,其乘数是多少?为什么是这个数? (恰好是1,这样一来,不签名就等于什么都不会改变)
  2. 说出求解器把笔交还给人类的唯一路径。 (触发一次绊线)
  3. 在第 32 天,看板呈现的结果里,哪一部分是设计的缺陷,哪一部分是负责人的缺陷?

现实任务

先拿我自己开刀:本系列的规矩是,每一篇文章都必须改动那块活的看板或它的数据。在下一次周复盘之前,我要签下一个先导指标——财务那一项——并附上它的失败判据:连续三周环比增速低于 12%,说明是报价错了,不是努力不够。第 5 集会汇报我到底做没做。

轮到你了:挑一件你正在“监督”的事,找出授予它权力的那个字段。如果一台机器能设定那个字段,你就不是站在循环之上——你只是个摆设。

接下来读这些

本篇是《The Visionboard》系列第 1 集。文中的论断按类别标注——定义、设计选择、证据、测量、待解问题——厨房这个比喻可以用来引出论断,但绝不能充当论断的证据本身。本系列的资料来源与实时测量数据都记录在代码仓库中的docs/plans/2026-09-06-visionboard-research-dossier.md;文章只能引用该文件里已有的内容。

参考文献

  1. Paul Wu,《Life GPS》 ——代码仓库 github.com/wjlgatech/life_GPS(于 2019-04-25 用 R 语言创建;Python 重写版于 2026-07-06 推送)。2019 年那篇 Medium 文章的链接可在其 README 中找到;Medium 仅面向浏览器提供访问。验证于 2026-09-06。
  2. Benjamin Franklin,《The Autobiography of Benjamin Franklin》,第二部分——十三条美德与每周记录表。公共领域,Project Gutenberg #20203.
  3. Peter F. Drucker,The Practice of Management,Harper,1954——目标管理与自我控制。
  4. Thomas B. Sheridan and William L. Verplank,Human and Computer Control of Undersea Teleoperators,MIT Man-Machine Systems Laboratory,1978——自动化十级量表。
  5. J. Richalet, A. Rault, J. L. Testud, J. Papon,"Model predictive heuristic control: Applications to industrial processes"(中译:模型预测启发式控制:在工业过程中的应用),Automatica 14(5),1978;C. R. Cutler and B. L. Ramaker,"Dynamic matrix control — a computer control algorithm"(中译:动态矩阵控制——一种计算机控制算法),Joint Automatic Control Conference,1980。
  6. Edwin A. Locke and Gary P. Latham,A Theory of Goal Setting and Task Performance,Prentice Hall,1990。
  7. Andrew S. Grove,High Output Management,1983;John Doerr,Measure What Matters,Portfolio,2018。
  8. Ben Shneiderman,"Human-Centered Artificial Intelligence: Reliable, Safe & Trustworthy"(中译:以人为本的人工智能:可靠、安全且可信),International Journal of Human–Computer Interaction, 2020; arXiv:2002.04087.
  9. Anthropic,Building Effective Agents,2024年12月。anthropic.com/engineering/building-effective-agents.
  10. OpenAI,A practical guide to building agents, 2025. PDF.
  11. AWS Well-Architected Framework,Agentic AI Lens — Design principles. docs.aws.amazon.com。逐字引用;抓取于2026-09-05。
  12. Susanne Gaube 等(20位作者),"Keeping an Eye on AI: A Framework for Effective Human Oversight of AI Systems," arXiv:2605.16278,提交于2026-04-09。抓取于2026-09-05。
  13. Shipi Dhanorkar, Samir Passi, Mihaela Vorvoreanu, "Human oversight of agentic systems in practice: Examining the oversight work, challenges, and heuristics of developers using software agents," arXiv:2606.05391,提交于2026-06-03。逐字引用;抓取于2026-09-05。
  14. Margaret Mitchell, Avijit Ghosh, Samir Passi, "AI Agents Push Humans Out of the Loop," arXiv:2608.23642,v1版2026-08-24,v2版2026-09-02。逐字引用;抓取于2026-09-05。
  15. Sayash Kapoor, Benedikt Stroebl, Zachary S. Siegel, Nitya Nadgir, Arvind Narayanan, "AI Agents That Matter," arXiv:2407.01502,2024年——智能体评测必须把成本与准确率放在一起权衡。
  16. 欧盟《人工智能法案》,第14条——人类监督; 实施时间表:附件三高风险义务自 2027 年 12 月 2 日起适用。抓取于 2026-09-05。
  17. 本仓库:lib/gps.mjs(打分、BILP 选择、赔率限幅、tripwire),packages/core/src/goal-edits.ts(智能体的类型化编辑词汇表),components/VisionboardAgent.tsx(预览→确认;拒绝自我评分),content/goals.json(目标、第 32 天状态),.github/workflows/visionboard-review.yml(可以失败的审查)。测量于 2026-09-05,在已提交数据上运行生产环境求解器得出。