背景

很多 AI 功能一开始只是一个提示词输入框。这对 Demo 有用，但不足以支撑需要多步骤、工具调用和人工审核的真实工作流。 这个作品描述的是一个 AI 工作流控制台：让操作者能看到系统正在做什么、使用了哪些上下文、调用了哪些工具，以及任务在哪里可以重试或回滚。

产品目标

• 让长任务可见，而不是黑盒。
• 区分用户意图、检索上下文、工具输出和最终响应。
• 在重要动作前提供清晰的人工审核点。
• 按步骤记录延迟、成本和错误状态。
• 让失败任务可检查，而不是只显示通用错误。

工程形态

系统围绕 workflow run 组织。每次运行都有长期目标、步骤记录、工具调用记录、模型元数据和紧凑审计轨迹。 前端关注状态、时间线和审核动作。后端负责编排、重试、权限和持久化。AI 层只接收下一步真正需要的上下文。

关键决策

• 使用结构化步骤状态，而不是自由文本日志。
• 让工具契约严格化，方便区分 Schema、权限、上游或模型问题。
• 保留足够的调试轨迹，同时避免敏感提示词泄露。
• 对不可逆操作优先使用明确的人工确认。

体现什么

这个作品代表我关注的 AI 工程：不只是调用模型，而是构建让模型真正可用、可检查、可运营的外围系统。