产品

一个人怎么学会做一份工作？不是读完手册。

是做错了被人指出来，然后再做一遍。

而指出错误的那个人，知道一些手册上从来没写下来的东西。

我们的产品都在做同一件事：

把那些没被写下来的判断，变成机器可以被检验的形式。

仿真环境

把网球挥拍练一万次，不等于会打比赛。真正的检验只发生在对局里。

我们构建有状态的工作场景：软件、数据、任务与例外一起运行。每次练习都能重置、回放和检查。智能体在里面完成工作，每一步都会改变接下来发生的事。

账平了，不等于账做对了。把差额塞进悬账科目，试算表照样归零。

我们不只比对标注好的终局状态，还检查不变量——那些在整条轨迹上不能被破坏的约束。同一领域的不同任务，可以复用业务规则，并用证据验证完成质量。

所有人都说自己的判分很严。很少有人告诉你，它曾经被绕过多少次。

我们用已知退化策略攻击验证器，保留第一轮的漏洞、补上的检查，以及再次运行的结果。可执行的案例和检查代码一同公开，让每一个数字都能被追问。

一个资深会计和一个新人做同一笔对账，结果可能一样，过程完全不同。而值钱的是过程。

我们让从业者在环境里工作一遍，记录每一次操作、关键判断的依据，以及在哪里停下来重新思考。轨迹保留返工；专业复核决定它能否进入训练数据。

老师批改作文，不会只在末尾写一个分数。他会在第三段画一道线。

我们把检查落到每一步：操作是否有效，证据是否充分，约束是否被打破。过程判断与最终得分分别保存，为过程奖励模型提供可追溯的监督信号。

同一份方案，五个资深的人会给出五种改法。他们之间的分歧，比他们的共识更有信息。

我们设计独立完成与独立复核流程，把分歧点单独标出来。保留不同判断的依据，再交由领域复核者裁决，让数据呈现专业工作真正困难的部分。

考题只要公开得够久，就会失效。持续更新，是评测的一部分。

我们将评测实例与训练数据分开，按版本保存任务分布、验证器和污染检查记录。季度刷新是评测集的交付计划，每次更新都应附带检查报告。

学会在一种软件里工作，不代表能走进另一家公司，接着把事情做完。

我们的环境路线图覆盖飞书、钉钉、企业微信、金蝶、用友、1688、Shopee 与 Lazada。从本地业务习惯和工作流出发，逐步构建中国及其他非美国软件生态中的训练场景。

一座图书馆要几代人才能填满，但你明天就能走进去读。

教育、营销、办公协作、数学、编程与客服的首批任务已经可以运行。六类环境、十八个场景模板，共用状态、动作、奖励和回放接口，可以接入训练与评测流程。

让智能体学会把真实工作做对。