CASES & EVIDENCE

拒绝纸上谈兵：先看系统在真实环境中跑通了什么。

这里汇集了 ZUAEF 的现场验证（Field Proof）、基准检验（Passed Proof）、垂直切片（Vertical Slice）与已落地的技术界面。每一项记录均明确标注其证据等级、运行前置条件、核心结论以及不可回避的局限。

一项工程验证的真正价值，不在于其形式看起来多么繁复玄奥，而在于它能帮工程师排除多少盲目乐观与自我欺骗。

查看案例打开 GitHub

Case 01

Telegram → Approval → WordPress

现场验证

Question

来自真实生产渠道的消息，能否平滑接入同一个 Agent 运行时？普通的内部思考与推演保持自主执行；唯有在涉及外部真实副作用时才主动挂起；待人工审批后从原断点优雅恢复续跑，并在真实业务系统中切实产生效用、固化不可篡改的执行收据？

Telegram → Gateway → FDE Agent → WordPress Capability → PausedRun → Human Approve → Resume → WordPress Effect → RunReceipt

现场实际运行记录

真实的 Telegram 交互消息经由网关接入 FDE 运行时。当执行流触及 WordPress 外部写操作时，运行时精准触发审批中断。待操作员完成授权，系统沿原断点恢复执行并顺利完成 WordPress 写入操作。该完整链路已被 FDE 规范确认为首个生产级现场验证（Field Proof 01）。

它证明了什么

生产通讯渠道仅作为交互界面，绝非系统外挂的第二个 Agent 循环
常规的内部推演与草稿起草无需强加繁琐的形式主义人工审批
关键的外部持久化副作用能够被安全挂起、审查与无缝续跑
操作员在审批决策前，能够清晰预览即将向外发出的确切内容与参数
任务全生命周期终结后，留存坚实可复核的运行操作凭证

它没有证明什么

不代表 Telegram 会是最终或唯一的产品交互形态
不代表已完成与所有第三方系统的通用集成
不保证 Agent 在面对任何非标准 WordPress 任务时均能完全自主跑通
不直接等同于已为付费企业客户带来可量化 ROI 的商业案例

它改变了什么设计

现场交互界面严格限定为传输与渲染适配器；外部动作全面复用原生的安全审批与断点续跑机制，坚决拒绝额外造轮子去搞独立的 Bot 编排或外置审批系统。

公开证据

README 中的 Gateway Proof Continuation 源码 Effect Policy 源码

Case 02

跨轮次业务上下文传承

已通过验证

Question

智能体能否在不依赖隐藏暗提示、不把上一轮推演试错误当成既定事实的前提下，持续稳健地复用真实客户与项目上下文？

场景

第一轮：客户反馈原方案过于模板化，要求结合历史客户背景与材料定向重写，且严格隐去价格敏感信息以备内审；第二轮：客户继续指出“行文语气仍有 AI 痕迹”，要求在完整保留既有客户背景的基础上再次润色。测试 Harness 将多轮对话深度绑定至真实业务案例（Case），并通过生产级 Gateway 与 Profile 接口真实跑通。

Harness 捕获的证据

Conversation Identity
Bound Case Identity
初始与加载后的 Model-visible Tool Surface
Invoked / Dormant Domain
Case Reads / Writes
Material References
Artifact
Prior-history Continuity
后续 Customer Delivery 的 Approval 行为
Run Receipts

这次证据支持什么

多轮会话标识能够与具体的业务 Case 身份建立确定性绑定
核心业务约束与客户背景能够跨越轮次精准传承，无需无脑重塞全部历史
试错轨迹与客观业务事实保持物理隔离，避免幻觉在轮次间污染
内容创作产物能够即时呈现在当前用户界面，而绝不误触发对外交付

这次证据不支持什么

不代表通用场景下的终极长期记忆问题已彻底攻克
不保证在极端无限长度的对话下信息无任何语义损耗
不声称已在真实付费客户侧达到完美的质量满意度
不强制所有业务领域均套用单一固化的 Case 结构

它改变了什么设计

持久业务信念、会话连续性与底层操作轨迹保持三权分立，坚决拒绝将其囫囵吞枣地塞进单一超长 Prompt 或单点状态字段中。

公开证据

双轮 Proof Harness

为什么重要

业界多数所谓的“记忆 Demo”，仅仅是将历史聊天记录机械拼接回 Prompt。本项验证直面更本质的工程难题：如何在完整保留宝贵业务连续性的同时，严格隔离持久业务事实（Durable Situation）、运行轨迹（Trajectory）与外部交付语义。

Case 03

写作场景下的精准上下文传递

已通过垂直切片

Question

运行中的 Agent 能否通过专业能力主动汲取所需的真实写作素材与证据支撑，而非只能依赖宿主环境在运行前喂入一个精心编排的完美 Prompt？

Agent → Writing Capability → Material / Knowledge / Evidence Access → Claim Check → Saved Artifact → Receipt

当前仓库记录

当前代码仓库已将跨测试套件的独立上下文传递验证（Context Delivery Proof）标记为通过（PASS）。真实 Agent 能够通过写作能力自主调取源材料与关联上下文，并持久化生成最终成果文件（Artifact）与运行凭证。

它证明了什么

业务上下文支持按需渐进式装载与渐进披露（Progressive Delivery）
专业写作领域逻辑能够平滑复用统一的核心架构缝隙
信息检索与素材筛选的认知负载能够切实下放给模型分担
最终成果物与客观执行凭据，与模型的主观口头陈述完全解耦

这次证据不支持什么

不代表调用工具的频次越多，生成的文章品质就必然越高
不代表向 Prompt 机械灌输技巧提示词就一定能提升产出水准
不代表存在某种可以一劳永逸硬编码的万能写作流水线
不宣称已彻底替代专业人类编辑的最终把关能力

它改变了什么设计

将上下文传递与产物存证同人类实际写作质量评估明确解耦；写作技巧类实验严格收敛在研究板块，唯有其实际提升人类偏好得分时，才沉淀为标准能力。

公开证据

README 中的 Passed Slice Writing Case 源码

仍然没有解决的问题

上下文传递链路验证通过，绝不代表每一篇文章都能达到顶尖文采。行文节奏、总结意图、技法取舍、文字质感与人类专家的审美偏好，依然需要独立的专业评价体系。

Case 04

Agent Console：让复杂运行轨迹清晰可核查

已实现技术表面

Question

长耗时且跨步骤的复杂运行过程，能否作为完整的执行轨迹被透明审查，而非被粗暴折叠为聊天框里的最后一条消息？

已实现技术表面

Agent Console 全面集成了 Run 运行列表、权威状态投影（Run Projection）、单步执行轨迹、事件审查器、产物抽屉，以及由服务端失效驱动的实时跟随，并支持回溯查看历史事件时自动冻结跟随的防抖动机制。

Server-Sent Events 仅充当轻量变更通知信标；服务端状态投影始终保持权威，坚决不引入第二套混乱的前端时间线数据源。

这次证据支持什么

底层枯燥的执行证据能够被直观投影为人类友好的运维审计界面
操作员能够随时从最终产物一键下钻至具体的单步执行轨迹
前端界面严格保持服务端权威状态投影的一致性

这次证据不支持什么

Run Analysis 深度运行分析仍在积极工程开发中，尚未完成交付
当前 Console 属于技术控制面，不等于全功能人机协同工作台 (Human-Agent Workbench)
不宣称某种可视化界面能自发改善大模型底层的业务决策质量

它改变了什么设计

运行检查继续建立在持久化执行事实上。Run Analysis 保持为单独标注的下一层，不从 Timeline UI 暗示为已完成。

公开证据

Console View 源码 Console Components

每一项严谨的工程验证，都必须完整穿透四个层面。

Input（现场输入）

操作员或外部环境实际给出了怎样的指令与边界材料？

Decision Path（决策路径）

哪些行为出自模型的主动推演，哪些属于宿主环境的确定性规则？

Effect（真实效用）

究竟沉淀了什么产物、引起了何种状态流转，抑或在外部系统中触发了哪些实际动作？

Evidence（客观凭证）

在任务结束后，能够依托哪些持久化记录与收据来复核这条结论？

若缺失其中任何一层，该结果或许仍具实验参考意义，但绝不应被轻易冠以“完整现场验证（Field Proof）”之名。

真实的工程检验，不是自欺欺人的跑分表演（Benchmark Theater）。

严谨的验证完全允许证明失败。在真实工程中，以下结论同样具有极高价值：

大模型在特定情境下选调了错误的工具能力
上下文过度膨胀导致推演质量断崖式下跌
工具调用循环（Tool Loop）陷入无意义的重复空转
某些主观设定的写作规则反倒让输出文本显得更加僵化
一个潜在高危的外部写操作被安全策略成功拦截挂起
新增加的一整套华丽架构并没有为最终交付物带来可度量的提升

我们的目标是让系统的每一个行为都具备可证伪性，而不是把每一次摸索都包装成皆大欢喜的成功战报。

证据支持到哪里，结论就严谨地书写到哪里。

深入阅读当前架构查阅前沿工程研究