公开构建中的一人系统
把知识、工具和 AI 接成一套一个人的工作系统
这里公开展示一套正在运行的一人系统：Distill 负责知识蒸馏，Technical Knockout 负责架构参考，Agent Workflow 负责把判断变成实现、验证和沉淀。它持续产出产品原型、方法沉淀和可回看的构建记录。
内部知识 Distill
把输入蒸馏成可复用知识资产
外部样本 Technical Knockout
给 coding agent 提供架构参考坐标
执行系统 Agent Workflow
把研究、实现、验证和沉淀接成闭环
CORE SYSTEMS
我在构建什么
Distill 管内部知识，Technical Knockout 管外部样本，Agent Workflow 负责执行与闭环。三者一起把研究、判断和实现接成长期运行的工作系统。
🧪 内部知识系统
Distill · 知识蒸馏塔
把来源、项目、概念、决策、约束和输出接成可维护的知识运行层。AI 负责整理，人负责判断。
- 对象有清晰类型与生命周期
- 流程强度按风险分层
- 输出会持续回流成可维护资产
🥊 外部样本层
Technical Knockout · 架构与实现参考库
把优秀开源项目拆成可复用的架构模式、实现路径和 trade-off，作为下一次构建的外部参考坐标。
- 持续拆解优秀开源项目并抽取可复用模式
- 五层拆解定位、架构、质量、社区与决策
- 为下一次构建提供更快、更稳、更有方向的参考
🤖 执行系统
Agent Workflow · 一人执行系统
把探索、编码、验证和知识沉淀接成可重复的执行闭环，让这套系统真正持续产出。
- 多 agent 协同推进复杂任务
- 研究、实现、验证、沉淀形成闭环
- 把系统能力转成产品、文章与可复用流程
RUNNING OUTPUTS
这些系统，已经跑出了什么
下面这些作品，是这套系统当前最清晰的外部证据。
代表作 / 产品
distill-vault · Distill Runtime
把蒸馏塔变成真正可运行的知识底盘：图数据库、混合搜索、社区发现、MCP，以及面向 Hermes / Codex / Claude 的平台差异化 Skill 分发。
97/97 tests3 platform renderers
能力扩展实验
Build Your Own X · 用 AI 协作重学计算机系统
把复杂系统拆成持续学习与可交付输出，借助 AI 协作，把复杂能力一点点变成可理解、可复用、可交付的资产。
每日学习实验README + 学习卡
过程公开层
公开构建 · 过程与判断归档
持续归档系统演进、产品尝试与关键判断，为后续构建保留可回看的过程上下文。
7 篇记录持续更新
WORKING PRINCIPLES
我怎么工作
系统先于单点效率
每次构建都要回流成规则、知识或可复用资产，否则速度只是一时加速。
人负责方向，AI 负责放大
AI 处理整理、生成、并行推进与验证，人承担目标、边界、取舍和最终责任。
研究直接服务实现
无论拆解开源项目还是整理知识，最终都要为下一次产品构建提供更快、更稳的起点。
ABOUT
BUILD LOG
最新构建记录
系统演进、产品尝试、架构判断与 AI 协作实践，都在这里持续归档。
- 从 Grill 到 Goal：AI 编码的完整工作流AI 编码真正的变化，不是模型更会写代码，而是工作流从一次性 prompt 走向可对齐、可托管、可验证的工程任务。Grill 负责想清楚，Goal 负责跑到底。
- 知识库应该是 runtime，不是 storage当 AI 开始参与检索、分析和执行时，个人知识库需要的不是更多存储，而是一套可编译、可检查、可影响分析的运行时。
- Compound Engineering——让每一行代码都产生复利传统开发是债务累积，每加一个功能就增加复杂度。Compound Engineering 反转这个趋势：每次改动都让下一次更容易。这是 Every 团队用 50+ Agent 和 38+ Skill 跑出来的工程方法论，也是我个人最看好的 AI 协作方向。