让 agent 有上下文、有参考、有验收，也知道什么时候该停
这里公开展示一套正在运行的 AI 编码工作系统：Distill 提供上下文和记忆，Technical Knockout 提供外部架构参考，OpenNori 提供验收契约，Agent Workflow 负责把判断变成实现、验证和沉淀。
把输入蒸馏成可复用知识资产
给 coding agent 提供架构参考坐标
让目标、证据和完成判断可审阅
把研究、实现、验证和沉淀接成闭环
我在构建什么
Distill 管内部知识，Technical Knockout 管外部样本，OpenNori 管验收契约，Agent Workflow 负责执行循环。四者一起把研究、判断、实现和完成确认接成长期运行的工作系统。
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
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
OpenNori · 人能判断完成
把自然语言目标变成验收标准、当前缺口、证据和完成报告，让 agent 推进，但让人保留完成判断。
- 先定义什么叫完成
- 每次只推进一个验收缺口
- 证据和用户决策分开
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
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。
AI 编码缺的不是计划，而是验收
这篇文章解释了 OpenNori 背后的思想：AI 编码需要补上的不是更长的计划，而是人能判断完成的验收契约。
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。
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。
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。
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。
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。当前主线是 OpenNori 背后的验收思想。