本文是 AI Mind 项目 v0.2.0 的工程复盘，重点介绍如何将受控的 Tasklist Agent 从手写 Runner 迁移到 LangGraph 的状态图编排。Tasklist Agent 的核心功能是根据用户指定的版本方案文档生成开发任务清单草稿，具有严格的输入输出边界（必须引用文档、最多修正一次、不直接写文件）。作者通过 LangGraph 的 StateGraph、node 和

本文介绍了AI Mind项目v0.1.1版本中Tasklist Agent的改进设计。该版本在原有固定流程基础上，新增了一次受控的规划决策（Planning Decision），让模型在5类安全动作中选择下一步，包括继续生成、补充上下文、澄清问题、带复核继续或停止。通过方案就绪度判断、动作白名单和状态机三层控制，既增加了灵活性，又严格限制了资源权限、工具权限和循环权限，确保系统边界清晰可控。这种设

本文是 AI Mind 项目 v0.2.0 的工程复盘，重点介绍如何将受控的 Tasklist Agent 从手写 Runner 迁移到 LangGraph 的状态图编排。Tasklist Agent 的核心功能是根据用户指定的版本方案文档生成开发任务清单草稿，具有严格的输入输出边界（必须引用文档、最多修正一次、不直接写文件）。作者通过 LangGraph 的 StateGraph、node 和

本文介绍了AI Mind项目v0.1.1版本中Tasklist Agent的改进设计。该版本在原有固定流程基础上，新增了一次受控的规划决策（Planning Decision），让模型在5类安全动作中选择下一步，包括继续生成、补充上下文、澄清问题、带复核继续或停止。通过方案就绪度判断、动作白名单和状态机三层控制，既增加了灵活性，又严格限制了资源权限、工具权限和循环权限，确保系统边界清晰可控。这种设

本文基于 AI Mind 项目实践，记录第一个受控 Tasklist Agent 的设计与实现过程。这个 Agent 不是通用自动执行器，而是一个边界明确的任务清单生成 Agent：用户通过 /tasklist + @docs://versions/*.md 显式引用版本方案，系统读取方案后生成任务清单草稿，并通过结构校验工具保证输出格式稳定。

本文介绍了AI Mind项目中"生成交付计划"功能的智能体协作机制设计，重点讨论了如何确保多智能体协作结果的可靠性。文章提出三个核心设计决策： 结构化输出验证：每个智能体的输出必须通过严格schema校验，确保机器可解析且边界明确，Markdown正文仅用于展示。校验失败时仅提供一次修复机会，避免无限重试。 硬编码安全规则：关键业务规则（如评审流程完整性、阻断状态不可覆盖）由运行时强制校验，不依赖

本文介绍了AI Mind项目v0.3.0版本中实现的HITL（Human-in-the-loop）功能，重点阐述了如何将人工审核环节整合到Agent执行链路中。文章首先解释了HITL的核心价值：在关键节点暂停Agent执行，允许用户进行受控决策后再恢复运行。随后详细描述了v0.3.0的具体实现方案，包括策略必审和修订条件审的双审核点设计，以及从暂停到恢复的完整执行链路。文章还分析了各层级的职责划分

本文介绍了 AI Mind 项目 v0.4.10 版本对可恢复流式 AI 交互的改进。传统流式请求在网络中断后难以避免重复执行，该版本通过引入幂等键、事件日志和状态追踪机制，将一次用户请求转化为具有稳定身份、可观察且可恢复的执行单元。核心方案包括：1) 通过 Idempotency-Key 实现请求幂等；2) 设计带顺序编号的事件信封协议；3) 持久化存储执行状态与事件流；4) 支持断线后从最后确

本文分享了AI Mind项目从理想化全自动部署到实际调整的演进过程。作者最初计划采用GitHub Actions + GHCR + 服务器拉镜像的全自动化方案，但在实践中遇到腾讯云拉取GHCR镜像不稳定、GitHub Actions连接服务器SSH超时等问题。最终部署方案调整为：GitHub Actions负责CI和镜像构建推送至腾讯云TCR，本地脚本控制服务器部署，生产环境变量由本地维护。文章重

做完 v0.2.1 后，我对“AI 应用接入多个模型”这件事的感受更明确了。Ollama 调一次DeepSeek 调一次Qwen 调一次前端只能传 modelIdModel Catalog 是服务端事实源模型列表接口只暴露公开模型信息路由入口先校验 modelIdProvider Runtime 统一创建模型普通聊天和 /tasklist Agent 共用模型入口密钥只在服务端读取Provider