本文介绍了一个基于Spring Boot的多阶段AI评测流水线系统架构设计与实现。系统采用模块化设计，将评测流程拆分为数据生成、内容生成、量化评分和报告产出四个阶段，通过消息队列实现异步通信。架构上分为API层、服务编排层和执行器层，支持多AI模型集成、动态配置和断点恢复。系统使用RabbitMQ进行任务分发，通过守护线程监控任务状态，并采用多级缓存优化性能。该设计实现了AI评测任务的流水线化处理

文章摘要： 本系列介绍Agent Harness三大核心能力：持久化(s07)、异步执行(s08)和多Agent协作(s09)。其中s07持久化任务系统通过将状态外化到文件系统（以JSON文件存储任务信息），解决LLM上下文窗口限制导致的工作进度丢失问题。系统采用blockedBy机制管理任务依赖，任务完成后自动解除相关阻塞。设计强调简单性（文件系统作数据库）、无锁安全、重启耐久和Unicode支

learn-claude-code项目构建了一个渐进式演进的Agent任务规划系统，从基础的内存待办清单（s03）发展为支持持久化存储的任务图系统（s07）。系统采用三层架构设计：用户/主Agent层提出目标，任务规划系统进行目标分解和依赖分析，任务执行系统负责工具调用和子Agent调度。核心特性包括：1）内存待办清单的单任务执行控制；2）JSON文件持久化存储的任务依赖图（DAG）；3）环境隔离

前后端交互之"门户"技术

嵌入 (Embeddings)：是一种将文本、图像等数据转换为高维向量空间中的数值向量的技术。这些向量表示了数据的语义信息，语义相近的数据其向量在空间中的距离也较近。角色：嵌入是许多AI应用的基础，特别是语义搜索和检索增强生成（RAG）。在RAG中，文档被转换为嵌入并存入向量数据库；用户查询时，查询文本也会被转换为嵌入，然后从向量库中检索出最相似的文档片段作为上下文提供给LLM，从而生成更准确的答

嵌入 (Embeddings)：是一种将文本、图像等数据转换为高维向量空间中的数值向量的技术。这些向量表示了数据的语义信息，语义相近的数据其向量在空间中的距离也较近。角色：嵌入是许多AI应用的基础，特别是语义搜索和检索增强生成（RAG）。在RAG中，文档被转换为嵌入并存入向量数据库；用户查询时，查询文本也会被转换为嵌入，然后从向量库中检索出最相似的文档片段作为上下文提供给LLM，从而生成更准确的答