平台演进：推动团队从低代码 DSL 转译转向大模型直出原生代码，并将运行环境升级为沙箱服务，完成从单一 Web 生成工具到多应用类型 AI 创作平台的能力扩展。

Agent 核心能力：主要负责 Agent 能力建设，设计 Plan Mode 分步规划与审批、Tool Calling 等复杂任务编排机制；建设错误知识自动入库与召回链路，使 Agent 在相似故障中复用修复经验，并持续跟踪纠错效果与 Token 消耗。

沙箱服务与运维：负责 Agent 沙箱及 Harness 环境的建设与维护，打通环境初始化、隔离执行、状态保持和资源回收链路；设计 Workspace LRU 调度机制，兼顾执行隔离、资源利用率与多用户使用场景。

数据度量与工程优化：为 Agent 能力与沙箱链路建设统一埋点和数据看板，持续观测首 Token 响应耗时 P50/P90、沙箱执行性能及自我纠错机制效果；通过数据定位链路瓶颈、验证优化收益，让能力建设从经验判断升级为可量化、可验证的工程迭代。

小程序生成（独立负责）：从 0 到 1 建设小程序生成能力，基于 Taro 统一微信与支付宝双端构建链路，并打通两端小程序提审流程，使 Agent 生成结果能够直接进入平台审核与发布环节。

Agent 工程：围绕 Go 框架扩展多渠道接入与会话能力，结合长期记忆和 Skill 完成复杂任务；针对搜索失败及重复重试设计 fallback 与止损规则。

运行观测：建设独立 Go Observer，标准化采集运行事件与 Token、上下文压缩等数据，并在管理后台查看健康状态、定时任务与记忆。

产品与安全：连接 Web/PWA、独立身份服务与后台管理，通过 Docker、Nginx 等完成服务部署；将凭据、业务数据和运行服务隔离，并建立故障排查机制。

学习产品：支持 EPUB / PDF 阅读、分组拼写练习、答案校验与学习进度；以书籍和原句为内容来源，保留来源与学习记录的关联。

本地模型与成本控制：将本地部署的 RapidOCR（PDF OCR）、spaCy（分句与词性分析）及离线 ECDICT 词典作为工作流节点；优先复用原书译文和历史缓存，仅将缺失翻译与语境词义送至在线 AI。结合组批与输入输出预算控制调用范围，减少不必要的 Token 消耗，并保留用量记录用于核算。

任务与质量控制：以 backend / worker 分离执行，记录节点事件和处理结果；通过来源与结果缓存、幂等键及可恢复的阶段状态减少重复处理，校验通过后再发布内容。

内容闭环：通过定时任务安排选题、安全检查及周度复盘，使用状态记录与幂等标识串联草稿、审查、发布和指标采集；发布后核验实际结果，避免不确定状态下重复提交。

安全边界：文本先过确定性脱敏与敏感信息阻断，再独立检查图片、来源和语义风险；评论视为不可信输入，遇到验证码或平台风控立即停止。

互动治理：围绕自有内容的通知与评论设计低频处理、去重、回复候选筛选和频率控制；将自动化互动纳入与发布一致的安全审查与运行记录。