问题最初是怎样展开的
我在阅读一篇讨论Data Agent风险的文章时，对其中一个问题产生了共鸣：企业把AI直接接到数据库以后，仍然需要回答数据口径是否一致、结论依据在哪里、谁批准结果发布。早期方案曾经计划把爬取、数据工程、分析、审核和报告全部交给一条Agent流程。继续调研以后，我把产品范围收缩到分析就绪数据进入BI之前的检查与报告过程，让现有分析工具继续完成擅长的工作。
哪些发现改变了原来的方案
CitiBike成为工作台第一次完整的项目复核。初版界面输出了112条重复拒绝，专业词汇也让我很难快速判断问题的实际影响。这个使用过程直接推动新版修改：重复问题合并成总览；普通视图按“发生了什么、影响是什么、下一步怎么办”解释；系统规则、AI解释、人工确认和最终批准分别标明；绿色、黄色和红色状态说明当前结果能否使用。工作台保留专业证据，但普通用户不必先读完整技术报告才能知道下一步。
这个项目处理了哪些具体工作
一个面向分析就绪数据的本地工作台：把模糊需求整理成Spec（任务说明书），根据风险选择探索、标准或治理模式，并按质量检查、分析、审查、AI解释和报告发布留下证据。
我在项目中负责哪些判断
个人产品设计与交付。本人定义使用场景、运行分档、证据规则、中文普通视图和验收标准；AI协助实现与测试。
项目经历了哪些阶段
输入合同
先确认数据是什么、一行代表什么、指标怎么算、允许输出什么，避免AI边看边猜。
任务分档
探索模式快速找方向，标准模式完成日常分析，治理模式为高风险报告保留完整快照和审批。
阶段执行
Quality检查数据，Analysis计算结果，Audit核验证据，AI负责解释，Report生成可阅读报告。
责任分离
明确标注系统规则发现、AI解释、人工确认与最终批准，避免把所有判断都包装成“AI说的”。
普通视图
默认用“发生了什么—影响是什么—下一步怎么办”解释专业输出，证据细节折叠保存。
AI怎样参与这个项目
工具名称只能说明使用过什么。下面记录需求怎样形成、AI承担了哪些工作、我检查了什么，以及项目为什么在当前版本停止。
需求怎样从已有项目开始
我先阅读朋友的HomeWork-PipeLine，并让AI继续查找数据流程、Agent分工和审查机制的开源项目。调研帮助我理解Spec、阶段依赖和执行记录，也让我看见原始设想包含了过多功能。
Codex与ChatGPT-sol怎样参与
Codex主要负责读取代码库、实现FastAPI、SQLite、DuckDB、Jinja2页面、测试和文档；ChatGPT-sol参与产品定位、使用流程和结果解释。我负责确定产品服务谁、哪些阶段保留、每种状态代表什么，以及哪些结果允许导出。
Skill与固定规则怎样进入项目
前端修改会调用界面设计Skill，通俗解释会使用固定的中文表达规则。Skill负责提供可重复执行的检查方法；我根据实际使用反馈继续修改规则，例如要求专业术语第一次出现时立即解释，并为拒绝结果提供具体修改建议。
当前Agent流程实现到哪里
数值检查仍由固定代码完成，AI只解释已经生成的结果。Planner、Analyst、Reviewer和Reporter按顺序处理解释任务。当前版本没有实现多个Agent并行探索，也没有使用LangGraph或独立MCP Server。
项目参考了哪些现有资料
我会先查找能够满足相似需求的项目，再判断哪些方法可以复用、哪些部分需要重新设计。这里只记录已经能够确认来源和实际关系的资料。
86thAuspiciousVerse / HomeWork-PipeLine ↗
参考了Spec提取、阶段执行和审核记录的组织方式。当前工作台聚焦分析输入、质量检查、结果审查和发布，并保留各阶段的证据与责任记录。
这些页面分别证明什么
下面保留项目实际页面和产物。图片可以放大，说明文字标明每张页面在项目中承担的作用。
当前材料能够支持哪些结论
- 稳定分析需要先固定输入、口径、证据和发布边界，再让AI解释检查结果和可能影响。
- 同一套严格规则不适合所有任务；按风险、数据规模与用途分档，才能平衡时间、成本和可信度。
- CitiBike复核证明：工作台能发现实验设计疑点，但复杂判断仍需要人工理解业务后确认。
哪些问题仍然需要更多数据
- 当前是本地求职展示版，不是企业级多用户云平台。
- 工作台接收分析就绪数据，不承担所有繁重的数据清洗工作。
- 它提高的是“结果能否被检查和解释”，不能保证AI自动得到唯一正确结论。