Agent 与自动化AI 资源

State：维护可信项目状态理解的人机协作系统

pedringt/ai-learning · Applied AI product portfolio featuring State, a human-in-the-loop system for maintaining trustworthy project understanding.

GitHub原文发布未知首次收录 2026-09-30上架 2026-09-30 07:01

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

State 是一个“维护项目理解”工具，用于持续保存项目当前视为真实的事实，而不是每次提问都从项目历史中重建理解。其核心规则是“AI 解释、软件执行、人授权”：Evidence 作为不可变的原始记录，AI 只能提出解释或变更建议（Reviews），Current State 的变更必须经过人类明确授权，并以原子方式更新 Current State 与 History；Ask 提供只读的综合问答，始终区分已接受事实、待审提案、开放问题与证据。项目包含 FastAPI 后端、前端原型、SQLite/Postgres 迁移、确定性测试、浏览器 QA 与部署流程，并支持 Slack 集成，属于应用型 AI 作品集与学习产品。

# 评测与安全 # human-in-the-loop # agent-tools # AI 产品管理 # 决策系统

核心能力与快速开始

★ 0 · Python

能做什么: 以 Evidence、Current State、Reviews、Questions、History、Ask 六个对象维护项目理解；AI 生成解释与变更提案，经人类授权后原子更新状态与历史；版本检查使过期提案失败关闭；Ask 提供带权限感知的流式问答、追问与取消，且不直接修改记录，不下沉未决提案或不确定性为既定事实；支持项目切换、Evidence/Notes 录入、Question 创建/关联/解决、Current State 项目 wiki、决策前后来源追踪、设置中的项目规则，以及 Slack 外部集成的频道录入与分享。
适用场景: 用于在 AI 辅助的项目理解场景中保持事实与提案的边界：团队可以用它维护当前项目事实、提交证据与笔记、审阅并调整 AI 提案、记录开放问题并回溯变更来源；通过 Ask 只读地综合已维护的项目上下文；借助 Slack 集成在频道中收集与共享信息；也可作为作品集演示与产品/评测工作流练习的载体。
项目形态: 可直接使用的工具
部署方式: 文档给出本地运行方式：后端使用 state-project-complete 目录、创建虚拟环境、安装 requirements 并设置 DATABASE_URL、STATE_PROVIDER、ANTHROPIC_API_KEY 等环境变量后通过 uvicorn 启动；前端 index.html 可直接以 file:// 打开或设置 window.STATE_API_BASE/data-api-base 指向本地后端。生产/预发布通过 Vercel 与 Render 部署，后端支持 SQLite 与 Postgres，迁移在启动时自动运行。实际部署成本、模型 API 费用与配额未说明。
主要依赖: Python 3（使用 python3 -m venv）、pip 与项目锁定的 requirements；后端依赖 FastAPI/uvicorn 与所选模型提供方（示例为 anthropic）的 API Key；运行本地 QA 需通过根目录 Makefile 的 qa-bootstrap、qa-fast、qa-release 等目标准备依赖；前端为可直接打开的 HTML 文件，无需构建。具体版本要求、硬件与系统限制未说明。
使用限制: 项目定位为作品集与学习产品，不是计划中的外部试点或客户推广；不是多租户生产 SaaS，认证与组织能力不在范围内；不使用向量数据库或通用 Agent 架构；前端保留若干历史命名的补丁文件，清理可能引入回归；project_areas.id 仍为全局键而非按项目隔离，扩展项目模型前应重新设计；模型/提供方行为可能漂移，重大模型、提示或配置变更应配套评测证据；延迟与模型成本是产品维度但具体数值未说明；Schema 合法输出仍可能在语义上出错。
许可证: 未说明
最近推送: 2026-09-30 04:53

官方入门项目文档核对 README 依据 ↗

资料检查：2026-09-30 07:00 · 卡片整理：2026-09-30 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

相似资源

Juno PM：将 P0 升级线程转化为可一键审批的优先级草稿的 AI 产品管理项目

Juno PM 是一个 AI 产品管理认证的结业项目仓库，围绕"Juno"这一 AI 产品概念展开：一个能把 #escalations 中的 P0 升级线程自动读取策略一页纸与近期工单，并生成带引用与置信度评分的优先级草稿的 Agent 工作流，草稿只有经 PM 点击确认后才会写入 Jira。仓库以文档为主，包含各模块产出物：系统提示词、构建/购买/微调决策矩阵、AI 策略一页纸、含检索需求的 AI PRD、AI 原生用户流程与信任缺口缓解、Agent 工作流规范（AWSpec）与 Agent 控制面板、分层评测栈与人工评测评分表，以及 PM 执行计划（迭代排期、监控指标、红线与治理）。

Simple Jev：把开放模型变成结构化分类与评分端点

Simple Jev 让兼容的开源模型（如 Hugging Face 上的 Qwen、Gemma、Laya 系列）无需额外训练分类头即可用于结构化分类与评分。请求包含共享上下文（state 或 messages）和若干问题，服务端读取模型在候选标签上的 next-token logits，自行构造 JSON 响应，返回 choice（多选一）、score（量表打分）和 noul（真值/支持度判断）三类结果，输出不依赖模型生成文本。项目包含基于 Hugging Face Transformers 与 PyTorch 的本地服务、供其他推理实现复用的 Python common 规则模块、以及带 JevBench 打分、文本/决策与视觉套件、提示格式搜索的评测框架。

Ship Sense：按产品判断力对前沿大模型排名的评测基准

Ship Sense 是一个针对前沿大模型的评测基准，用 82 个来自十年真实产品决策的私有案例，衡量模型在“何时该停下来”上的产品判断力，包含克制（该做、该延后还是该砍掉某个功能，以及 AI agent 可自主行动到何种程度）、诚实（指出数据局限而不编造结论、也不否定数据支持的结果）、坚持（在压力和弱证据下守住判断，并在出现真实证据或对方有道理时改变判断）三个维度。评分采用确定性的关键词匹配而非 LLM 评委，并给出对抗性策略与随机策略的可利用性下限；仓库还维护模型排行榜、代际对比与得分历史。

rigshare-mcp：让 AI 智能体检索与预订工程机械及机器人和 AI 硬件租赁的 MCP 服务

rigshare-mcp 是 RIGShare 的 Model Context Protocol 服务器，向 Claude Desktop、Cursor、VS Code 等兼容 MCP 的 AI 智能体暴露 20 个工具：4 个无需鉴权的只读工具可搜索和查看工程机械、Robotics & AI 硬件租赁信息，16 个需 RIGShare API Key 及相应 scope 的工具支持预订、发布与管理设备列表，以及在已确认订单上启动、查询、延长和结束远程会话。涉及付款的操作由服务器计算金额、由真人完成支付与审批，智能体不代填卡号、不代批请求、不代替完成 MFA。项目还包含面向设备所有者的入驻介绍工具。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。