2026 — 至今
H 平台｜团队 AI 工作助手
在飞书里交办任务，也能跟进结果
独立软件项目 · 产品定义 / 技术方案 / 软件实现
Node.jsSQLiteai-memoryAgent HarnessBubblewrap飞书
做 H 平台，我想让同事在飞书里就能把事情交给 AI，少一些重复说明，也知道任务做到哪了。
系统会积累工作偏好和经验。记忆、知识库里的内容可以查看、修改、分类和设置保留期限；助手设定与长期偏好有冲突时，由用户确认。处理任务前，结合前面的对话，用全文和向量检索找资料，筛选去重后按长度限制交给模型。
我用 Agent Harness（智能体运行框架）管理不同引擎的规则、技能、工具和权限。每个人的凭据与记忆分开，工作方法可以共享。长任务交给独立 Worker（任务执行进程）在后台跑，多人任务统一调度；配置支持热加载，结果保存到待发送队列，收到发送回执后才记为完成。
采用 Node.js、SQLite、ai-memory 和 Bubblewrap 进程沙箱。目前已有真实多用户使用，仍在改进资料召回、任务恢复和结果送达。
一个人 vibe coding 完成，没有团队，AI 是我的手脚。我负责产品定义、技术取舍、软件实现与使用验证。
设计与实现
- ai-memory 结合全文和向量检索；个人知识页可以分类、修正并设置保留期限。
- 召回结合当前问题与上一句原话，经重排、去重和正文摘录后，按注入预算交给模型。
- Agent Harness 接入各引擎的规则、Skills（可复用工作方法）与 MCP（工具连接协议），保留个人配置和权限边界。
- Node.js 将消息接入与 Worker 任务执行分开，Bubblewrap 约束用户工作目录和工具环境。
- 配置支持热加载，维护时选择性重启并等待任务空闲；后台同步错峰，向量模型常驻以减少冷加载。
- SQLite 保存任务和待发送结果；执行结束与结果送达分别记录，便于重试、恢复和排查。
技术：Node.js 接入飞书，ai-memory 做全文与向量检索，Bubblewrap 隔离进程，SQLite 保存任务和待发送结果。
项目进展
已有真实多用户使用，持续改进资料召回、任务恢复与结果送达。