不同模型和 Agent 任务的执行协议、运行环境与指标格式并不一致。这个项目通过配置驱动的方式统一管理数据、模型、Agent、环境、指标和评测任务，让预测评测、代码修复 Agent 与多轮对话 Agent 能进入同一套执行流程。
我参与 Agent 评测主流程和外部评测任务接入，负责统一 ReAct、Function Calling、环境租约、验证执行、产物落盘与结果评估，并完成不同执行模式和外部评测框架之间的协议适配。
- 评测主流程：串联 Agent 推理、工具调用、环境租约、验证执行、产物落盘和结果评估，形成端到端评测闭环。
- 双模式调度：根据任务选择内置 Harness 或外部 Agent 执行，并统一执行协议与结果格式。
- External Harness：将 Harbor 等外部评测框架的配置转换、Job 启动、进度观测和结果整理接入平台。
- 任务适配：为 ForecastBench、Tau2 等任务补充配置适配，覆盖预测评测、代码修复 Agent、多轮对话 Agent 和指标统计。
- 统一 ReAct 与 Function Calling 的执行链路，使不同 Agent 交互方式共享环境、验证和结果处理能力。
- 将环境租约纳入任务生命周期，集中处理评测环境的获取、使用与释放。
- 设计内置 Harness 与外部 Agent 双模式调度，减少不同执行方接入时对主流程的侵入。
- 通过 External Harness 对接 Harbor，统一外部任务的配置转换、启动、进度观测与结果整理。
- 完成 ForecastBench、Tau2 等任务适配，使不同任务类型以一致的配置和结果格式进入平台。
Python、ReAct、Function Calling、External Harness、Harbor、ForecastBench、Tau2相关项目
金融助手长期记忆服务
面向投顾类 AI Agent 的长期记忆服务，支持结构化写入、跨轮召回、状态过滤、审计回放与删除治理。 Ksmart
企业级 RAG 智能知识库平台，覆盖多格式文档解析、异步入库、混合检索、权限控制和 AI 流式问答。 MYDB
从零实现的轻量级关系型数据库，覆盖页式存储、缓存管理、B+ 树索引、WAL、事务隔离、SQL 解析和 C/S 通信。