第 5 周(2026-08-03 ~ 2026-08-07)
宋红 · AgentOS 编排层 / 端侧语言规划 / Tinker 具身智能创客营教学支持 阶段声明:创客营第二周完成从 Web Coding 到数据标注与模型训练的连续实践;嘲风项目侧推进编排链路可观测性收口
一、本周工作总览
| 日期 | 主题 | 工作内容 | 状态 |
|---|---|---|---|
| 08-03 | Web Coding / AI 编程 | 上午梳理网页编程与 AI 辅助编程内容,下午配合讲解任务表达、代码生成与结果检查 | ✅ 完成 |
| 08-04 | YOLO 识别体验 | 使用网页模型完成剪刀石头布识别训练,协助学生体验样本、训练与识别结果之间的关系 | ✅ 完成 |
| 08-05 | 小车仿真训练 | 配合学生在模拟器中尝试小车训练与操作,协助处理控制逻辑和运行状态问题 | ✅ 完成 |
| 08-06 | 图像数据标注 | 配合使用标注程序处理图像,协助理解类别、目标框与数据一致性 | ✅ 完成 |
| 08-07 | 标注成果训练 | 基于前一日标注结果开展模型训练,协助学生走通“标注—训练—观察结果”流程 | ✅ 完成 |
| — | 嘲风项目 | 编排链路三 ID 审计上下文与跨服务传播边界收口 | ✅ 完成 |
二、关键成果
2.1 Tinker 具身智能创客营:从 AI 编程体验到数据训练闭环
本周继续与徐堃元配合开展「Tinker少年|东畔具身智能创客计划」相关工作。上午主要熟悉和梳理当天课程内容,下午以助教身份配合讲解、操作答疑与基础调试。相较第一周以机器人基础操控和个人 AI 体验为主,本周课程形成了一条更连续的实践路径:先理解如何借助 AI 表达编程任务,再观察识别模型如何由数据产生,随后把这一认识带入仿真小车、图像标注和模型训练环节。
课程推进脉络:
| 阶段 | 实践内容 | 现场支持重点 | 状态 |
|---|---|---|---|
| 01 · 表达 | Web Coding 与 AI 辅助编程 | 引导学生把想法拆成目标、约束和步骤,并检查生成代码是否真正对应任务 | ✅ |
| 02 · 识别 | 网页端 YOLO 剪刀石头布小模型 | 协助学生完成训练体验,对比不同输入下的识别结果,建立“模型效果来自样本”的直观认识 | ✅ |
| 03 · 行动 | 模拟器中的小车训练与操作 | 帮助区分控制指令、程序逻辑和仿真运行状态,避免把所有异常都归因于模型 | ✅ |
| 04 · 数据 | 使用程序完成图像标注 | 协助检查类别选择、目标框位置与标注一致性,理解标注是对任务语义的显式编码 | ✅ |
| 05 · 闭环 | 基于标注数据开展模型训练 | 连接前一日数据成果与训练过程,观察数据输入如何转化为模型输出 | ✅ |
连续性设计:五天内容表面上分别涉及网页、YOLO、模拟器、标注工具和训练程序,实际共同回答的是“如何把一个想法逐步变成机器可以执行或识别的结构”。周一解决任务如何表达,周二让学生看到表达之外还需要数据,周三把模型与行动环境联系起来,周四把图像中的目标转化为可训练标签,周五再用标注结果完成训练。助教支持因此不只处理单个软件的使用问题,而是尽量帮助学生看见各环节之间的因果关系。
现场介入方式:遇到结果不符合预期时,先判断问题处于任务理解、数据质量、程序执行还是运行环境,再给出一个最小检查点,由学生重新尝试。这样既能维持课程节奏,也避免直接替学生完成操作。对于剪刀石头布识别和图像标注,重点放在样本差异与标签一致性;对于仿真小车,则重点区分控制逻辑和模拟器状态,使不同类型的问题保持清晰边界。
现场问题与部署检查记录:结合课程手册中对光照、距离、背景、数据质量和真实运行差异的说明,将本周各环节可能出现的现象整理为可复用检查项。以下内容用于记录现场排查思路;没有形成稳定复现的问题不写成已经解决的系统故障。
| 环节 | 典型现象 | 优先判断 | 现场处理方式 |
|---|---|---|---|
| Web Coding | 页面能够打开,但按钮或交互结果与描述不一致 | 提示词遗漏约束、事件绑定不完整,或生成代码只覆盖了局部功能 | 先缩小为单一交互验证,再逐项补充条件;不直接整段重生成 |
| YOLO 剪刀石头布 | 同一手势在不同位置或背景下识别结果波动 | 样本数量与分布不均,光照、距离、角度或背景变化未被覆盖 | 对比成功与失败样本,补充不同角度和背景的数据,同时清理明显错误样本 |
| 仿真小车 | 指令已下发但小车无动作,或重复运行结果不一致 | 模拟器状态未重置、控制参数不匹配,或动作顺序存在依赖 | 先确认环境状态,再用单动作测试建立基线,最后恢复连续控制流程 |
| 图像标注 | 训练前出现类别混用、漏标或目标框松紧差异较大 | 标注规则理解不一致,类别名称或图像与标签文件未对应 | 训练前抽查样本,统一类别与目标框标准,优先修正会直接污染监督信号的问题 |
| 模型训练与加载 | 训练完成后网页识别效果变化不明显 | 数据配置路径、类别顺序、训练产物或页面实际加载的模型版本不一致 | 分别核对数据入口、训练输出和加载对象,避免把“训练完成”直接等同于“新模型已部署” |
本轮收益与留白:本周完成的是从 AI 编程体验到“数据标注—模型训练”的基础衔接,工作边界仍保持在课前内容熟悉和现场助教支持内。更复杂的小组项目联调与展示问题留到第三周结合真实进展再逐项汇报。
2.2 嘲风项目:编排链路三 ID 审计上下文收口
承接上周“有界会话上下文与安全指代补全”的会话层收口,本周从中选取一项较小但基础性的工作继续推进:为跨服务编排链路建立可关联、可追溯的审计上下文。此前一次用户指令经过 Agent、VLA、Judge 等模块时,各服务日志主要依赖时间戳进行人工对应;当链路包含重试或并发请求时,单凭时间邻近无法稳定还原一次任务的完整过程。
三类标识的语义拆分:
| 标识 | 绑定范围 | 设计作用 | 状态 |
|---|---|---|---|
request_id | 一次入口请求 | 串联一次用户指令从入口到下游调用的处理过程 | ✅ |
session_id | 一段连续会话 | 维持多轮上下文归属,避免不同会话状态相互污染 | ✅ |
task_id | 一次任务派发 | 将同一派发中的多次 attempt 聚合为一个可审计任务 | ✅ |
边界处理:三类 ID 没有合并为一个通用编号,因为“请求”“会话”和“任务派发”的生命周期并不相同。实现上在入口建立请求上下文,在任务唯一派发点绑定 task_id,并通过 HTTP 头向可修改的下游服务传播;日志和响应只消费当前上下文,不要求业务 payload 承担额外的审计语义。对外部传入的标识同时设置字符与长度边界,避免换行符、超长字符串等输入污染请求头和日志。
联调问题记录:
| 问题 | 原因定位 | 当前处理 | 状态 |
|---|---|---|---|
| 多服务日志无法稳定对应同一次用户指令 | 原有服务各自记录日志,缺少跨模块公共关联键;出现重试时仅靠时间戳容易误判 | 在可修改服务范围内绑定并传播三类 ID,使入口请求、会话和任务派发可以分别对账 | ✅ 已收口 |
| VLA / LLM 两个服务的日志仍缺少三 ID | 两个目录属于协作红线,Agent 下发的额外请求头不会被服务内部日志消费 | 保持功能兼容,不越界修改队友模块;将这两跳明确记录为现阶段审计断点 | ⏳ 待协作边界调整 |
未携带外部 ID 的 503 响应头不保证回写 request_id | 同步端点在线程池中持有独立上下文副本,中间件无法读取端点内新生成的 ID | 现阶段保证 Agent 日志仍可追踪;完整修复需改为纯 ASGI 上下文回写,拆为后续独立小项 | ⏳ 已定位 |
三、产出
- 完成 Tinker 创客营第二周助教支持:覆盖 Web Coding、YOLO 剪刀石头布识别、仿真小车、图像标注与模型训练环节;
- 完成嘲风编排链路三 ID 审计上下文的语义拆分与传播边界收口。
四、下周计划
- Tinker 创客营第三周:继续以助教身份配合项目冲刺与现场活动,重点支持真机调试、展示准备和问题复盘;
- 嘲风项目:结合创客营间隙,从 Gateway 能力边界或世界状态接入中择一小项继续推进,不扩张并行工作面。