digital-twin

Appearance

Workflow ​

这个文档解释的不是“agent 怎么跑起来”，而是 digital-twin 为什么应该存在。

从 Prompt 到 Harness，再到 Digital Twin ​

如果回看这一轮 AI 工程的演化，会发现 leverage 的位置一直在外移。

Prompt Engineering ​

重点是把一句话说对，让模型在当前任务里表现更好。

Context / Tools ​

模型是否有能力，不只取决于 prompt，还取决于它能不能看到正确资料、调用正确工具。

Skills ​

把高频任务封装起来，把 prompt、约束、模板、参考文档、工具用法组合成一个可复用模块。

Harness Engineering ​

关注点不再是“怎么写 prompt”，而是“怎么设计一个 agent 可以稳定工作的环境”。

Digital Twin ​

继续沿着这条线往前走，但把中心从“某个任务”切到“某个人”。

Core Loop ​

text
User request
  -> understand intent
  -> retrieve prior assets
  -> route to the right capability
  -> execute in the real workspace
  -> write durable output
  -> distill reusable learning

Digital Twin operating loop

这个 loop 的重点不是“让 AI 看起来更像你”，而是让每次高价值任务都进入同一个可复用链路：先读已有资产，再选择能力模块，然后产出文件，最后把新的规则沉淀下来。

Asset Map ​

Digital Twin asset map

digital-twin 不是把所有东西塞进一个 prompt，而是把人的长期资产拆成可读、可写、可复用的文件层：raw notes、wiki、published site、skills、learning notes。这样 agent 每完成一次任务，都能让系统变得更清楚一点。

四个关键设计 ​

1. Retrieval First ​

在做实质工作前，优先读取历史记录和已形成的判断。

2. Capability Routing ​

Digital Twin 先按任务意图路由，再进入对应模块，而不是靠一个巨大 prompt 同时处理所有事情。

3. Write Back ​

真正高价值的结果，不应该只存在于聊天记录里，应该成为文件系统中的资产。

4. Learning Loop ​

任务结束后，提取新偏好和规则写回系统。