一个团队的每周工作整理
已有AI账号与培训，但重复工作仍未改变，需要确定资料连接、运营与审核的负责人。
- 需要审核的成果
- 附有进度、待确认事项与依据资料的周报草稿。
- 开始所需条件
- 工作记录、报告格式，以及提供资料和审核结果的业务人员。
- 评估标准
- 持续使用情况、审核时间与连接维护成本。
- 需要人的判断
- 核对报告并决定后续工作。
人与AI，
共同完成工作。
HDATF打造软件引擎，提升人与AI协作的速度和效率，最大化生产力与业务成果。
ATF Works
ATF Works 是日常工作空间。LabChin 将它扩展到研究工作。
从计划到下一步，衔接工作各环节
- 01
规划
从共同目标开始。
将目的、负责人、截止日期和预期成果放在一起。为人与 AI 提供明确的起点。
可付诸行动的计划
- 02
关联
让任务带上背景信息。
查找相关讨论、文档和以往决策，无需让团队反复说明。
开始工作所需的信息
- 03
行动
推进工作。
由人决定下一步。AI 在允许的权限和现有功能范围内，协助准备信息和更新内容。
明确的下一步行动
- 04
记录
记下发生了什么，以及为什么。
将已完成的工作、决策和支持材料关联到任务。减少整理进展报告所需的精力。
保留背景信息的记录
- 05
复用
让下一项任务有积累可用。
让下一位参与者能够查阅有用的记录。在遵守保存和访问规则的前提下，利用已有成果继续工作。
团队可以再次使用的知识
同一基础上的不同角色
提供共同基础， 也将其用于自身工作。
帮助客户连接资料与工具，支持平台导入和运营，也可以讨论将明确的任务交由我们的团队执行。我们计划将同一基础用于自身研究与业务，并将验证过的方法发展为产品能力。范围、专业要求和责任按任务确定。
讨论工作与合作方式从哪项工作 开始合作？
以下是初步讨论的工作示例，并非客户案例。开始前需确认资料、审核人员和工作范围。
一项范围明确的调研任务
调研和初稿反复进行，专家仍需花时间查找依据和修改。
- 需要审核的成果
- 附有来源的分析草稿、待审核问题与缺失资料。
- 开始所需条件
- 客户资料、允许使用的过往成果和公司分析标准。
- 评估标准
- 起草与修改的总时间、来源与结论的一致性。
- 需要人的判断
- 由项目负责人批准对外提交。
准备一份请求的报价审核
等待销售、设计、采购和生产的确认，也需要重新了解历史报价的条件。
- 需要审核的成果
- 客户需求条件、类似报价与技术资料、各部门确认事项及提案草稿。
- 开始所需条件
- 客户请求、历史报价与技术资料的访问权限。
- 评估标准
- 回复准备与审核时间、遗漏的技术条件。
- 需要人的判断
- 确认价格、交期与供货可行性。
审核一项已有记录的质量事件
每次出现不良或投诉，都需要重新收集生产记录、测试结果与工作日志。
- 需要审核的成果
- 相关记录与历史案例、可能原因、待确认事项和报告草稿。
- 开始所需条件
- 生产和测试记录的访问权限，以及明确的资料连接范围。
- 评估标准
- 报告准备与审核时间、重要记录遗漏及结论依据。
- 需要人的判断
- 确认原因、现场措施与出货判断。
比较一个研究问题的候选方案和验证方法
论文、专利和内部实验记录不断积累，但仍难以决定接下来验证什么。
- 需要审核的成果
- 各候选方案的依据与条件、不确定性、优先问题及小规模验证方法。
- 开始所需条件
- 研究问题、现有资料与负责审核的领域专家。
- 评估标准
- 调研与审核总时间、遗漏条件与被错误排除的候选方案。
- 需要人的判断
- 最终研究判断与实际实验责任。
工作全貌。
一目了然。
ATF Works 将计划、项目、记录和沟通汇集到同一工作环境中。AI 在流程内提供帮助，且只能访问各人权限范围内的信息。
当前产品功能
日历
计划与进展，集中呈现。
在同一日历中查看计划任务和已完成的工作。让团队共同了解即将开展的工作和实际完成的情况。
- 计划任务与截止日期
- 已完成的工作与每日日志
- 无需另写进展文档，团队即可了解情况
项目
任务自带来龙去脉。
按负责人、状态和里程碑组织项目工作。在任务看板与整体项目计划之间切换时，始终保留任务的关联信息。
- 列表、看板和时间线视图
- 项目里程碑与负责人
- 与项目关联的文档和知识库内容
助手
AI 基于有权访问的信息提供帮助。
查询权限范围内的工作，整理任务，起草每日日志或知识库内容。助手可执行的操作取决于你所在组织启用的权限和功能。
- 查找相关任务和记录
- 准备进展更新和文字摘要
- 在已启用该功能时安排助手定期任务
不止于看板
- 每日工作日志
- 审批
- 消息
- 共享知识库
- 文档
- 助手定期任务
OPEN
外部智能体集成
把惯用的AI
接入实际工作。
不必把团队的工作限定在某一个AI工具上。通过工作API和命令行工具，为不同的智能体提供所需资料，并把处理结果保留在工作记录中。
执行适配器Anthropic
Claude Code
从工作需求，走到代码实现。
Claude Code在终端和编辑器中运行。它读取项目文件、修改代码，并执行任务所需的工具。
- 工具调用接口
- Terminal / IDE
执行适配器OpenAI
Codex
让编码智能体理解工作的背景。
Codex可以检查代码仓库、编辑文件和运行命令。CLI和SDK提供了将编码任务接入更大工作流程的方式。
- 工具调用接口
- CLI / SDK
执行适配器Nous Research
Hermes
让有用的上下文延续到下一项工作。
Hermes结合工具、持久记忆和可复用技能。它面向持续的工作，而不只是一次编码会话。
- 工具调用接口
- CLI / Tools / Skills
API / CLI扩展Earendil
Pi
按你的工作方式扩展智能体。
Pi是一款可扩展的编码智能体，提供终端、RPC和SDK模式。扩展可以增加工具，也可以调整会话行为。
- 工具调用接口
- CLI / RPC / SDK
API / CLI扩展Prime Intellect
Prime Agent
让代码执行和分析共享同一会话。
Prime Agent在保留状态的Python环境中处理工具和数据。变量与中间结果可以延续到后续步骤。
- 工具调用接口
- CLI / Python
API / CLI扩展DeepSeek
DeepSeek Harness
用需要的工具构建智能体。
DeepSeek Harness以插件组织运行环境。官方界面可查看会话、工具调用和执行记录。目前处于开发者预览阶段。
- 工具调用接口
- CLI / SDK / ACP
开发中HDATF
Pleroma Harness
围绕工作构建的自研执行框架。
执行框架让AI使用信息和工具，并验证结果。的设计方向是让AI选择工作方法、保留工作状态，并根据经过验证的结果改进下一步。
- 工具调用接口
- Desktop
下一个选择，也有连接的空间。
更换工具，不必丢失工作的上下文。只要智能体能调用业务API或命令行工具，就可以扩展连接方式。
连接ATF Works的方式
Claude Code、Codex和Hermes已有执行适配器。Pi、Prime和DeepSeek Harness属于扩展方向，并非预配置集成。每项连接均需配置和验证。产品名称与图片仅用于介绍相应产品，不代表合作关系。
- 工作API与命令行工具
- 工作API让其他程序调用工作功能。经过身份验证的工具可以在授权范围内读取记录、创建或修改工作事项。
- 通过MCP接入获批的外部工具
- MCP是AI调用外部工具的通用协议。工作空间可以加载已获批准的外部MCP服务器中启用的工具。
WORK APP CONNECTIONS
沿用现有办公应用。
在一个页面完成连接。
我们正在扩展邮件、文档、日历和聊天的连接范围。目录列出候选应用，导入前会逐项检查认证、权限及工具执行能力。
候选连接应用（1482个）
共 1482 个，显示 24 个
Gmail
Google Calendar
Google Drive
Google Docs
Google Sheets
Google Chat
Google Analytics
Google Admin
Outlook
One drive
Share point
Excel
Microsoft teams
Microsoft To Do
Microsoft Power Bi
Slack
Notion
Confluence
Jira
Atlassian MCP
GitHub
Gitlab
Bitbucket
Linear
第 1 / 62 页
ZDR
Zero Data Retention
与AI一起工作。
资料保护的标准不变。
HDATF会从导入阶段开始，与您一起明确访问权限、对外数据传输范围和保留政策。先确认哪些资料接入哪些AI，再按照组织的标准设计工作流程。
- 先明确对外传输范围，再建立连接
- 使用外部AI时，工作内容可能会发送到服务之外。导入前，我们会一起确认接收方和资料范围。ZDR限制的是供应商保留数据，并不会阻止传输本身。
- 限制AI供应商保留资料
- 管理员可以在支持的AI连接中启用ZDR（不保留请求和响应的政策）。启用后，请求仅发送至采用该政策的端点。此选项默认不启用。
- 按照访问权限管理工作记录
- 工作数据和对话历史由服务另行保存。资料访问受工作空间权限限制。AI供应商的ZDR设置不会删除这些记录。
查看适用范围
ZDR仅适用于受支持的AI处理。外部工具和个人AI账户各有自己的数据保留政策。导入时，我们会一起确认各项连接的日志与临时存储政策。
ZERO DATA RETENTION
更多AI选择。
一致的数据保留标准。
连接50家提供商的受支持路径，不保留输入和响应。
AkashML
Amazon Bedrock
Azure
Baseten
Cerebras
CoreWeave
Crusoe
Decart
Deepgram
DeepInfra
DigitalOcean
Fireworks
Fish Audio
Google Vertex
Groq
Inception
Inceptron
io.net
Ionstream
Krea
Makora
Mancer
MARA
MiniMax
Mistral
Modal
ModelRun [by Modular]
Moonshot AI
Morph
Nebius Token Factory
NextBit
NovitaAIOpenInferenceOpenInference
Parasail
Perceptron
Perplexity
Phala
Reka AI
Relace
Sail Research
SambaNova
Seed
SiliconFlow
SpaceXAI
Tencent Cloud
Together
Upstage
Venice
Wafer
Z.ai适用于受支持的模型和连接设置。工作记录单独保存。
投入更多时间之前
投入大量时间前， 先核查关键假设。
LabChin旨在减少因未核实假设和重复失误而浪费的研究时间，目前仍在开发中。先找出可能改变研究方向的问题，再从原文核查、简单计算、代码运行、仿真或预实验中选择足以支持判断的最简单方法。
研究判断流程开发中
找出影响方向的假设
检查预期效果是否可行、条件是否匹配、副作用是否抵消收益，以及实验能否区分差异。
选择足以判断的小规模核查
按需选择原文与记录、简单计算、小段代码、仿真或预实验。需要实际测量的问题不能只用AI解释作答。
依据证据更新判断
结合适用条件提出继续、修改、暂缓或建议停止。证据不足时不直接淘汰候选方案，而是保留判断并列明补充核查条件。
留下可复核和复用的判断记录
区分原始资料、AI解读与代码、执行结果、人工修改及批准。记录失败条件和待解问题，供后续工作复核。
积累经验，
让工作持续进化。
ATF Works的下一步是Self-evolving work。我们正在开发一种机制，让AI根据经过验证的结果调整下一步计划，并测试更好的工作方法。
Self-evolving work / 开发中
从已确认的事实开始。
汇集目标、当前记录和相关经验。确定下一步的工作范围，并设定验证结果的标准。
核实实际发生的变化。
检查产出及其在业务中的实际结果。将未完成的部分纳入下一步计划，同时保留已经通过验证的结果。
将有效方法用于下一项工作。
先测试方法是否更好，再重复使用。保留依据和变更记录，让下一项工作从经过验证的方法开始。
让每月报告成为下一次工作的起点。
在开发中的流程里，AI检查本月记录、编写报告，并修正审核发现的遗漏。有效的检查方法经过测试后可在下个月复用，数据则会根据当时的最新记录重新核实。
以上内容介绍我们的开发方向。人负责设定目标并批准重要操作。改进对象是工作方法、记忆和产出，并不意味着AI模型会使用公司数据自行训练。
查看工作改进过程把研究时间，
先用于关键核查。
一个结果，以及理解它所需的背景。
原始数据、参数和执行记录。
关联科研背景信息
关联论文、样本、设备、参数和结果。通过知识图谱记录它们之间的关系，帮助理解结果的来龙去脉。
执行前检查工作流程
组合带有类型定义的低代码模块。在科研流程运行前，检查上一步的输出是否符合下一步的输入要求。
借助说明书连接设备
利用设备文档辅助准备连接模块。每项设备对接仍需结合实际设备及其运行限制进行验证。
从研究中提出下一步建议
将外部研究与以往实验进行比较，提出方法供人工评审。优先复用已有的领域模型。只有确认仍有必要时才进行训练。
结果应附带它的形成过程。
设计实验资料包，将原始文件、设备条件、参数和执行记录汇集在一起。
AI 做准备。
人来做决定。
人设定目标并作出重要决策。AI 协助查找信息、比较方案、整理记录和检查遗漏。我们的工作流程设计要求有重大影响的操作经过人工审核后再执行。
- AI 做准备整理证据和方案
- 人工审核批准或修改
- 已批准的工作执行并记录
持续阅读并积累 AI研究。
从智能体到记忆和机器学习，汇集我们查阅的AI论文，并提供摘要和原始来源链接。
查看论文档案库
论文标题与摘要为英文。按收录编号倒序排列，不代表发表日期顺序。
RAPID: Robot Agentic Programming from Demonstrations
- From a single human demonstration, it automatically inferred the task specification, motion primitives, and verification environment to close the agentic coding loop
ExplorationBench: Measuring AI Systems' Exploration in Verifiable Alien Worlds
- Built AlienCode (31 discovery targets, 70 tasks) and AlienLogic (24 targets, 70 tasks) sandboxes whose executable rules enable exact answer grading
Instrumental Monitor Evasion Emerges Under Ordinary Task Pressure
- Built EvasionBench from 50 task-policy pairs where task completion requires an operation prohibited by the monitor
LLM Agents Can Easily Tamper With Their Own Traces
- In most tested harnesses (Claude Code, Codex, Antigravity, Open Code, Grok Build, etc.), agents actually deleted their own traces
这些是外部研究摘要，并非HDATF发表的论文或产品实测结果。
从一项工作开始，持续运营。
确定委托工作、预算和支持范围，连接所需资料与工具，并共同建立持续检查进度、用量和成果的运营机制。
- 01
选择工作任务
找出一项容易丢失信息，或需要反复梳理相同背景信息的重复任务。
- 02
确定试点范围
就数据、系统对接、参与人员和评估标准达成一致。实施前明确范围和限制。
- 03
运营与改进
检查进度、成果、用量与成本。解决失败问题，将已验证的方法用于下一项工作。
带着问题来。
一起让工作衔接起来。
讨论适合企业业务的平台使用与运营支持，共同确定导入范围、管理职责和费用。
开始交流