AI 产品，依靠扎实的工程实现。

完成整个用户流程。

用户能否完成任务，并在之后继续？

有用的 AI 产品需要连贯的界面、API、数据模型与状态转换。Knolume 让 Interview 的练习流程和 Finahead 的账本流程各自完整，同时共享账号与执行基础设施。

明确每个执行边界。

Agent 能做什么，由谁决定？

模型提出操作只是执行过程的一部分。Knolume Runtime 将 Agent 循环、工具校验、安全检查与取消同产品策略分离；Agent OS 则展示其外围的引擎与持久化任务编排层。

先测量，再增加复杂度。

增加检索阶段，是否真的改善结果？

作品集中的 24 条合成查询比较了 BM25、向量与混合检索。本轮向量检索的 MRR@5 高于混合检索。这是有用的诊断结果，但样本较小且由人工编写，不能据此推断生产准确率。

让结论对应具体证据。

哪个需求，在什么版本上得到了验证？

测试通过、需求验收与系统发布是不同事实。TestKit 记录范围与来源，使重试、构建变更和缺失检查在形成结论时仍然可见。