ley-khaa
一个能把杂乱对话变成完整工作成果的助手。
个人项目 · 2026
工作很少是以一条清楚的指令出现的。它通常是一段对话——周一先说了半句要求, 周二又改了一下,周三又来一句"对了,能不能顺便……"。ley-khaa 会读完整段对 话,弄清楚对方到底想要什么,然后把它整理成一件电脑可以直接执行的、目标清楚 的工作。
试用一下
可交互演示这里有两件事,第二件更难。它得能读懂一段零零散散的对话,理解到足够拿来用的 程度——同时还得知道什么时候不该自己动手。一个会悄悄把事情做错、而且做得很 快的助手,比压根没有助手还糟糕。
它读完对话之后,会先用一句大白话总结这件工作是什么,让你确认或者修改,然后 才会真正开始做。接着它会判断自己有多确定、这件事风险有多高,再据此建议应该 给它多大的自主权:只是提个建议、和你一起完成,还是直接去做。最终的决定权始 终在你手上。
它做完的每一件工作,都会附上一份记录,写清楚它具体做了什么、用了什么,方便 日后核对或者重新做一遍。在做生意这件事上,这比速度更重要。
技术细节写给技术读者
后端用 Python 和 FastAPI,前端用 React,数据库是 Postgres,用 Alembic 管理 迁移,还有一套 Docker Compose 环境,CI 每次 push 都会启动它,并跑一遍带种子 数据的端到端演示。在调用成本较高的模型之前,会先经过一层便宜的相关性过滤, 用来控制成本。执行器采用"先生成代码"的方式:面对开放式任务时,它会写一段 Python 脚本,在沙箱里运行,并有一个工作流注册表,把已经验证有效的捷径当作 缓存保存下来。每次运行都会生成一份可复现的完整记录——最终交付物、生成它的 代码、实际用到的输入,以及一份带种子的清单——方便日后审核或者重新运行。后 端代码在 CI 中通过 mypy 检查,1.0 版本的文档也清楚写明了哪些部分是稳定的, 哪些还不是。
项目中的所有数据都是虚构的,不连接任何雇主的数据、账号凭证或基础设施。