评审的人成了瓶颈
AI 一天产出相当于好几个人的量。如果这些全要一个人读完，那变快的只是生产，不是交付。评审拖得越久，就有越多工作堆在错误的前提之上。
为什么需要平台
AI 开始写代码之后才出现的问题
模型已经写得够好了。卡住的是之后的环节 —— 谁来评审、谁来负责、最后留下了什么。
一个还行，十个就不行
盯住一个智能体谁都做得到。十个同时跑起来，谁领了什么、哪个停了、为什么停，就一眼看不出来了。等有人发现它停了，一天已经过去。
昨天学到的，明天就没了
同一个坑下周还会再踩一次。在对话窗口里换来的经验，会随对话窗口一起消失，下一个任务又从零开始。
产品
把“做”和“验”放在一起跑
SSemProHub 不让智能体变得更聪明，而是在它们外面加一层结构，让产出变得可以信赖。
从计划到审批，一条主线
需求变成任务清单，智能体领走，交出产出，接受打分，由人审批结束。每一步都是下一步的输入，中途卡住的任务会自己浮出来。
八双眼睛同时看
同一份交付物由正确性、安全、性能、架构、质量、业务分析、流程、复盘八个视角并行打分。八者拿到的材料完全一样，不同的只有看的角度。
同样的错误只犯一次
每次任务结束，都会把“为什么失败、为什么成功”提炼成经验存起来。这些经验会自动进入下一份计划书和下一轮打分 —— 不需要有人专门去翻。
功能
真正在日常运维中用到的东西
模型路由矩阵
一张“能力 × 模型”的表，决定规划与分析调用、以及八个打分视角各用哪个模型。规划用大模型，打分再换一个 —— 在界面上改完立刻生效；工作智能体的模型写在守护进程配置里，需要重装一次才会换过来。某个模型不可用时会自动转到下一个。
双轨分数合成
不只听模型的判定。文件是否真的存在、体积多大这类机械核算会一并混入最终分数。评审者反复给出同一个分数的僵局，正是被这第二条轨道打破的。
异常自动识别与自愈
每三十秒扫一遍：分数原地不动的任务、没有报告就死掉的智能体、锁得太久的评审。重复次数上去就轮换打分模型，还不行就叫人。卡住的原因被归入九类，原样显示在界面上。
六种执行模式
从完全无人值守的守护进程，到有人在旁逐步确认的模式，再到多人一起看同一块屏幕。由人负责的工作也落在同一个工作区和同一套打分体系上 —— 会议记录和审批同样作为交付物留存。
抹不掉的记录
审计表由数据库本身禁止更新和删除，每一行都携带上一行的指纹，连成一条链。中间任何一行被动过，其后全部对不上，立刻暴露。同样的链条已经在 AI 判定记录上运转；权限操作审计表这边，还差把记录接上去的那一环。
用消息和语音审批
评审一结束，摘要就发到手机上。一个按钮通过，或者退回返工。用嘴问、用嘴批的语音助手走的是同一条路 —— 人不在工位，队列也不会停。
工作方式
一个任务走过的路
从需求进来到审批结束，五个环节全部在平台内部衔接。必须有人的，只有最后一个环节。
1
计划
读取需求，拆成任务清单。每个任务都附上负责人、前置条件和依据材料。
2
分派
智能体自己领走。只有过了阶段闸门、前置任务和预算这几道关的，才拿得到手。
3
执行
在自己的工作区里写出文档和代码，推送到仓库，再上报结果。
4
打分
八个视角同时看同一份交付物。分数由模型的判定和机械核验混合得出。
5
审批
由人放行才算结束。为什么成、为什么不成，都会留作经验，进入下一份计划。
八个视角看同一份东西，读出不同的结果
送到八个视角手里的材料完全一样。不同的只有提示词 —— 也就是看的角度。而且分数并不单凭模型的判定来定。
图解说明
- 从左侧一个点分出八条线，是这张图的要点 —— 八个视角拿到的材料完全一样。
- 评审者不是接过文件，而是直接打开存放交付物的工作区去读。
- 中间那个方框里，模型的判定和机械核验混在一起 —— 文件是否真的存在、体积多大这类事实。
- 右侧三条分支是结果。通过的转入待审批，需要补充的交回同一个智能体，解不开的交给人。
- 向下绕回去的橙色线是僵局检测。分数反复相同时就换掉打分模型，打破确定性。
架构
在自己的边界之内闭环的设计
不依赖任何外部 SaaS，全部跑在你自己的服务器上 —— 仓库、引擎、界面、智能体都在边界之内。向外走的只有 LLM 调用这一段，用哪家供应商由矩阵来选。
图解说明
- 从左到右四格 —— 人、关口、引擎、存储与执行。所有箭头都止于公司边界之内。
- 流动的虚线是日常流量。界面操作和智能体上报，都要先在关口通过认证，才进得了引擎。
- 只有橙色虚线是例外。实时语音会话绕开关口，直连专用的语音桥。
- 中间被强调的一格是引擎。计划、打分、自动化都架在 Webhook API 与查询视图之上。
- 右下角那条箭头是双向的 —— 引擎决定守护进程的起停，守护进程把任务报告直接送回引擎。指令通道断了，正在跑的工作也照样继续。
部署
四步跑通第一个任务
- 1
把栈拉起来
数据库、引擎和界面以容器方式启动。现有的企业认证和代码仓库照旧使用。你需要准备的只有一台服务器。
- 2
接入主机
在要跑智能体的机器上，用一条命令装好管理程序。macOS、Ubuntu、Windows 方式相同，从一台闲置笔记本起步也完全可以。
- 3
编排智能体
在界面上设定各自的负责领域、模型和执行模式。工作区与仓库权限会自动创建。团队里的人也登记在同一份名册上。
- 4
从摸清现状到开跑
读取既有系统，梳理出现状与目标，再据此生成任务清单。审批通过，智能体就开始领活。
技术
按“要长期跑”来挑的东西
Java 21 · OSGi
Apache Karaf 之上的模块化捆绑结构。修一个功能只换那一个捆绑，而不必停掉整套系统 —— 哪怕智能体正在通宵干活。
PostgreSQL
任务、评审、经验与审计放在同一个存储里。表结构按版本推进，审计表由数据库本身强制只追加。
React 运维控制台
进度、评审历史、交付物正文、成本、异常迹象，都在一块屏幕上。图和源码不用另开工具，原地就能展开。
模型是可以选的
商用订阅与 Ollama 账号下的模型并用。哪件事用哪个模型由表来定，配上单价表，花了多少一目了然。