场景优先
先有具体问题，再选模型与架构。
技术底座
不自研基础模型，
做垂直 Agent 与场景数据。
模型是能力，不是卖点。我们把精力放在具体场景里的记忆、编排、训练、评测与决策。
三层架构
从模型到场景。
场景层
小垚消费产品 行业量化与业务 Agent
Agent 层
记忆 编排 工具 评测 决策
模型层
以 DeepSeek 为主的模型底座
模型层可以替换，Agent 层和场景数据才是长期积累。这也是为什么我们不做“模型参数竞赛”，而是做能记住、能协作、可评测的垂直 Agent。
四条原则
我们怎么判断一个 Agent 值不值得做。
记忆是资产
跨会话、跨端的长期记忆，越用越懂你。
数据闭环
采纳、否决、穿着、记录，回灌到下一次。
合规边界
AI 生成声明、隐私最小化、类目如实描述。
我们不做什么
边界比能力更能建立信任。
- 不自研基础大模型：把模型当能力，不把模型当卖点。
- 不把黑盒概率塞进需要可解释性的推荐链路。
- 不做没有场景的通用 Agent。
- 不写无法核实的用户数、GMV、客户数与融资额。