Val-dal 教育专版产品系统Vibe Coding

项目面向 AI 智能体、企业知识管理、长期任务执行及多模态 AI 应用场景，旨在解决传统大语言模型在长周期任务中存在的上下文容量限制、信息遗失、幻觉及跨任务状态管理问题。

针对现有 AI 应用普遍依赖重复注入上下文、模型能力与业务系统紧密耦合等问题，研发可替换语言模型、支持持续信息管理的统一 AI 系统，并推进 Windows 桌面客户端及移动端应用，实现从底层架构到实际产品的完整开发。

1. **统一 AI 核心：** 基于自主设计的结构计算架构，实现信息组织、动态状态管理和持续上下文处理。

2. **长期上下文扩展：** 通过独立于语言模型原生注意力窗口的上下文管理机制，支持超大规模外部语料的信息检索与利用。

3. **多模型集成：** 支持接入不同语言模型，实现模型调用、任务路由及混合推理。

4. **智能体系统：** 集成任务状态管理、工具调用、自动化工作流与主动响应机制。

5. **多模态能力：** 研究并集成文本、图像等不同模态的信息处理与交互能力。

6. **桌面与移动客户端：** 开发 AI 对话、任务操作及模型功能调用界面。

7. **自动化评测：** 建立长上下文、信息可靠性、幻觉、消融实验和模型性能测试流程。

担任项目创始人及核心架构设计者，独立主导技术方案、系统研发、模型集成、实验设计和产品开发。

采用 Rust、C++ 等技术构建核心计算模块，结合 Python 实现模型调用、自动化测试与实验流程，设计可替换语言模型的模块化架构，并集成桌面应用及多模态组件。

核心研发包括结构化信息管理、长期上下文扩展、智能体状态维护、推理路由及模型评测体系。

在近期内部实验中，基于 24B 参数模型及 Valhalla 上下文机制，完成约 1495 万 Token 外部语料规模的压力测试，并对回答准确性及幻觉表现进行验证。

项目已形成核心技术架构、实验验证流程、Windows 客户端及相关产品原型，具备从底层系统研究到应用集成的综合研发实践。