EarlySearch, EarlyOffice, EarlyDesign, EarlyBot, EarlyZip, EarlyRemote.
从构成产品的引擎到下一代模型的研究，
介绍我们自主解决的技术问题。
不止于使用现有模型。
构建训练数据，进行模型微调，
连接运行环境与评估。
目前基于现有模型进行微调和运行结构开发，分别验证训练执行、模型质量评估及产品应用。
已应用于产品 开发与研究中选择主题，了解实现方式与下一步课题。
不仅总结搜索结果，还从多个方向调查问题，并再次核实回答中的引用和数字。
快速回答查找所需资料并简要整理，深度研究则创建子问题、分支调查。回答生成后，代码检查引用编号范围、各段是否有引用，以及数字是否出现在收集的依据中。
检查结果记录问题段落及列表、表格的位置，便于审查相关部分，无需重写整个回答。
数字相符、来源关联并不保证语义准确。我们研究如何结合可靠性、单位、时间和上下文进行核实。
改进来源冲突时的判断、新旧资料区分，以及长篇研究中全程追踪依据的方法。
在处理 Hangul、Word 文档、电子表格、演示文稿及 PDF 的产品中，研究格式解析、编辑模型、字体与布局计算。
仅提取文本无法保留表格、分页、公式和图片位置。我们管理文档结构和编辑状态，利用字体文件的实际信息计算布局。网页与桌面共享 Rust 核心，以缩小平台差异。
排版使用整数文档单位及一致的舍入规则。将计算得到的绘制信息用于屏幕和 PDF 输出，与原文档输出比较并追踪差异。
将电子表格计算、幻灯片对象和 PDF 处理等不同引擎连接到同一产品体验。各格式的功能和还原范围不同，并不代表所有文件都完美兼容。
持续解决复杂表格分页、字体替代、对象布局及跨格式转换损失等问题。
研究基于工具的文档 AI，理解段落和表格、编辑所需部分，并检查布局。
不把整篇文档作为文本交给 AI，而是提供按语义单元读取和修改的工具。识别修改位置，检查旧请求是否与用户最新编辑冲突，构建保留修改建议并可审查的流程。
为段落和表格设置稳定标识符，并结合文档版本信息。编辑后检查排版，实验将单次请求的修改作为一组撤销。
这是连接文档编辑核心与 AI 工具的开发、原型工作，并非所述完整流程已在所有产品界面普遍提供。
研究长文档的上下文选择、表格与布局修改后的结果审查，以及保留用户意图的编辑。
不为模板设计、照片、矢量插画和界面分别构建编辑器，而是自主开发处理图层与对象的引擎，供浏览器和原生应用共用。
Rust 引擎管理工作室、照片、插画和界面的文档状态与编辑命令。浏览器使用 WebAssembly，iPhone、iPad、Android 应用通过原生连接调用同一核心，以相同方式绘制同一文档。一次用户操作涉及的多个引擎步骤可一次撤销。
擦除工具在浏览器内运行开放许可的图像修复模型以填补照片区域。照片不外传，模型不可用时回退到引擎填充方式。
图像矢量追踪自主实现了感知色彩空间分组、转角和小碎片处理。用评估工具测量原图与重绘结果的色差，逐个预设对比改进。
编辑命令以名称和参数固定的命令集开放。AI 助手通过 MCP 和浏览器 WebMCP 使用相同命令，连接默认关闭，修改文档的命令在用户确认后执行。
扩展图层效果和矢量特性还原范围，改进大型文档内存与端侧模型质量、速度的平衡。
研究图像与说明文本配对数据准备、图像模型微调，以及自然语言请求到图像生成的流程。
处理从图像生成说明文本的预处理和训练资料构建，实验按目标微调现有图像模型。另外也在制作将韩语对话转换为生成请求并接入图像生成的原型。
研究基于图文配对说明流水线、LoRA 微调产物，以及从对话构建提示并传给生成引擎的实现。区分现有模型使用、微调与基础模型自主开发。
执行训练与得出质量提升结论是两回事。不对训练中模型的性能或通用性下定论，而是在相同条件下比较生成结果及数据影响。
考察图文一致性、目标视觉特征保持、训练资料偏差与权利，以及稳定呈现所请求场景的方法。
开发长任务执行结构，将请求转为任务、保存执行状态、获取所需批准并验证结果。
EarlyBot 将任务执行器和计划状态与聊天窗口分开管理。服务器运行时，即使关闭网页标签也会处理计划，并记录等待连接、执行、审查和完成等状态。核心是区分模型建议行为与实际工具执行权限。
持久保存任务、日程、执行历史、结果和通知，限制重复执行。连接应用、浏览器和设备执行路径时，核查任务对应的批准与结果。
区分已验证开发环境和支持工具范围，不声称可自主完成所有外部业务，或在 PC 关机时仍可执行。
完善中断续行、多工具任务结果验证、故障恢复及用户介入时机。
将偏好、决策和过去任务整理为带来源与时间的记忆，查找并关联新请求所需上下文。
结合原文检索索引与结构化记忆，处理发言时间，避免后整理的旧对话覆盖近期更正，并防止再次引入用户已修改或排除的内容。
在新对话和任务计划中查找相关记录，区分保存原文与 AI 解释。即使检索出候选，也会在存储中再次核查记忆归属与启用状态。
记忆不授予新的执行权限，不能因记住用户过去发言就替代新任务批准，也不将当前开发范围表述为已完成商用多用户隔离。
研究旧记忆与近期决策的优先级、检索相关性、纠正错误记忆的体验及长期准确度评估。
开发 ALZ、EGG 与韩文文件名的格式解析、各平台压缩处理，以及防止任务失败损坏文件的保存方式。
韩语环境的旧字符编码与压缩格式并非识别扩展名即可解决。连接共享引擎与平台实现，检查目录越界、名称冲突和不完整输出。用户压缩文件在设备内处理。
使用模糊测试和回归测试反复输入正常、损坏及截断文件，检查崩溃、卡死、资源过量使用和越界写入。区分格式支持范围与已验证变体。
还改进多小文件任务的缓冲复用、同步和并行处理，不将不同平台、任务条件下的测量概括为统一速度优势。
持续验证罕见压缩变体、加密及分卷文件在各平台的支持范围，以及移动存储和后台处理限制。
为本地文档 AI 研究模型数据和内存布局，将运行资源问题与模型质量分开处理。
实验将模型数据分配到 SSD、RAM、GPU 内存并连接所需计算的运行结构。在保留完整模型结构下比较静态布局和动态专家缓存，同时观察首次回答时间与输入输出成本。
将文档生成、编辑、保存、重开接入真实编辑引擎的开发验证，与微调和模型运行性能验证分开。不会把特定设备上运行的事实当作所有用户的最低配置。
动态缓存并非总是更快。与基准运行对齐输出、负载和条件后比较，未确认性能提升的实验也如实记录。
分别评估内存布局引起的延迟和磁盘访问、缓存替换策略、各设备运行稳定性及模型质量。
研究远程视频与输入连接、观看与控制分离，以及 AI 任务操作真实设备时的批准和状态管理。
屏幕作为视频发送，键盘和鼠标输入通过独立路径传输。区分观看会话与控制权，处理断连后释放按键、按钮等设备状态。智能体文件和应用任务也朝着限定在用户许可范围内的方向开发。
已验证可信开发设备间的实际远程视频、输入路径，并在文件处理中实现批准计划与结果验证关联。不将本地连接验证扩大解释为一般互联网连接或游戏性能验证。
屏幕采集和输入权限、主机 OS 限制、任务中断与恢复是不同问题。构建可分别观察模型计划和真实设备执行的流程。
扩大不同连接环境的延迟与画质、长时间连接稳定性、各 OS 权限和输入差异，以及远程任务验证范围。
模型开发，文档、图形、文件引擎，以及 AI 智能体。
期待连接技术与产品的合作伙伴。
