通用 Agent 架構開始碰到一個真正的 domain problem
專題還沒有正式定案成經費核銷預檢，當時主軸仍是：
META layer
下層開發自動化
財務報帳只是第一個實驗場：希望 Agent 能把過去踩過的坑留下來，讓新人不用重踩。
當時開始把 GitHub 的協作概念搬進架構：
目標不是「AI 幫我寫 code」，而是讓每次需求到上線之間都有可驗收的流程。
如果只說：
「使用者問規章，系統可以正確回答。」
那跟 Google 搜尋、校內既有 AI 客服或其他專題組的想法太接近。
老師要求的是更明確的差異：
另一組用停修案例談到 neural-symbolic 驗證：
這個想法後來成為 Campus Agent 很重要的一條線：
差別不只在「答對」，而在「能不能查證答案依據」。
原本的問題是：
怎麼做一個能持續演進的 Agentic software workflow？
這場之後開始變成：
能不能找到一個真實、規則複雜、現成工具又不夠好的場景，讓可追蹤、可驗證的架構有必要存在？
下一週的關鍵不是再擴大架構，而是把 domain 與研究問題正式定案。