Entwicklung von MatchDay AI: Ein speicherbewusster Autopilot für Event-Reisen

Building MatchDay AI: ein erinnerungsfähiger Autopilot für Eventreisen

Ich habe MatchDay AI für den Qwen Cloud Global AI und den OpenAI Build Week Hackathon entwickelt und nur für Track 4: Autopilot Agent eingereicht. Die Fähigkeit zur persistenten Speicherung ist auch auf Track 1 anwendbar, aber sie ist das Unterscheidungsmerkmal innerhalb einer einzigen Track-4-Einreichung – kein zweiter Track. Der entscheidende Durchbruch ist der vollständige Workflow: eine unklare Anfrage verstehen, relevante Präferenzen abrufen, typisierte Tools aufrufen, einen reiseunterbrechenden Konflikt erkennen, den Plan reparieren und das Ergebnis unabhängig verifizieren.

\Demo ansehen\

[Architektur ansehen]

Architektur

Architektur-Frontend

Architektur-Speicher

Architektur-Autopilot

Das Problem und sein Wert

Reisesuche ist nicht dasselbe wie zuverlässige Reiseplanung. Ein Flug kann günstig wirken, aber zu spät ankommen, wenn man die Transferzeit und den Sicherheitspuffer eines Fans berücksichtigt. Eine vertraute Präferenz kann zwischen Sitzungen verschwinden. Ein veralteter Verkäuferlink kann null Ergebnisse liefern. Eine Routenschätzung kann mit einem Tarif verwechselt werden, oder unvollständige Anbieterdaten können zu einer unberechtigten Buchungsbehauptung führen.

Für ein wichtiges Event sind das keine kosmetischen Fehler: Eine schlechte Empfehlung kann die gesamte Reise wertlos machen. MatchDay macht sie zu expliziten Einschränkungen, Evidenzzuständen und Verifikationsprüfungen, bevor ein Plan als vollständig angezeigt wird.

Wie MatchDay funktioniert

Der Produktionspfad ist:

1Fan → Next.js on Vercel → signed server facade → Alibaba ECS
2→ Caddy + FastAPI + PostgreSQL + durable workers
3→ Qwen Cloud + typed travel/context tools
4→ normalize → rank → detect conflict → repair → verify
5→ immutable trip version and privacy-safe share

Qwen Cloud's qwen3.7-plus ist der Produktionsplanungscontroller. Er interpretiert natürliche Sprache, klassifiziert jede Runde, löst Mehrdeutigkeiten auf, wählt typisierte Tools aus, schlägt fundierte Speicheränderungen vor, wählt aus einer Whitelist von Reparaturkandidaten aus und erklärt das Ergebnis. Das begrenzte Gateway ist in qwen.py implementiert, während die dauerhafte Tool-Schleife in agent.py lebt.

Das Modell zertifiziert nie seine eigene Antwort. Deterministischer Code besitzt Schemas, Fixture-Bindung, Evidenzvalidierung, Paketberechnung, Durchsetzung von Einschränkungen, Konflikterkennung, Reparaturdurchführung und den unabhängigen 14-Punkte-Freigabevertrag in safety.py. Das war die wichtigste Architekturentscheidung: das Modell für Urteile nutzen, aber Code für die Wahrheit.

Persistenter Speicher folgt dem gleichen Prinzip. Explizite Benutzerfakten und wiederholtes, verifiziertes Verhalten gehen in eine einzige, eigentümerbezogene Quelle der Wahrheit ein, aber eine ungewöhnliche Reise wird nicht stillschweigend zu einer dauerhaften Präferenz. Verhalten wird erst nach Bestätigung über mehrere verschiedene Basisreisen hinweg befördert. Der Speicher unterstützt begrenztes Abrufen, reisespezifische Namensräume, Vorrang der aktuellen Nachricht, Korrektur, Ablauf, Ersetzung, Löschung, Deaktivierung und nachvollziehbare Wiederverwendung in memory.py.

Autonomie ist dauerhaft, aber nicht unbegrenzt. PostgreSQL-Leases, Fencing-Tokens, Checkpoints, Wiederholungen, Abbruch, Idempotenz und kumulative Zeit-/Modell-/Tool-/Kostenlimits ermöglichen es, unterbrochene Arbeiten fortzusetzen, ohne endlos zu laufen oder dasselbe Budget zweimal auszugeben. Die Laufzeit befindet sich in runs.py, und die Alibaba-Bereitstellung startet separate API-, Run-Worker-, Fixture-Refresh-, PostgreSQL- und Caddy-Dienste in docker-compose.yml.

Wo Codex die Arbeit beschleunigt hat

Qwen ist MatchDays Laufzeitintelligenz. Codex mit der GPT-5.6 Sol Max-Konfiguration war mein Engineering-Beschleuniger. Ich habe eine begrenzte hybride Version von OpenClaws Peter-ähnlicher Schleife verwendet – definieren, bauen, angreifen, prüfen, reparieren – in kleinen, unabhängig verifizierbaren Abschnitten.

Codex hat die Architekturverfolgung, Implementierung, Generierung von Regressionstests, Ursachenanalyse, adversarische Überprüfung, Browser-QA und Bereitstellungsverifikation beschleunigt. Es half dabei, Probleme aufzudecken, die ein Happy-Path-Demo übersehen hätte: Uneinigkeit in der Speicher-Wahrheitsquelle nach manuellen Änderungen, falsches abteilungsübergreifendes Abrufen, veraltete oder null-Ergebnis-Flugübergaben, Prompt- und indirekte Injection, SSRF und unsichere Weiterleitungen, Replay-Angriffe, Mandantenisolation, Nebenläufigkeitsprobleme, veraltete Checkpoints und degradierte Karten- oder 3D-Rendering.

Die wichtigsten Produktentscheidungen blieben explizit: Ich habe die Qwen-versus-deterministische Vertrauensgrenze, die Zwei-Reisen-Speicherförderungsschwelle, die Evidenz-Taxonomie, menschliche Checkpoints für nicht unterstützte oder risikoreiche Behauptungen und eine Nicht-Kauf-Freigabegrenze gewählt. Codex hat den Feedback-Zyklus verkürzt und jede Behauptung angegriffen; es hat diese Produkt- und Sicherheitsentscheidungen nicht ersetzt.

Wie es zu den Bewertungskriterien passt

• Innovation und KI-Kreativität: MatchDay kombiniert abteilungsübergreifenden Speicher mit einem dauerhaften Autopilot, evidenzgesteuerter Reparatur und einem unabhängigen Verifizierer. Die sichtbare Schiene Erinnert → Konflikt erkannt → Plan repariert → Ergebnis verifiziert macht diese Architektur überprüfbar, anstatt sie hinter einer Chat-Antwort zu verstecken.

• Technische Tiefe und Ingenieurskunst: Qwen Cloud treibt typisierte Entscheidungen; Alibaba ECS betreibt die FastAPI/PostgreSQL-Steuerungs- und Ausführungsebene; Vercel bietet die signierte Frontend-Grenze. Das Repository enthält quellblinde Evaluierungen, Provider-Vertragstests, PostgreSQL-Nebenläufigkeitsprüfungen und Playwright-Journeys über Chromium, Firefox und WebKit.

• Problemwert und Auswirkung: Das aktuelle B2C-Produkt schützt Fans, die teure, zeitkritische Eventreisen planen. Der zukünftige B2B-Pfad ist ein einbettbarer oder White-Label-Planungsagent für Reisebüros, der deren Bestand, Richtlinien, Genehmigungsregeln und Kundenkanäle nutzt. Die AGPL-3.0-Provider-Architektur unterstützt auch Open-Source-Übernahme.

• Präsentation und Dokumentation: Juroren können die Live-App ohne Anmeldedaten ausprobieren, die faktische Entscheidungsspur einsehen, die Karte und die illustrative Stadionlinse mit expliziten Evidenzgrenzen nutzen, die kurze Demo ansehen und jedes Architekturdiagramm aus seiner Graphviz-Quelle neu generieren.

MatchDay konzentriert sich derzeit auf die Reiseplanung für die Weltmeisterschaft und kauft keine Reisen. Live-kommerzielle Evidenz hängt vom konfigurierten Provider-Zugang ab; fehlende Preise, Bestände, Verfügbarkeit oder Rückerstattungsbedingungen bleiben sichtbar unbekannt. Breitere Eventreisen und Agentureinbettung sind Produktrichtungen, keine Behauptungen über die aktuelle Version.

Das Ziel ist einfach: Ein autonomer Reiseagent sollte nicht nur eine Antwort liefern – er sollte sich verantwortungsvoll erinnern, innerhalb der Evidenz handeln, reparieren, was unsicher ist, und den endgültigen Plan beweisen.#QWEN [#ALIBABA](https://x.com/search?q=%23ALIBABA&src=hashtag_click) #CODEX [#OPENAI](https://x.com/search?q=%23OPENAI&src=hashtag_click) #HACKATHON [#CLOUD**](https://x.com/search?q=%23CLOUD&src=hashtag_click