张晓迪 与我的 AI 分身对话avatar.aidulia.cn
AI PM PORTFOLIO

数字钥匙故障横跨云端、车端与手机端，排查经验散落在工单和个人记录里。二线既要快速找到相似问题，也要判断知识是否适用于当前主机厂、车型与版本。

目标：给出有来源的候选根因与方案，并让关单经验持续沉淀为知识。

• 不做自主 Agent，用固定流程。混合检索 → 重排 → 置信度分档；分流规则与置信度先由程序计算，后期引入决策模型接管；检索范围与主机厂数据隔离由代码保证，换模型前后效果可直接对比。
• 先定门槛，再做评测。上线门槛定为前 3 命中率 ≥60%；评测集刻意放入无答案单，检验系统会不会“不懂装懂”。
• 知识治理形成闭环。知识标注适用范围、审核后发布；关单自动生成知识草稿，badcase 回流迭代。

科普、知识类短视频与品牌溯源内容，需要人工查资料、写脚本、生成画面再剪辑。单次调用模型难以保证阶段衔接和画面一致，失败后整条重跑成本高。

目标：用户输入一句话，自动完成从脚本到成片。

• 不做自主 Agent：固定工作流 + 大模型决策点。模型只做意图识别、阶段拆分与提示词生成；流程、重试与拼接交给代码，保证可控、成本可预测。严重歧义先反问澄清。
• 一致性靠结构约束。全局风格与阶段提示词分离，用阶段衔接规则约束前后形态、背景与光影。
• 评测与兜底。自建评测集与回归集；单段失败只重跑该段，按视频时长分档控制单条成本，成片加 AI 生成内容标识。

符号词典只给通用释义，通用大模型回答宽泛、不稳定，且对梦中的死亡、创伤缺少安全意识。

目标：扣住用户写下的梦境细节，给出有依据的心理学解读；遇到现实危机先保护用户。

• Agent → 流水线 → 一次调用。先后验证对话式 Agent、五步推理流水线；单次解梦不需要多轮决策，报告形态更好评测，最终收敛为一次调用出报告。
• 评测驱动发布。代码规则检查 + LLM 评委 + 人工标注，同梦多次运行测稳定性；换模型、改提示词先跑回归，达标才发布。
• 两步法选模型。公开榜单初筛，再用自有样本对比 GLM / DeepSeek / Qwen，定主备模型、跨厂商自动切换；免费 / 付费分开设模型预算，生成失败自动退款。