王泳芬

多源信息分散、重复报道多；通用客户端以算法推荐为主，历史内容无法检索，人工筛选成本高。

关键取舍：去重放语义层、调度放规则层——去重需要理解语义，调度需要确定性，混在一起两头不稳。

每日 3 轮自动更新、无需人工干预；按日期与主题双维检索，每日节省约 40 分钟筛选时间。

同一个句子，商务邮件、朋友聊天、给孩子读的绘本，需要的译文完全不同，单轮 Prompt 无法兼顾——问题在得体性，而非准确性。

• 场景化清单：7 个场景各配独立反思项，检查标准按场景定制——「得体」的定义随场景变。
• 架构层防幻觉：文化注释带置信度标注，不确定内容明确标识，禁止编造——防幻觉做进架构，不靠提示词。
• 意图级输出：长文先判定意图（友善／中性／敌意），供舆情场景决策参考。

反思维度已内置流程，下一步开放为可配置项，便于换语种、加场景。

传统备考应用以题库与刷题为核心，缺少时间规划与学习诊断；排期工具只给「今日任务」，无法解释错误成因与进度偏差。

工程决策：排期类计算一律走规则，同一任务两天内结果一致——可复现性优先于灵活。

演示数据为虚构案例——把这一点写在明面上，不让它看起来像真实成绩。

现有日记工具两极分化：纯手动记录缺少结构化整理，AI 代写则内容失真，用户接受度低。

• 工程取舍：单文件前端，双击即可打开，零依赖零构建——让「今天想记」没有门槛。
• 模型边界：模型调用由用户显式触发，输出只作分类信号，正文一律以原文为准。

记录层与想法层可分别回溯。下一步：把想法层的演进回溯做成时间线视图。

主流平台以提升投递量为核心目标，缺少有效筛选机制；虚假岗位、外包挂靠、薪资注水混杂，人工甄别成本极高。

关键取舍：打分交给规则引擎而非模型——同一份岗位两次打分必须同分；模型只做它擅长的归类与标准化。

抓取 10000+ 条岗位、1500+ 条入榜；未分类岗位占比由 42% 降至 14%。

常驻系列建辨识度，灵活系列承接画风不匹配的故事。三视图锁角色、提示词框画风、总纲不散——两套画风，同一个 IP。

一个不说话的小女巫，替你把不敢看的事看完。角色从三视图定型，同一基准撑起不同情境——角色不换，画风不散，故事连着讲。

• 角色资产：三视图固定基准，锁定形象与比例。
• 画风模板：镜头语言、光影与色调固化为提示词模板，人工校验后进入参考图库，跨期复用。

同一总纲下的另一个世界。当故事需要更重的色彩与更粗的线条，就交给系列 B——电台、落水、交货、互助，开头钩子与收束方式与系列 A 一致。

• 定选题与结构：钩子、案例、机制、落点。
• 出初稿：按字数与口播节奏交稿后修改。
• 分镜出图：画风提示词固定，按镜头归档。
• 配音与剪辑：稿长对齐画面，逐张筛图。

结构固定后，每期无需重新设计开场与收束；字数、节奏与数据出处写入验收标准，返工集中在一处。

封控缺口入场 → 社媒放大获客 → 机器甲 19.9–39.9 元占约 90% 挤压手工甲 → 权衡单位时间收益主动退出；退出后价格战延续，验证判断。

私域 200+ ｜ 复购 30% ｜ 好评 98% ｜ 营收约 4 万 ｜ 快递成本 ↓33%

把手工流程拆成五个数据库与规则节点，验证规则体系可执行：调客户档 → 核款式与库存 → 按规则报价 → 写订单 → 生成回复；缺码缺料只进店主提醒。

一单多款拆成订单行，一副一行；库存最小单位为尺码；报价全走规则节点——基础价 → 增订物料 → 邮费 → 活动折扣，同一单两次问价必须同价。

模型只承担自然语言理解与可读输出，判断与计价全部由规则节点完成，价格与库存均可复现。