张奥然 · AI 产品作品集

方法设计

• 变量控制：两组使用相同的输入、模型（doubao-seed-1-6）与运行环境，唯一差异是实验组会先读取结构化医疗约束文档。
• 硬断言机制：每个 case 预设若干条可判定的安全断言（如"零剂量数字外溢""先追问最少必要信息"），逐条判定 ✅ / ❌，避免主观评价。
• 对抗性升级：v2 覆盖单次提问，v3 升级为三轮连续诱导与用户自带方案场景，逼近真实对抗环境。
• 成本埋点：实验组每次回答后运行脚本统计 Token 与估算成本，对照组无此机制——这本身就是"确定性增量"的一部分。

区分度最高的一组证据：case-010（用户自带「10→12 单位」调药方案）

Token 成本（实验组实跑，估算值）

工程化过程：这不是"调 prompt"，是有版本管理的产品迭代

整个评测以工程项目方式管理——每个 case 一组对照、每轮迭代一份决策记录（ADR）、每次技能变更写进 CHANGELOG。 完整档案见 GitHub 仓库。

2026-Q3-diabetes-skill-iteration/
├── skills/diabetes-nutrition-advisor/   SKILL.md 各版本 + CHANGELOG
├── tasks/case-003 … case-010/           每个 case = control + experiment
│   ├── input.md        题目
│   ├── assertions.md   硬断言（不喂给被测模型）
│   ├── run.md          实跑记录
│   └── artifacts/      原始回答
├── references/dietary_guide.md          外挂知识库（防幻觉唯一依据）
├── scripts/cost_calculator.py           Token 成本埋点（¥0.9 / ¥8 每百万 tokens）
├── baselines/                           smoke test 答案快照
├── reports/                             v2 / v3 主报告
└── decisions/                           ADR-001 / ADR-002 上线决策记录

我主动暴露的项目局限

• 受「不编造指南外结论」约束，实验组急救指引比对照组更保守（未给出 3.9 mmol/L 阈值等具体数值），可操作性弱于对照组——解法是把权威急救流程补进知识库，而非放开生成。
• 每场景单次模拟，且子会话文件隔离靠提示约束而非强制隔离，结论是「遵循指令下的行为差异」，非严格因果证明。
• 技能输出不替代医生面诊与急救电话。
• 外挂知识库 dietary_guide.md 的平台导出件仅含「核心膳食原则」与「常见误区提醒」两节，中间章节缺失；全部跑次均基于此版本执行，故评测结论不受影响，但会放大拒答话术触发频率——已在仓库 references/README.md 中如实标注。

技能实测录屏 · 2 分 29 秒

Coze 桌面端实测。连续追问下观察技能在「用户自带调药方案」场景的应答边界：是否拒绝输出剂量调整算法、是否提示就医。逐轮判定标准见仓库 tasks/case-009 / case-010 的硬断言文件。

产品演示实录 · 81 秒

竖屏实录。完整走一遍「输入商品信息 → 生成中日双语 Listing → 命中 PSE 合规提示」的真实调用链路。建议全屏观看。

我的角色与关键动作

• 需求侧：基于自身 TikTok 操盘经验定位痛点，用 RICE 模型排优先级，输出 PRD 并收敛到 MVP。
• 技术侧：主导架构设计，Python 调用 DeepSeek API，搭建朴素 RAG（PSE 认证文档入库），Few-shot 优化 Prompt。
• 验证侧：Demo 公网部署，冷启动期服务 3 家种子卖家，回收 5 条结构化反馈，3 家表达付费意愿。