ValueGuard
让售后决策有依据,也有人工把关
我的角色团队 Leader · 产品规划与 M2 引擎 AI 辅助开发
项目时间2026.08 — 2026.09
成果线索15 · 固定案例真实模型 PoC
VALUEGUARD / 01◇
01客户信号
02感知 / 归因 / 策略
03人工确认
面对的问题
客户价值、情绪与售后信息分散,复杂课题需要被转化为可操作、可解释、有人把关的决策流程。
我具体做了什么
- 牵头产品定义与 PRD,形成“案例队列—证据详情—人工确认”的结构,拆解 4 个模块、37 项执行任务。
- 负责 M2 引擎的 AI 辅助开发,以“感知—归因—策略”组织三阶段 Agent;通过结构校验、证据引用与动作白名单约束输出。
- 推动团队完成 React/TypeScript、FastAPI、SQLite 集成,跑通案例导入、分析、人工确认和持久化读回。
交付与结果
团队交付可运行的 Web MVP 与 3 份 Sprint Report。
资料记录:真实模型 PoC 的 15 个固定案例成功,通过 45 个阶段校验。
已经验证到哪一步
团队实战项目,包含公开数据加工与 Mock 案例。PoC 说明固定案例链路的可运行性,尚不能代表真实电商业务中的客户留存收益或生产稳定性。