STAGE 01已完成 · 永久保留
规则查询基线
先建立结构化问题台账、确定性筛选、来源引用与人工确认边界。
- 12 条脱敏模拟问题
- 3 类规则查询
- 可追溯引用
- 桌面与移动端适配
完整阶段档案
从确定性基线到可控 AI 工作流
进入下一阶段时，上一个阶段继续保留原始 Demo 和学习记录，方便快速回顾设计依据与迭代变化。
STAGE 02已完成 · 永久保留
意图协议与评估
将自然语言转换为受控 JSON，并用固定测试集测量解析准确率和已知盲点。
- JSON Schema v1.0
- 24 条回归测试
- 歧义与越权澄清
- 确定性查询执行
STAGE 03已完成 · 永久保留
真实模型接入
通过服务端模型 API 替换意图解析器，沿用 Stage 2 测试集对比准确率、Token 和响应时间。
- 加密密钥与同源接口
- Prompt 与结构化输出
- 超时、限流与规则降级
- 24 / 24 完全匹配
STAGE 04已完成 · 永久保留
引用与人工确认
把模型理解接入确定性证据、角色权限和高风险动作人工确认协议。
- 证据编号与来源定位
- 三类角色权限矩阵
- 确认 / 驳回机制
- 模拟审计与零写入
STAGE 05.1已完成 · 永久保留
风险周报工作流
把周报做成“固定快照—模型措辞—指标与引用验真—人工复核”的受控生成流程。
- 风险周报受控生成
- 四项质量门
- 失败自动回退
- 真实模型生产验证
STAGE 05.2已实现 · 当前阶段
提醒草稿与持续评估
生成不发送的高风险提醒草稿，并统一观察质量、回退、时延与 Token。
- 三类提醒白名单
- 模型只负责措辞
- 8 项安全回归
- 跨阶段评估档案
保留规则
阶段完成，不等于阶段消失
公开页面用于展示 AI 产品思路和可运行能力；更详细的 Schema、测试集、验收标准和复盘同步保存在本地项目资料。
页面独立
每个阶段使用独立地址，进入新阶段不会覆盖旧 Demo。
资料成套
每阶段保存目标、数据、协议、测试结果、已知问题和下一步。
结果可复现
测试集与验收口径保留，使后续模型更换后仍可比较。
边界透明
明确哪些是模拟数据、规则能力、模型能力和人工决策。