LK 产品作品集

AI 产品实验 · Stage 1

UAT Copilot

先把答案做得可解释,再让模型理解自然语言。

本阶段用确定性规则连接问题台账、风险筛选、来源引用和人工确认,验证企业 AI 产品最基本的可信闭环。

交互演示

验收问题工作台

数据日期:2026-08-27 · 全部为脱敏模拟数据

当前问题0筛选范围内
阻塞问题0需要优先处理
已超期0未关闭且超期
待业务确认0避免 AI 代替决策
规则查询

向问题台账提问

无大模型
问题台账

可筛选的结构化数据

编号模块 / 问题状态优先级负责人计划日期

边学习边搭建

这个阶段在学习什么?

不是先追求“像 AI”,而是先建立数据、逻辑与责任边界,再逐步增加模型能力。

01 · 数据建模

把问题变成可计算对象

统一编号、模块、状态、优先级、负责人、日期、来源与确认标记。

02 · 可解释基线

把自然语言意图映射为规则

先用模块、阻塞、超期、确认等明确规则返回稳定答案,作为后续模型评估基准。

03 · 可信交互

让答案附带引用与边界

展示问题编号和数据来源,对待确认事项明确提示人工复核。

下一阶段

自然语言理解 → 受控结构化查询

接入模型后,仅让模型解析意图与参数;数据筛选、引用生成和权限边界仍由系统控制。