方案验证、路线收敛与算法侧交付主责
CASE 01 / AGENT CAPABILITY EXPANSION/ Harness
流程速览 ↓REAL-TIME RETRIEVAL
让模型不知道时→先学会检索/ 可验证
面向天气、新闻与事实信息等时效场景，我从低成本工作流验证出发，收敛触发规则、模型路线、评测题集与函数调用规范，把实时检索推进为可运行、可评测的 Agent 能力。
产品、算法、合规与业务评测协同推进
可运行链路与交付材料进入后续训练承接
天气、新闻、人物和事实信息等知识缺口场景
DELIVERY EVIDENCE MAP40 天内交付了什么证据
四个阶段分别对应验证动作、路线取舍、评测证据和交付资产。
验证动作2 项对应内容 外部工具验证快速试错 用低成本工作流先证明实时检索值得继续投入。
问题边界时效事实 聚焦天气、新闻、人物事实等模型容易过期的知识缺口。
路线动作2 项对应内容 路线取舍多路线 → 专用链路 从外部工具、低代码工作流和多模型并行中收敛出可交付路线。
触发规则检索 / 克制 定义什么时候检索、什么时候克制，保护简单稳定请求。
验证证据3 项对应内容 定性评测题300+ 覆盖艺术、摄影、设计与时效检索，用问题集持续暴露能力边界。
业务盲评千条级 上线前严格人工盲评，用综合结果替代少数演示样例。
人工判断标注大规模 用于 Agent 选择、触发判断和 Bad case 回流的辅助评测材料。
交付资产3 项对应内容 触发规则执行说明 把验证阶段的判断沉淀为可被模型链路使用的执行说明。
函数调用规范工具边界 将工具输入、调用条件和失败边界前置到正式链路。
交付材料后续承接 合规、评测和算法侧承接材料一起形成后续推进依据。
01
THE PROBLEM
议题：生图模型如何判断自己不知道。
天气、新闻、人物与事实信息会快速变化；但解决方案不能是“总是检索”。 我需要把知识缺口、输入阈值、工具噪声和最终生成质量放进同一套判断里。
知识会过期
天气、新闻和人物事实变化很快，模型可能生成看似完整但已经过时的内容。
总是检索会伤害结果
简单稳定请求本可以直接完成，额外调用会带来噪声、失败点和更长生成链路。
工具前置阈值复杂
图片输入、尺寸限制和工具参数必须在调用前判断，不能把失败留到链路末端。
搜索成功不等于生成成功
检索结果还要被筛选、整合和生成链路消化，最终仍需用业务题集验收。
02
THE DECISION
议题：为什么不是沿着一条路线押到底。
更快的路径是只做一次演示；更难的是判断哪条路线能进入正式链路。 我从低成本验证开始，在合规、协作响应、调试成本和版本周期之间不断收敛。
外部工具快速证明价值
先用低成本工作流确认实时检索是否值得投入，而不是一开始就押注完整工程路线。
从多路线收缩到专用 Agent
依据合规、资源和调试效率，放弃低响应或高成本路线，保留能进入版本周期的方案。
把复杂工作流压回规则和函数
复杂循环工作流证明了可行性，但正式链路需要更可控；最终收敛为触发规则与工具调用规范。
难点 01 / 版本周期有限，需要尽快形成验证闭环难点 02 / 工具与搜索源必须满足合规要求难点 03 / 多方合作、调试成本和上线预期需要同时考虑
03
THE SYSTEM
议题：让检索从一次调用变成可评测系统。
判断、调用与评测必须形成闭环
只有在时效、事实或明显知识缺口时触发；简单稳定请求保持克制。 触发规则、工具调用规范、评测题集与验收材料共同构成算法侧交付。
先把候选方案按工具来源、能力路线和工程实现方式拆开验证，再收敛为可交付的检索链路。
先用外部工具快速验证价值，再迁移到合规可控搜索源。
早期验证复杂分支，后期沉淀关键难点。
收缩低投入产出链路，把周期押到更可控方向。
展示一次请求如何进入工具判断、检索、筛选、生成调用和评测交付。
用户请求T2I 输入触发判断是否检索拆解请求QUERY检索执行RETRIEVE原生生成NATIVE筛选 / 整合FILTER生成调用CALL评测交付EVAL
识别时效、事实和明显知识缺口，保护简单稳定请求不被噪声干扰。
让检索、筛选、生成调用和输入检查形成清楚的运行顺序。
用题集、人工盲评和交付材料确认能力价值，而不是只看演示样例。
说明项目如何通过业务题集、规则沉淀、路线收敛和回归评测持续迭代。
业务题集 / Bad caseINPUT规则沉淀RULE路线收敛CHOICE提示词 + 函数规范SPEC回归评测REGRESS进行判断GATE
04
VISUAL EVIDENCE
议题：用真实前后案例证明检索收益。
真实差异，比流程图更有说服力
四组案例分别覆盖新 IP 角色、近期影视人物、实时公众事实和天气信息。 早期低代码验证以系统导图呈现，真实前后案例用于展示检索带来的生成差异。
01 / NEW IP CHARACTER
新角色视觉参考是否被补齐
证明实时检索能补齐模型未覆盖的新 IP 视觉知识，而不是只改善文字事实。
02 / RECENT DRAMA ROLE
近期影视角色是否被识别
证明近期影视内容属于训练数据容易缺失的场景，检索能帮助模型获取更可靠的角色参考。
03 / TIME-SENSITIVE FACT
随时间变化的公众事实如何处理
证明当用户请求包含随时间变化的公众事实时，模型需要在生成前先获取当时信息。
04 / WEATHER CARD
天气这种低风险时效信息是否准确
证明实时检索在天气这类低风险、高频时效场景中能直接提升事实可用性。
05
STAGE RESULTS
议题：阶段结果证明了什么，又不代表什么。
这个项目的价值在于早期验证闭环、路线收敛和算法侧交付；后续训练和规模化由团队继续承接。
有效收益
- 实时检索在综合生成质量上形成正向收益
- 低成本验证证明能力值得进入后续投入
- 触发规则帮助保护模型原本稳定能力
责任边界
- 个人贡献集中在早期验证、路线收敛与算法侧交付
- 原始搜索源与评测明细不展开
- 早期低代码验证由系统导图承载链路逻辑
可复用资产
- 路线验证方法可复用到其他 Agent 能力
- 触发 / 克制规则可迁移到工具调用场景
- 评测题集与交付材料让后续团队可以接着推进
角色定义 / VALIDATE BEFORE SCALE
不确定性最高的早期阶段更需要快速建立验证闭环
该项目代表我的 0→1 工作方式：不等待所有资源齐备，而是先用最低成本证明问题值得解决，再在工具、模型、合作成本与版本周期之间做出可交付选择。