AI 产品 · Agent 应用方向 · 作品集 2026
把不可靠的东西,做成可核对的。
四件作品看起来不像一件事:一个三维叙事、一个城市经济看板、一个键盘爆炸图、一个报表抽取的复核台。 前三个是同一个动作的练习——把一样没法一眼判断对错的东西,变成有判据、能重跑、出错兜得住的东西。
AI 产品每天就在做这件事:模型答得对不对,没有谁能看一眼就知道。 所以第四个把这件事直接做成了产品本身:一套报表抽取的验收与复核,18 张真实统计局 PDF, 1694 个字段,先写「什么算对」,再让机器自己证明它敢不敢下。
四件都能在浏览器里直接打开 每件都有一页工程记录 一个人的项目,判据和证据都可重跑
邓国锋 · 22 岁 · 经济学本科在读(2027.07 毕业)· 求职 AI 产品 / AI 应用(实习) · 珠海 · 深圳 · 广州 · 到岗随时
作品 / Works
每张卡下面三行:先写下的判据 · 真的错过的 · 现在能证明的
广州经济运行监测看板
从统计局公开 PDF 里抽出 1978—2025 年的数,做 11 区对比,再用三张卡解释「数字为什么反常」。
- 先写下的判据
- 11 区的 GDP、人口、社零三项合计必须与全市精确相等,不相等就不往下算。
- 真的错过的
- 11 区天际线一开始照等轴测投影硬排,西南角几个区挤成一团、标签找不到自己的柱子。改成按方位手工排布,并且承认 3D 只答“谁在哪、多大”,比大小交回 2D。
- 现在能证明的
- 每次重建都跑闭合校验:合计 32039.46 亿 / 1910.10 万 / 11032.38 亿 三项全对;原始 PDF 留档,任一数字能翻回原文。
11 区 · 8 张表 · 单文件离线,断网也能演示
摘数 · 报表抽取的复核队列
18 张真实统计局 PDF → 1694 个字段,规则版与模型版各跑一遍并跟同一份人工金标对账。不追求「准确率 92%」,而是把每一格的不确定性变成可分配的东西:能复算的自动入库,不能的进复核队列。
- 先写下的判据
- 先写「什么算对」:值、单位、行列、不许插值、空值输出 0 算最严重的错。判据写进 SPEC 才动代码。
- 真的错过的
- 模型接到 95% 时唯一没对的那张表,数字一个没抄错、列名贴反了——肉眼看不出来,只有逐格比才露。
- 现在能证明的
- 模型 1480 个金标格抽对 95.14%,静默零 0、幻觉 0;40 道问答开卷 82.5%(值对 90%、引用对 70%),闭卷 0 分。
规则版能自动入库 96%,但只有 26.8% 被复算验证 —— 这条差别才是产品形态
同一套做法,用四次
不靠手感,靠五道固定工序
先写「什么算对」,再动代码
判据先落进文档,再交给任何人(或任何模型)去做。
爆炸位移必须从 baseY 绝对计算,不许相对累加;11 区合计必须等于全市值,否则不入库;点第 N 层必须只有第 N 层浮起;空值不许输出 0。
判据不写清,后面所有「看起来对」都是自欺。
拆到最小可验收单元
一个模块一个文件,一次只改一处。
改完立刻重跑那一条检查。回归时如果定位不到是哪一步坏的,说明拆得还不够细——不是检查不够多。
让 AI 写实现,判据由我定
边界用文件切,不用“角色”切。
它拿到的是一份写着「什么算对」的规格,不是一句「帮我做好看」。选题、数据口径、验收阈值和审美判断由我定;实现与验证交给它。
这也是 Agent 产品的关键位置:能力可以外包,验收标准不能。
「看起来对」不算过
截图会骗人,像素统计和 console 不会。
无头浏览器一次取回三样:截图、console 异常、运行时指标(三角形数 / draw call / 耗时)。四件作品累计留下 50 余份探针记录与 1694 个字段的抽取结果,逐条比对,不靠复述。
兜底先于增强
交付物先假设自己会失败。
弱机给 160 KB 静帧、口径缺就留空并标注、问答答不了就说答不了、加载前先讲清要下 6.9 MB。
这一条在 AI 产品里叫降级与拒答:低置信度不硬答,比答错便宜得多。
一个人,怎么给出证据
没有团队、没有用户的时候,靠这四类东西说话
可重跑的判据
一条命令重跑,不接受「上次跑过」。判据写死在脚本里,改代码就自动重验。
参数化复现
?ch=2.5、?drift=1、?freeview=1 三个参数把页面状态直接定住:停在第几章、爆炸到几分、视角转到哪。复核的人不用描述「往上滚两屏」,一个地址就到。
自动取证
无头浏览器取图 + console + 运行时指标,一次取回、落盘留档。人眼只负责最后一道审美判断。
失败分类
把错分成「没归位 / 标签对不上 / 点不中」几类,每类留一条最小复现。知道错在哪几类、各占多少,才谈得上改哪一类。
局限,先说清楚
一个人做的项目,缺的是需求侧的证据——没有真实用户反馈哪里难用。这一页所有证据都只能自证「它按判据工作」,不能证明「它值得做」。
下一步要补的正是这里:把判据从工程验收,推进到对模型输出的验收。04 就是这一步——先写「什么算对」,再把模型、金标、错误分类接上去,让「它错在哪一类」变成一个能被算出来的数。
这套做法的名字
同一件事,在 AI 产品里叫什么
还没做的
04 已经接上模型(DeepSeek),但模型这一路只当对照组:它跑出了 95.14% 与一份错误分类,还没有接进主链路去替换规则版。
那 40 道问答题是按公开统计口径自拟的,覆盖不了真实用户的问法分布;「引用正确率 70%」说明它指得出处的能力还不够稳——下一个要改的是这里,不是把准确率再往上推两个点。
关于这一页
经济学本科在读(2027.07 毕业)。做法是先把模糊需求写成「什么算对」,再交给 AI Agent 分步实现,最后用可复现的证据判断这一版行不行。位置在需求与实现之间:翻译需求、定验收标准、对最终交付负责。
四件作品对应四种能力:把空间讲清楚、把数字讲清楚、把结构讲清楚、把不确定讲清楚。共同点不是「好看」,是能打开、能重跑、能说清哪里会错。
时间有限的话:先看 04(30 秒能懂这个产品要解决什么),再看 02(能读到结论),然后 01 的工程记录(判据怎么救回一次漂移),最后看 03(点不中这种错,肉眼是查不出来的)。
这个码打开的是四件作品,和一个能点的复核台
每一件都点得开、手机上能看完;每件下面压着一页工程记录——先写下的判据、真正错过的、现在能证明的。
- 01一塔五境600 m 程序化广州塔 · 六章滚动叙事
- 02广州经济看板1978–2025 · 三项闭合校验 · 归因三问
- 0387 键键盘十层装配 · 点哪层哪层浮起
- 04摘数1716 格复核台 · 模型抽错的那 72 格可直接改判