首页区块
- 01人机工作流首屏
- 02评估框架
- 03护栏与人工接管
- 04代表项目
← 返回四模板快速比较
template detail / ai-workflow
AI Workflow / 人机工作流
不靠“用了 AI”抢眼，而是讲清任务、人机分工、评估、护栏和回滚。
YES / 材料匹配
适合人群
- 做过 AI 产品、Agent、RAG、内容理解或自动化工作流的人
- 能拿出任务定义、评估样本、人工复核、异常处理或实际采用事实的人
- 愿意把已发生实践和今天的重做设想明确分开的人
NOT YET / 先补材料
不适合人群
- 只有概念原型或提示词截图，没有真实任务、评估或使用边界的人
- 只是调用模型 API，却说不清为什么要由 AI 承接这一步的人
- 把历史规则项目改名为 AI 项目，或把未来方案写成已经上线的人
RECRUITER PATH / 先后顺序
招聘官第一眼与阅读路径
先看任务为什么值得交给 AI，再看人机怎么接力、用什么样本评估、出错时谁接管，最后才看模型或技术名词。
01
从任务而不是模型开场
说明原流程的成本、瓶颈和 AI 适用边界。
02
画出人机接力
交代输入、模型动作、工具调用、人工判断和最终输出。
03
展示评估证据
让离线样本、线上反馈、质量标准和 bad case 能被核对。
04
补上护栏与回滚
说明低置信、敏感或异常场景如何降级、复核和追责。
05
区分已发生与重做
保住事实可信度，同时展示你对下一版产品化的判断。
PAGE STRUCTURE / 页面结构
首页负责定调，项目页负责举证
项目页区块
- 01任务与人机边界
- 02工作流
- 03评估与证据
- 04护栏
- 05回滚与资产
BEFORE PUBLISH / 不齐就先补
发布前证据准备清单
- 原任务、原流程和为什么适合或不适合交给 AI
- 输入、模型或 Agent 动作、工具、人工节点和输出的完整链路
- 评估集来源、样本边界、质量维度和 bad case 分类
- 低置信、敏感内容、错误输出的人工复核与降级方式
- 版本、反馈、回滚或停止使用的触发条件
- 已上线、已试用、仅原型、今天重做四种状态不要混写
GOOD FIT / 常见题材
典型项目类型
- Agent 任务编排、RAG 问答与知识工作流
- 内容理解、审核、标注、推荐或策略自动化
- 客服、销售、运营、数据分析等人机协作工具
MISUSE / 可信度风险
常见误用
- 首屏堆模型名和技术名词，却没有用户任务和采用证据
- 只报准确率，不写评估集来源、样本边界和错误代价
- 把人工复核藏起来，假装工作流已经全自动
- 没有回滚和异常处理，却用“生产可用”描述原型
- 把今天可以用大模型重做的设想写成历史项目结果
AGENT / 只整理真实材料
如何让自己的 Agent 帮忙
- 让 Agent 从真实流程材料中画出每一步，并标注“人决定 / AI 生成 / 工具执行 / 人复核”，不要补不存在的节点。
- 让 Agent 把评估材料整理成“样本来源—质量维度—通过标准—bad case—处置动作”。
- 让 Agent 单独追问一次失败路径：什么时候拒答、降级、回滚或转人工；不知道就写待补充。
- 让 Agent 给每句话标记“已经发生 / 有证据的采用 / 今天重做”，删除无法确认的上线和效果表述。
SANITIZED EXAMPLE / 只读现有内容
脱敏示例片段
来源：仓库当前 data/projects.json 中的公开脱敏内容；仅摘录 1 个 featured project。这里没有补写业务事实，也不代表使用该模板一定会获得某种效果。
featured project / paid-content-evaluation-typing
内容付费作者挖掘与流量策略
过去，付费作者挖掘通常需要 1 名数据分析师或 1 名算法同学写 SQL、制定策略；现在，产品和运营已能借助 AI 的内容理解与自动化策略自行完成。
- 现有指标 01
- 能力覆盖：大范围作者群
- 现有指标 02
- 作者覆盖规模：大规模覆盖（具体数据已脱敏）
SELECTION SIGNALS / 选择信号
出现这些信号，再选择这套结构
- 任务边界明确
- 人机工作流完整
- 有评估与 bad case
- 有护栏、人工接管或回滚
DATA CONTRACT / 页面到数据
页面区块到 projects.json 字段映射
字段只决定内容放在哪里，不会自动补齐事实。数组项不足时，应回到材料追问或明确标记待补充。
| 页面区块 | projects.json 字段 | 这个区块要回答什么 |
|---|---|---|
| 任务与人机边界 | projects[].background · projects[].summary · projects[].roleContribution.judgment | 说明任务价值、原流程和 AI 适用边界。 |
| 人机工作流 | projects[].caseStudy.productMethod · projects[].actions | 串起 AI、工具和人工节点。 |
| 评估与证据 | projects[].caseStudy.algorithmAndData · projects[].caseStudy.evaluation · projects[].metrics | 展示样本、质量标准、结果和限制。 |
| 护栏与人工接管 | projects[].roleContribution.boundary · projects[].results | 明确错误代价、人工责任和披露边界。 |
| 回滚与资产 | projects[].caseStudy.artifact · roadmap | 记录可复用资产与下一版治理方向。 |