skip to content
本页目录
← 返回精选项目

可以科技 KEYi · AI 产品经理实习项目

Cortex-Agent

让桌面伴侣机器人,迈向具身办公生产力 Agent

Loona DeskMate 将 iPhone 与可转动底座结合,通过语音、表情和动作与用户多模态互动。Cortex-Agent 是其中的 Agent 运行时,连接邮件、日历与项目协作工具,支持信息检索、任务规划与主动简报交付。

我的角色AI 产品经理 · 负责 Toolhub、主动服务及相关基础设施
项目周期2026.05 — 至今
协作团队产品负责人、Agent研发、客户端、测试

EXECUTIVE SCORECARD主要工作与成果总览 (Major Initiatives)

以「运行时架构治理」与「主动服务闭环」为核心抓手,配套办公生态接入与标准接入 SOP。

关键实践 01 · 运行时架构

ToolHub 成本与调度确定性治理

核心挑战:122 个工具全量注入导致 1.5万 Token 描述膨胀与模型选择幻觉超时

PM 核心动作:主导「同类能力聚合 + 业务域路由 + 按需动态挂载」分层调度方案

122 → 77工具目录聚合精简
≈30% ↓Planner 单轮 Token
91.2% → 97.8%基准用例成功率 (124→133/136)
查看详细设计 ↓
关键实践 02 · 主动智能闭环

DeskMate Daily Brief · 晨间智能工作简报

核心挑战:现场多轮 ReAct 时延过长、离线预生成算力空转滞后、通用记忆高噪混杂

PM 核心动作:原型实验论证并推行「代码并发预查 + 场景化记忆剪枝」,构建三层质量闭环

实测 4~5s端到端交互时延
1.5万 → 1,200记忆输入 Token
三层闭环门禁 · 质检 · 验证
查看详细设计 ↓
能力落地 03 · 办公生态接入

5 项核心办公应用落地与标准接入 SOP

业务目标:从 0 到 1 拓展机器人办公能力,确立高危防错红线与 6 步标准接入规范

PM 核心动作:主导 5 项办公工具从协议设计到落地闭环,确立「高危必确认、缺参必反问」交互红线与 SOP

5 项高频办公能力落地
3 条产品交互防错红线
6 步标准接入 SOP
查看详细设计 ↓

01 关键实践 · 运行时架构

ToolHub 治理:从全量注入到分层按需挂载

问题背景与矛盾从线上日志发现:工具越多,Agent 越容易超时

随着桌面机器人接入的办公应用增多,可用工具迅速膨胀至 122 个。观测线上日志发现:122 个工具的全量描述每轮都被注入 Planner,仅 Schema 描述就占用 15,000+ Token。更严重的是,多平台间同类工具(如 Google 日历 vs Outlook 日历、Notion 检索 vs 本地检索)语义高度重叠,导致模型频繁发生「工具选择幻觉」与重复误调用,最终引发超时、任务失败。

我的职责:主导本次运行时治理的产品方案设计,定义能力聚合粒度与调度协议,协同研发落地 Router 预选机制,并通过 136 条覆盖全量工具的基准用例验证成本与成功率收益。

方案权衡工具按什么粒度聚合?在参数复杂与选择困惑间寻找平衡

方案 A
按平台独立封装大工具

一个平台对应一个或一组工具,直接保留底层 API 原始结构。

致命缺陷:增删改查(CRUD)混在一起,Schema 极度臃肿复杂、多态嵌套难以规范定义;导致模型选参和必填项判断难度陡增,传参错误与入参校验失败频发。

方案 B
按业务域合并粗粒度工具

邮件、日历各收归为一个巨型工具,通过内部 action/method 参数做分支调度。

代价:虽然减少了工具名数量,但选工具变成了复杂的内部方法与参数嵌套选择,依然加重模型推理负担。

采用方案
能力语义抽象 + Router 快筛动态挂载

将跨平台同类能力拆解为原子语义工具(如 calendar.create、calendar.query);由 Router 在提示词目录中轻量快筛,仅向 Planner 挂载命中的具体 Schema。

收益:每个工具 Schema 纯粹单一、入参零歧义,同时为 Planner 减少 70%+ 无关上下文干扰。

调度架构对比全量平铺注入 vs 分层按需挂载

将工具选择前移至轻量 Router,Planner 摆脱全量负担,实现轻装规划。

治理前 · 全量静态平铺
01用户请求检索 Notion 文档
↓
02Planner 第一轮规划
挂载 122 个工具 Schema · 当轮总输入约 43k Token
同类工具干扰严重,易选错重复试错
↓
03Planner 第二轮回复
仍挂载 122 个工具 Schema · 当轮总输入约 47k Token
历史记录堆积,上下文爆炸超限
总输入 Token 膨胀至 97,979超时率高 · 工具幻觉频繁
治理后 · Router 预选 + 动态按需挂载
01用户请求检索 Notion 文档
↓
02Quick Router 语义快筛
目录在 Prompt 中,注入 0 个 Schema
Flash Lite 快筛判定当前仅需文档检索
↓
03Planner 按需轻装规划
仅挂载 7 个工具 Schema · 当轮总输入约 19k Token
候选范围缩减 94%,该用例正确命中目标工具
总输入 Token 降至 52,801成功率 91.2%→97.8% · 该 Case 输入 Token 节省 46.1%
运行时工具目录122 → 77 个能力聚合减少 36.9% 重复工具
Planner 单轮输入 Token≈30% ↓122 个工具 Schema 缩减为按需注入 7~10 个
全工具基准用例成功率91.2% → 97.8%136 条用例覆盖全部工具,成功数由 124 升至 133 条(+6.6 个百分点)
典型验证 Case

“找出我 Notion 中最近修改过的 20 篇文档。”

本任务输入 Token 下降−46.1%净减少 45,178 Token
治理前 (全量注入)
97,979
治理后 (按需挂载)
52,801
展开查看该用例各阶段模型调用与 Token 审计清单
阶段 / 模型挂载 Schema 数 (前 → 后)输入 Token (前)输入 Token (后)变化与归因
RouterGemini 3.1 Flash Lite0 → 07,0038,661+1,658判断为新任务,并提前选出 search_docs;工具目录放在提示词中,不作为 Schema 注入。
Planner · 第一次Gemini 3.7 Flash122 → 743,08819,670-23,418在提前筛选后加载的 7 个工具 Schema 范围内,调用 Notion 文档搜索。
Planner · 第二次Gemini 3.7 Flash122 → 747,88824,470-23,418根据返回的 20 条文档信息回复;本轮仍注入 7 个工具 Schema。

* 审计说明:Router 增加 1,658 Token 用于承载工具目录的文本快筛;而在随后的两轮 Planner 规划中,分别减少 23,418 与 23,418 Token,任务整体净削减 45,178 Token (-46.1%)。

02 关键实践 · 主动智能闭环

DeskMate Daily Brief 晨间智能工作简报

场景定义与痛点在坐下工位的第一分钟,帮用户快速看清今天重点

在多项目并行的日常办公中,大家早晨坐上工位,最繁琐的往往不是着手干活,而是「理清头绪」——昨晚群里没结的讨论、被排满的日程会议、跨团队项目的各色进展,往往要花上 10 来分钟翻找各个应用,才能弄清楚今天到底该先跟进什么。

基于桌面机器人的硬件形态,我们希望给用户一个贴心的小助手体验:当用户早晨坐到工位、随手将手机贴到底座时,设备能极快地整理出「今天最需要关注的几件大事」,让用户在一上工就能看清主线、轻松进入工作状态。

我的职责:我负责桌面机器人 DeskMate Daily Brief(晨间智能工作简报) 的需求定义、技术方案权衡与质量评测闭环。核心挑战在于:既不能让用户在工位前干等(时延要极短),也不能造成服务器算力空转浪费(成本要可控),更不能吐出一堆无用闲聊把真正重要的承诺淹没(信噪比要极高)。

方案权衡与取舍决策技术选型:两个正交问题的原型实验与工程取舍

主动服务的技术方案不能将“何时计算”与“输入什么”混为一谈。我们将其解构为两个独立的工程决策:

DECISION 01 · 计算机制决策一:执行机制权衡(何时与如何计算)

PATH 01
现场 Agentic ReAct(原型验证)

做法:用户上座后,模型自主多轮串行调用日程与待办工具。

核心优势:逻辑灵活,无需预设固定取数管道。

瓶颈 / 代价:串行耗时长达 30~40s 且步骤不稳定,无法满足早间即时扫读需求。

结论:多轮串行时延过长(30s+)
PATH 02
全量定时离线预生成(Cron 批处理)

做法:每日清晨脱离用户状态,通过定时任务批量调模型生成静态简报。

核心优势:现场完全 0 延迟,用户上座后卡片秒开。

瓶颈 / 代价:未上座用户产生大量无效算力;且无法感知早间突发日程取消,内容易失效。

结论:算力空转,突发日程变更易失效
PATH 03 (采用)
触发即并发取数 + 模型单轮生成

做法:用户上座触发瞬间,代码并发拉取实时日程与工作记忆(0.5s);模型仅负责单轮提炼(3~4s)。

核心优势:数据 100% 实时且零无效算力;时延由 30s+ 压缩并稳定至 4~5s。

瓶颈 / 代价:需预设明确的字段契约,但换取了极高的执行确定性与秒级响应。

结论:确定性归代码,提炼性归模型

DECISION 02 · 输入范围决策二:输入范围裁决(输入哪些上下文)

SCOPE A
全量复用 LiveMem 通用记忆

做法:直接复用系统按天沉淀的 32 类通用记忆(含日常闲聊、生活偏好)全量灌入 Prompt。

核心优势:直接复用既有模块,无需二次过滤。

瓶颈 / 代价:1.5万 Token 成本高昂,且琐碎闲聊严重掩没真正重要的工作卡点与承诺。

结论:全量高噪混杂,工作焦点被淹没
SCOPE B (采用)
场景化白名单剪枝 + 画像人际基准

做法:基于底层按天更新的 LiveMem,在消费端设白名单仅放行工作承诺;保留画像基准阻断闲聊。

核心优势:记忆输入削减 92%(1.5万 → 1,200 Token),核心工作卡点信噪比大幅提升。

瓶颈 / 代价:引入两阶段流水线,增加了前置抽取与过滤的工程复杂度与状态管理成本。

结论:聚焦工作主线,记忆输入降至约 1,200
★ 架构设计原则

坚持现场按需生成,工程代码与大模型明确分工——“确定性归代码,提炼性归模型”

取舍 01 / 数据输入剪枝
LiveMem 场景化白名单过滤

全量注入记忆导致万级 Token 膨胀且混杂海量闲聊。虽然 LiveMem 本身异步更新,但直接消费会严重淹没工作主线。我们改为在消费端引入工作场景白名单:仅放行核心工作字段(承诺、阻塞、计划),并保留人际协作背景作为必要上下文;以增加前置抽取与过滤为代价,阻断生活琐碎噪音,记忆输入从 15,000 降至约 1,200 Token(削减 92%)。

取舍 02 / 架构流水线
上座触发代码并行取数,模型单轮归纳收敛

放弃现场多轮 ReAct 边想边查(避免 30~40s 长尾延迟),亦放弃离线定时预生成(避免算力浪费与突发日程变更失效)。确立为用户上座瞬间由工程代码并发(约 0.5s)并行拉取实时日程与 LiveMem 当日工作承诺,组装精简输入快照;大模型免除工具调度开销,仅负责单轮归纳、优先级重排与口语化生成(约 3~4s),端到端延迟稳定收敛至约 4~5s。

取舍 03 / 具身交互协同
具身动作掩蔽后台耗时,多模态双通道触达

手机吸附到底座瞬间,机器人立即触发转头眨眼与开场问候(约 3~4s),问候动作与后台取数生成完全并行,实现体感零等待。生成完成后无缝切入:语音严格约束为 ≤25 字单焦点播报(先提醒最紧急事项),屏幕同步以 A2UI 结构化卡片呈现,供用户 5 秒快速扫读完整安排。

展开查看完整字段映射表:长期记忆 32 类字段场景化剪枝规则(工作记忆、画像与人际背景白名单 vs 闲聊偏好物理隔离)
联系人记忆 (Person 域)
白名单放行 (准入 Daily Brief)
person.commitment (承诺待办)relationship (人际协作背景)

他人承诺交付的待办,以及核心联系人协作关系(用于责任判定与主体对齐,识别谁是谁、该找谁催办)

物理隔离 (晨报直接拦截)
profile (基本人设)preference (偏好风格)communication_style (沟通习惯)

日常人设偏好与语气风格(仅适用于日常闲聊对话,晨报直接阻断)

用户自身记忆 (User 域)
白名单放行 (准入 Daily Brief)
user.commitment (自身承诺)user.goal (核心主线)user.profile (画像与职能背景)

自身到期行动、主线目标,以及用户岗位与业务边界(作为噪音隔离与责任判定的基准锚点,用于识别哪些事项与本人直接相关)

物理隔离 (晨报直接拦截)
habit (生活习惯)communication_style (偏好表格化汇报等)preference (个人爱好碎碎念)

个人生活习惯偏好与日常碎碎念(晨间聚焦场景的纯粹干扰项)

项目协作记忆 (Project 域)
白名单放行 (准入 Daily Brief)
project.blocker (阻塞卡点)project.risk (交付风险)project.next_step (行动计划)project.status (最新进展)project.decision (待决决策)

核心项目推进中的阻断卡点、延期风险、待决决策与关键行动

物理隔离 (晨报直接拦截)
history (远期历史流水账)people_context (模糊背景信息)requirement (过往需求细节)

远期项目流水账与陈年背景说明(对当天行动决策无增量价值)

实际交付体验交付契约与真实 A2UI 渲染

A2UI 交互原型 / 真实运行渲染

Daily Brief 晨间交付态

DELIVERY CONTRACT

晨间主动推送,如何决定取舍?

早晨面对 10+ 项备选信息,桌面卡片与语音口播严格按优先级阶梯呈现:

P0 刚性置顶 · 行动底线今日到期承诺与阻断级卡点强制排在首位,守住待办基本盘。
P1 单句压缩 · 主线进展核心重点项目的关键进展严格单句提炼,舍弃非关键流水账。
散碎待办 · 保守分流无明确项目归属的零散事项(如报销、日报)独立展示,不强行归并。
语音口播硬限 · 仅 1 句话口播严格限制 1 句话(≤25 字)避免听觉骚扰;卡片结构化呈现全貌,无事实分区直接隐藏。
交互原则:内容宁缺毋滥,触达绝不打扰。

右侧为真实 A2UI 渲染结果 · 可在卡片区域左右滑动切换

评测闭环与归因迭代以质量评测守住内容底线,以用户反馈验证简报价值

晨间简报需要在有限篇幅内提炼今日重点,质量保障依赖真实闭环而非单点碰运气。我们推行「代码门禁 + 异步质检 + 价值验证」轻量分层机制;更完整的大模型评测体系、自动化批跑与版本门禁能力,详见配套建设的 Cortex-Eval 评测平台 ↗。

CORE DEFECT REVIEW · 核心排障案例

01 典型缺陷复盘:从「48h 误删未结承诺」看端到端排查

💡 核心认知:只对照模型输入做评测,发现不了进入模型前已经丢失的信息。
离线 LLM Judge 只能核验「输出是否忠实于输入」。若上游规则在数据拼装时将关键待办误切,模型输出看似完全合规,离线质检也会全绿放行(Judge 完全致盲)。排查必须打通端到端链路。

在自身深度内测使用时捕获该典型缺陷:3 天前记录了自身承诺 “周五前完成表格翻译”(归属于多语言支持项目),但周五早晨生成的简报中该承诺完全消失。第一反应容易主观归咎于“模型遗漏”,但调取同次生成的 InputBundle 评测快照证实,模型根本没有收到该条输入。

根因与修复:上游提取规则简单将 updated_at ≤ 48h 作为时序过滤器,导致 3 天前记录但今日到期的未结承诺被误判为历史噪音丢弃(信息新鲜度 ≠ 任务有效性)。我们重构了筛选逻辑,使今日到期待办穿透时间窗保活,并将该缺陷固化为固定防劣化回归用例。

修改前(仅按 48h 更新时间截断)
遗漏自身核心到期承诺 · 模型无从感知
评测平台对齐:用例差异卡点待确认,今日 15:00 参加评审。
其他待办:18:00 前提交实习生日报。
(多语言支持项目中,3 天前记录的“周五前完成表格翻译”因超过 48h 未更新被上游截断切除,导致该项目及到期承诺完全漏报!)
修改后(近期动态 + 今日到期未结待办)
准确召回到期承诺 · 项目归类清晰
评测平台对齐:用例差异卡点待确认,今日 15:00 参加评审。
多语言支持:今日到期:您需在周五前完成表格翻译。
其他待办:18:00 前提交实习生日报。
展开查看该 Case 评测质检表:严格对照 Gate 1 代码门禁与 Gate 2(D1—D3)三元裁决核验凭证
典型 Bad Case 对照 Gate 1 代码门禁与 Gate 2 语义质检三元裁决对照
质检门禁 / 评测维度核验要点(Rubric 规则对照)修改前裁决修改后裁决评测判定依凭(Force Quote 原文定位)
端到端 · 用户感知
真实待办完整履约
今日到期承诺必须提醒,不得发生严重业务漏项FAIL
真实漏事:表格翻译未提醒
PASS
精准召回:保活到期待办
"多语言支持:今日到期:您需在周五前完成表格翻译"
Gate 2 · D2
时间有效与时序过滤
对照输入核查事项时效;过滤历史失效与无关噪音PASS
Judge盲区:输入缺失误判通过
PASS
输入补全:核验真实合规
"输入快照核验无失效事项"
Gate 2 · D3
项目归并依据
事项依上下文关联归并;散碎待办按保守规则独立展示,不强猜PASS
符合规则:散碎待办独立列出
PASS
符合规则:项目分流清晰
"其他待办:18:00 前提交实习生日报"
Gate 2 · D1
事实保真 (Force Quote)
主体、时间、条件严格一致;必须提供输入原文定位依据PASS
要素保真:时间与事项忠实
PASS
要素保真:时间与事项忠实
"评测平台对齐:用例差异卡点待确认,今日 15:00 参加评审"
Gate 1
代码门禁(口播硬限)
语音口播严格 ≤25 字单焦点播报;A2UI JSON Schema 校验合规PASS
口播 18 字(符合 ≤25 字硬限)
PASS
口播 20 字(符合 ≤25 字硬限)
"口播提炼:“早!今天重点跟进多语言表格翻译。”"
归因方法:沿输入、生成与评测三个环节排查,避免甩锅给模型
归因方法:沿输入、生成与评测三个环节定位问题
归因方向排查依据修复位置
输入问题对照上游记录、筛选日志与 InputBundle,确认是否缺失、过期或被误删数据查询、记忆更新、筛选规则
生成问题输入已有充分依据,但输出出现事实失真、噪音或项目错归生成 Prompt、上下文组织与模型选择
评测问题对照 Rubric 与原始证据,确认 Judge 是否误判,或规则是否存在歧义Rubric 与 Judge Prompt
本例归属于输入筛选缺陷:通过修复 48h 单一时序过滤规则,并将该承诺加入固定回归集闭环。若输入合规但用户仍觉无用,则流转至价值反馈层调优。

Evaluation Framework · 质检体系

02 业务质检分工与三层机制

1真实内测采样
→
2问题复盘与标准修订
→
3自动评测与复核
→
4固定样本回归
Gate 1 · 代码门禁
呈现与确定性约束
  • 结构与口播硬限:A2UI JSON Schema 校验,语音口播严格 ≤25 字(仅 1 句话),卡片结构化呈现供 5 秒快速扫读。
  • 模态一致性:语音使用被选事项同一短文本字段,从数据结构上避免两份文本相互矛盾。
  • 单焦点与日程时效:语音关联单一有效事项;按当前时间、时区和取消状态过滤已结束日程。
Gate 2 · 语义质检
对照输入核查(LLM Judge 异步抽检)
  • D1 事实保真:主体/时间/状态有输入支持,Force Quote 凭证;删除条件或放大确定性即判失真。
  • D2 时间有效与降噪:过滤失效与闲聊,但不将大群广播一律视为噪音;未结承诺保留。
  • D3 项目归并:只核查归并依据,不测主观重要性;项目未知独立展示,多项目不强猜。
Tier 3 · 用户价值验证
业务效果闭环:验证是否真正减负
  • 有用性与归因:端侧收集“有帮助/部分/没帮助”分布与具体原因(漏重点/不相关/打扰)。
  • 早期打断率:播报开始后 3 秒内打断比例(区分停止与追问,不盲目将打断视为负反馈)。
  • 后续行动率:交付后发起后续执行指令比例;结合案例访谈验证核心减负目标。
展开查看 Gate 2 语义裁决机制与 3 类典型边界判定非黑即白一票否决 · 歧义主动暴露待复核 · 不强猜不捏造
统一三元裁决标准与处置动作
判定使用条件后续处理
通过(PASS)本次检查未发现明确违规(仅代表本次检查未发现问题,不证明完全正确)记录自动检查结果,正常计入交付基线
不通过(FAIL)有明确事实冲突、无依据断言、失效或无关内容、错误项目归并返回问题片段、输入证据和原因,进入问题复盘
待复核(REVIEW)来源冲突或上下文歧义,无法可靠裁决(必须有具体原因,不能只写“模型不确定”)说明具体冲突或缺失信息,供 PM/研发抽样查看

反思复盘阶段成果与下一步(Outcomes & Next Steps)

取得了什么结果

实测端到端耗时稳定控制在约 4~5s(并发预查 + 单轮直出);修复已发现的 48h 误切漏报并纳入回归库(当前回归集中未再重现同类遗漏);严格守住语音口播 ≤25 字单焦点物理防线,卡片通过 A2UI 结构化呈现保障 5 秒即时扫读。

还有什么没验证

目前主要完成自身深度内测与内部种子用户的日常 Dogfooding。面对不同职能岗位(如咨询、商务、运营)的多样化工作节奏,主动推送是否能在多用户场景下稳定实现心理减负(Mental Offload),仍需长周期验证。

下一步优先做什么

推进长期线上持续观测(结合打断率、停留时长等行为指标),持续收集真实场景中的长尾 Bad Case,闭环驱动上游数据供给与时序剪枝规则迭代。

03 办公能力接入 · 生态落地

办公能力接入:5 项核心办公应用落地与标准接入 SOP

给桌面机器人接入真实办公能力,最大的挑战不是打通接口,而是让用户真正放心把工作交给它。发错一封邮件、订错一场会议都会瞬间摧毁信任。我负责 5 项核心办公能力的需求定义与交互设计,制定「高危必确认、缺参必反问、异常说人话」的产品红线,并将经验沉淀为覆盖需求到验收的 6 步标准接入 SOP。

接入生态 / PROVIDER ECOSYSTEM

负责 5 项核心办公应用能力接入与落地

负责 Gmail、Outlook 邮件/日历、Microsoft Todo、ClickUp 等 5 项高频办公能力的需求定义、接口映射与上线验收,推动机器人从陪伴对话真正迈向办公办事场景。

  • Gmail邮件
  • Outlook Mail邮件
  • Todo待办
  • Calendar日历
  • ClickUp项目协作

产品交互规范给 AI 办事立规矩 · 3 条核心设计原则

连通接口容易,但让用户放心把工作交给 AI 很难。发错一封邮件或订错一场会议都会摧毁信任。我主导确立了 3 条人机协作原则,在「操作丝滑」与「安全可控」之间守住边界。

PRINCIPLE 01高危动作必确认,日常查询不打扰

坚持体验与安全分级:查邮件、看日程等只读操作静默完成,保障交互流畅度;发邮件、删日程等具备外部影响的操作,确认由执行引擎强制拦截,模型不能绕过,绝不依赖大模型概率性的自主判断。

PRINCIPLE 02关键信息有出处,绝不擅自脑补

用户口语表达往往简短模糊。确立产品防错红线:收件人、会议时间等核心参数必须在上下文中有据可查;只要关键信息缺失,必须主动反问对齐,严禁模型凭空脑补发错人或订错时间。

PRINCIPLE 03失败原因说人话,绝不盲目报喜

遇到账号未授权、权限过期或时段冲突时,严禁模型掩盖错误虚假汇报“已搞定”;必须把真实阻断原因翻译成清晰的人话,并直接给出可操作的下一步指引(如一键前往授权绑定)。

标准 SOP / INTAKE STANDARD

从接口调研到上线验收的 6 步办公能力接入 SOP

从散装对接走向标准化交付:将经验固化为覆盖「接口调研 → 场景定义 → 权限与防错 → 交互与异常设计 → PRD 与研发对接 → 验收与规范沉淀」的 6 步产品流程,让后续新能力接入有据可依。

01接口调研

接口调研与能力盘点

调研 Gmail、Outlook 等接口,确认支持哪些读写操作、需要什么授权、有哪些必填参数及调用限制。

产出:接口能力清单、限制与依赖
02场景定义

场景定义与范围收敛

将接口能力转成用户场景(如查邮件、回复邮件、查日程、建会议),确定优先级与首期支持范围。

产出:场景清单、功能边界、典型用户指令
03权限防错

权限分级与防错规则

区分只读与高危写操作;明确哪些操作必须确认、哪些必要参数缺失必须追问,以及对象歧义如何消除。

产出:权限矩阵、确认与追问规则
04交互与异常

交互流程与异常兜底

设计从意图识别、参数补齐、确认到执行反馈的完整流程;覆盖未授权、超时、部分失败、取消和重试。

产出:交互流程、状态卡片、兜底策略
05PRD与对接

PRD 输出与研发对接

将场景、接口映射、参数规则、权限校验和异常策略写进 PRD,与研发明确模型和代码各自负责的部分。

产出:标准 PRD、接口映射与执行规则
06验收沉淀

联调验收与规范沉淀

验证正常及异常场景,推动交付上线;将共性规则和踩坑案例回填到接入规范,持续更新测试集。

产出:验收用例、回归测试集、更新后的 SOP
* 机制贯穿与规范复用:「高危必确认、缺参必反问」是贯穿接入全流程的防错底线(03 步定义规则 → 04 步落实交互 → 05 步研发实现 → 06 步用例验证);并将该 SOP 固化为 PRD Skill 复用工具(输入接口文档与场景 → 自动化梳理权限、参数、交互与异常 → 输出标准 PRD 初稿与验收清单),实现「5 项工具交付(实际项目)→ 防错红线(产品规则)→ 6 步 SOP(方法沉淀)→ PRD Skill(复用载体)」的完整支撑闭环。