作品信息难以结构化
图片与 PDF 中的信息分散，用户也不一定知道该如何准确描述自己的作品。
项目形态
已上线的响应式 Web MVP
核心任务
从作品理解到赛事资格判断
数据范围
20 条有限且经核对的赛事记录
个人职责
产品设计主导 + AI 辅助实现
01Problem Framing
真正困难的不是推荐，而是先把报名条件说清楚
竞赛选择看似是推荐问题，实际同时包含作品理解、资格核验、时间状态和信息可信度。只用相似度排序，会把“像不像”误当成“能不能报”。
适合不等于有资格
主题相似只是第一步，年龄、地区、身份、赛道和时间窗口都可能直接改变结果。
模型结论不可直接采信
AI 能提高理解效率，但其推断需要被用户确认，不能自动成为资格事实。
结果必须可解释
用户需要知道为什么推荐、还缺什么信息，以及为什么某项赛事不能报名。
02From Prototype to Product
从概念原型，走向可以真实操作的 Web MVP
最初的 Figma 高保真原型验证了需求方向和交互想法，但大量页面仍依赖理想化的 AI 推荐。重构时，我保留核心问题，删除未落地的社区、组队与成长体系，把重点收束到可运行的资格判断闭环。
EARLY PROTOTYPE
Figma 概念验证
上传
标签确认
信息补充
冲突提醒
REAL MVPWeb 产品重构
- 1
把 AI 输出改为可核对的结构化作品画像
- 2
增加用户确认与补充条件，明确事实责任
- 3
用确定性规则处理资格分类与排序
- 4
接入有限且已核对的赛事数据与官方来源
- 5
完成响应式界面、真实部署与多格式输入检查
03Product Principle
AI 理解，人确认，规则决定
我没有让一个模型承担从理解到决策的全部责任，而是根据可验证性拆分系统边界。
01 / AI UNDERSTANDS
AI 理解作品
读取图片或 PDF，提取作品类型、主题、能力与证据，整理为可检查的结构化作品画像。
- 图片 / PDF 理解
- 作品摘要与类型
- 技术方向与场景
- 交付物与证据提取
02 / HUMAN CONFIRMS
人确认事实
用户确认、补充或修正 AI 的判断，避免把模型推断直接当作报名事实。
- 确认 AI 标签
- 修正错误推断
- 补充身份与条件
- 决定是否继续
03 / RULES DECIDE
规则完成决策
确定性规则负责资格分类与排序，让推荐原因、缺失条件和排除依据可以被核对。
- 年龄 / 身份 / 地区
- 学历 / 团队 / 语言
- 费用与时间状态
- 特殊资格与最终分类
04AI Analysis
先建立可检查的作品画像，再进入推荐
用户上传作品后，多模态模型先分析输入，再把结果整理为作品类型、主题、目标与证据。界面保留处理状态，并把模型结论放进可修改的确认流程。
05Human in the Loop
把确认权交还给用户
AI 可以帮用户降低描述成本，但最终进入资格计算的事实必须经过用户确认。用户可以查看证据、修正标签，并补充 AI 无法从作品中确定的信息。
展示 AI 识别依据，而不是只给标签
允许修改作品画像中的关键字段
明确区分“模型推断”和“用户确认”
06ELIGIBILITY ENGINE
把复杂条件拆成可补充、可追踪的判断依据
系统先读取通用条件，再询问作品本身无法提供的资格信息。只有已确认的条件进入规则判断，缺失项则保留为“信息不足”或“需补充确认”。
STAGE 01
填写通用参赛条件
先完成身份、学历、地区、年龄、团队与参与偏好等基础输入。
STAGE 02
按需补充特殊资格
只追问当前候选赛事真正缺失的事实；已被硬条件排除的赛事不再继续追问。
年龄与在校身份
地区与国籍范围
作品完成时间
赛道及团队要求
报名时间状态
材料与信息完整度
07Deterministic Decision
先判断能不能报，再回答值不值得报
输出不是一列模糊的匹配分数，而是六种有明确含义的资格状态。排序只在资格分类之后发生，推荐卡片同时说明推荐依据、待确认事项与官方来源。
现在可报名
01eligible_now
需补充确认
02needs_confirmation
不符合资格
03not_eligible
即将开放
04upcoming
已截止
05closed
信息不足
06insufficient_data
当没有赛事同时满足硬性资格、时间状态与信息完整度时，正式推荐可以为 0 场，系统不会为了呈现结果而强行推荐。
输出结构
- 01根据确定条件完成资格分类
- 02在可报名候选中进行排序
- 03展示命中规则、风险与缺失信息
- 04提供赛事详情和官方来源供核对
SYNTHETIC VALIDATION CASE
用合成案例走通真实产品、规则与数据
“Breakthrough Junior Challenge 2026”案例使用模拟作品与测试 Persona，在真实部署产品中运行现有赛事数据与规则链路。它用于检查端到端系统行为，不代表真实用户报名或真实比赛成绩，也不用于证明推荐准确率。
真实部署产品与现有赛事数据
真实资格规则和推荐链路
模拟作品与测试 Persona
不代表真实报名、成绩或准确率
本次结果分布
1
推荐
0
待确认
1
不符合
4
已截止
14
信息不足
08Delivery & Boundaries
真实交付，也明确哪些事情尚未证明
这个版本的价值不在于堆叠更多功能，而在于把一条关键决策链真正落地，同时诚实保留当前边界。
已经完成
- 响应式 Web 产品与线上访问
- 作品上传、AI 分析、人工确认和规则判断闭环
- 20 条有限且经核对的赛事记录与官方来源
- 图片、多图组合及不同页数 PDF 的输入检查
- 资格状态、解释性结果与赛事详情
当前边界
- 赛事库仍是有限样本，不代表完整市场覆盖
- 尚未建立可引用的真实用户量化效果指标
- 合成案例只验证流程，不证明推荐准确率
- 赛事规则可能变化，用户仍需以官方来源为准
- 当前版本不包含旧原型中的社区、组队和成长体系
09My Contribution
在真实产品约束中承担设计决策
我以产品与体验设计为主导，借助 AI 完成实现，但不把 AI 生成代码等同于独立工程开发能力。
- 1
重新定义从上传作品到可执行报名建议的完整任务链路
- 2
将 AI 推断、人类确认与确定性规则拆分为三条清晰责任边界
- 3
设计作品画像、条件补充、资格分类与解释性结果等关键交互
- 4
与 GPT 讨论方案并向 Codex 提交实现任务，持续进行人工体验审查与调优
- 5
使用真实图片、8 张图片组合以及 2 / 10 页 PDF 等不同输入进行功能检查
REFLECTION
AI 产品设计的重点，不是让模型替用户做决定
这次重构让我从“AI 能推荐什么”转向“系统如何对结论负责”。当 AI 的理解能力、用户的事实确认和规则的确定性边界被明确拆开后，产品才开始具备真正可使用、可解释和可继续验证的基础。
打开智赛 Web MVP