郭鹰威

0.5 等于「差不多就算过」。孩子的作业验收一旦放水，积分就不值钱了，家长第二天就不用了。 0.85 是我在「宁可多让家长看一眼，也不冤枉孩子一次」这条线上取的平衡点。

直接打回，孩子看到的是「你错了」——但 AI 可能只是看不清。转给家长确认， 责任回到人身上，孩子不会因为模型的不确定被否定。

理由、建议、证据、置信度、模型——少任何一个，家长都不知道该怎么跟孩子说。 置信度这一项尤其关键，它让「AI 的把握有多大」变成用户看得见的东西。

覆盖式看起来更干净，但会丢掉我上一轮调好的规则。追加式让我能一层层往上叠条件， 发现筛多了就撤掉最后一条——调参的过程本身是可回溯的。

中小商贸公司的进销存需求高度同质，买现成的最贵的地方不是软件费，是「改不动」—— 每个老板的报价口径、毛利算法都不一样。用 AI 逆向开发，等于把「改」这件事的成本压到接近零， 我可以在一天内把一套标准 ERP 改成贴合他生意的样子。

因为真实的单据根本不是统一格式的。上游发的可能是 PDF 合同，业务员拍回来的可能是手机截图， 只有小部分供应商给 Excel。如果导入这一步卡住，整套系统就没人用—— 所以这一层必须做成「拍张照就能进」。

单独做客户管理，没人会去录。但订单是每天必须开的——让客户数据搭在「开单」这个高频动作上顺带沉淀， 数据自然就全了，后面按客户维度看经营分析才有意义。