شناخت مسئله
تعریف گردشکار، یادداشتهای معتبر و تصمیمهای خارج از محدوده.
مفهوم مستقل مهندسی محصول در کنار مشتری · ۲۰۲۶
نمونهکاری برای نقش AI Engineer در Palete: تبدیل یادداشتهای تأییدشدهٔ پروژهٔ طراحی به پاسخهای مستند، بررسیهای قابلاندازهگیری و ارجاع روشن به انسان.
گردشکار و اطلاعات پروژه ساختگیاند و این نمونه به Palete وابسته نیست. دمو از بازیابی قطعی استفاده میکند؛ مدل زبانی اجرا نمیکند و ادعای نتیجهٔ عملیاتی برای مشتری واقعی ندارد.
نمونهکار تعاملی · سناریوی طراحی ساختگی
گردشکاری محدود برای پاسخ به پرسشهای پروژه بر اساس یادداشتهای تأییدشده.
پرسشی بفرست تا مسیر بازیابی، شواهد و تصمیم ایمنی را ببینی.
مجوز، ایمنی، قرارداد، قیمت و تعهد زمانی به مسئول پروژه ارجاع میشود. پرسش بیمنبع هم پاسخ ساختگی نمیگیرد.
در این دمو از کلید مدل یا سرویس هوش مصنوعی بیرونی استفاده نمیشود. این یک نمونهٔ بازیابی قطعی است، نه دستیار مولد هوش مصنوعی.
01 / SCOPE
نمونه به پرسشهای معمول دربارهٔ یک پروژهٔ طراحی فرضی پاسخ میدهد. نقلقول منبع را نشان میدهد، وقتی مدرکی نیست از پاسخ خودداری میکند و درخواستهای تعهدآور را به مسئول انسانی میسپارد.
تعریف گردشکار، یادداشتهای معتبر و تصمیمهای خارج از محدوده.
اعتبارسنجی پرسش، رتبهبندی یادداشتها و ارائهٔ شاهد.
اجرای نمونههای طلایی برای منبعیابی، خودداری و ارجاع.
نگهداشتن تصمیم مالی، حقوقی، ایمنی، مجوز و زمانبندی با انسان.
02 / ARCHITECTURE
یک Route Handler در Next.js API هممبدأ را ارائه میکند، ورودی محدود را اعتبارسنجی میکند و پاسخ no-store برمیگرداند. ماژول بازیابی قطعی، رفتار تکرارپذیر را بدون اعتبارنامهٔ مدل ممکن میکند. اسکریپت استاندارد Python همان مجموعهٔ طلاییِ دمو را اجرا میکند.
03 / EVALUATION
شش نمونهٔ طلایی مسیرهای اصلی را میسنجند: بازیابی یادداشت درست، نمایش منبع، خودداری وقتی مجموعه پاسخ ندارد و ارجاع درخواست پرخطر به انسان. نتیجه در دمو دیده میشود و با Python هم در محیط محلی و هم روی نسخهٔ منتشرشده اجرا میشود.
04 / OPERATIONS
اپراتور متن منبع و وضعیت تصمیم را میبیند. دستیار اجازهٔ ارسال پیام یا تغییر CRM ندارد. تغییر محدوده، قیمت، قرارداد، مجوز، ایمنی و وعدهٔ زمانی در اختیار مسئول تحویل پروژه میماند.
05 / LIMITATIONS
این نسخه عمداً مدل مولد یا کلید ارائهدهنده ندارد. بازیابی، ارجاع منبع، guardrail و ارزیابی رگرسیون را نشان میدهد؛ مدرک اجرای LLM در محصول واقعی نیست. برای کار واقعی باید مجوزهای tenant، سطح دسترسی منبع، دفاع در برابر prompt injection، ارزیابی مدل، نگهداری audit و تأیید انسانی پیش از اقدام بیرونی اضافه شوند.