مفهوم مستقل مهندسی محصول در کنار مشتری · ۲۰۲۶

تحویل پروژه؛
با مرزهای روشن.

نمونه‌کاری برای نقش AI Engineer در Palete: تبدیل یادداشت‌های تأییدشدهٔ پروژهٔ طراحی به پاسخ‌های مستند، بررسی‌های قابل‌اندازه‌گیری و ارجاع روشن به انسان.

TypeScriptNext.jsPythonREST APIRAG · baseline
i
مفهوم مستقل؛ نه پروژهٔ مشتری Palete

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

میز تحویل پروژه

گردش‌کاری محدود برای پاسخ به پرسش‌های پروژه بر اساس یادداشت‌های تأییدشده.

یادداشت‌های ساختگی پروژه · بدون دادهٔ واقعی Palete یا مشتری
P
PAL / PROJECT DESKApproved notes only · no action-taking tools
EXTRACTIVE
0/500
پرسش نمونه
پاسخ

پرسشی بفرست تا مسیر بازیابی، شواهد و تصمیم ایمنی را ببینی.

!
تصمیم نهایی با انسان می‌ماند

مجوز، ایمنی، قرارداد، قیمت و تعهد زمانی به مسئول پروژه ارجاع می‌شود. پرسش بی‌منبع هم پاسخ ساختگی نمی‌گیرد.

NO API KEY

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

یک گردش‌کار محدود برای تحویل پروژه

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.

01

شناخت مسئله

تعریف گردش‌کار، یادداشت‌های معتبر و تصمیم‌های خارج از محدوده.

02

بازیابی

اعتبارسنجی پرسش، رتبه‌بندی یادداشت‌ها و ارائهٔ شاهد.

03

ارزیابی

اجرای نمونه‌های طلایی برای منبع‌یابی، خودداری و ارجاع.

04

تحویل به اپراتور

نگه‌داشتن تصمیم مالی، حقوقی، ایمنی، مجوز و زمان‌بندی با انسان.

02 / ARCHITECTURE

کمینهٔ معماریِ کاربردی

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

سنجش کیفیت

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

تحویل به اپراتور

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

مرز مدل شفاف است

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.