跨境电商 AI 自动化诊断

概述

把模糊的“想用 AI”转化为一个有输入、有边界、有验收指标的自动化项目。优先判断业务价值和可交付性，不从模型或工具出发。

工作流

1. 确认诊断范围

先判断用户需要哪种结果：

• 单流程诊断：评估一个明确流程是否值得自动化。
• 多场景排序：从多个候选流程中选出第一个 MVP。
• 项目复盘产品化：把已经跑通的流程抽象为可复用方案。

读取 references/intake-guide.md，收集最少必要信息。已有文件、表格、SOP 或聊天记录时先从材料提取，不重复询问。信息不足时一次只追问最影响结论的 3–5 项。

2. 还原当前流程

用以下结构描述现状：

触发条件 → 输入 → 人工步骤 → 判断规则 → 输出 → 验收人 → 异常处理

区分事实、用户估计和待验证假设。不得把用户期望的效果写成已实现结果。

3. 计算机会分与风险分

读取 references/scoring-model.md。有结构化数据时，将其整理为 JSON，并运行：

python3 scripts/score_opportunities.py intake.json --markdown

评分用于保持判断一致，不替代业务解释。若关键字段缺失，保留公式和待补数据，不编造行业平均值。

4. 匹配实现路线

读取 references/solution-patterns.md，按确定性优先选择：

1. 官方 API 或数据库规则；
2. 确定性代码、Excel/SQL 或工作流编排；
3. RPA/浏览器自动化；
4. LLM 用于理解、匹配、分类、解释和异常处理；
5. 人工确认处理高风险、低置信度或不可逆动作。

能用规则稳定完成的步骤不要全部交给 Agent。涉及发布、付款、删改数据、店铺授权或对外发送时设置人工确认点。

5. 设计最小闭环

只推荐一个首发场景，并明确：

• 固定输入与固定输出；
• 自动化边界与不做事项；
• 数据、账号、接口和权限前提；
• 7–30 天内可验证的 MVP；
• 基准值、目标值、样本量与验收方式；
• 失败降级、人工接管和日志要求；
• 一次性成本、持续成本、收益区间和回收期。

优先交付“软件化服务 + 人工兜底”，只有出现至少 3 个相似付费需求、流程重合度达到约 70%、且有续费信号时，才建议开发多租户 SaaS。

6. 生成诊断报告

严格使用 references/report-template.md 的结构。报告必须：

• 先给结论，再给证据；
• 输出机会矩阵和唯一首选项；
• 标注证据等级与关键假设；
• 用区间表达不确定 ROI；
• 明确“不建议自动化”的部分；
• 给出下一步所需资料清单。

诊断纪律

• 不建议为“用了 AI”而自动化；客户购买的是更快、更省、更稳或更少错误的结果。
• 不把内部项目数据、代码、客户名单、账号或未公开流程带入个人/第三方项目。
• 不承诺绕过验证码、平台风控、权限或服务条款。
• 不自动执行不可逆或高风险操作；只做方案时不得擅自连接客户系统。
• 不把单次测试结果外推为长期收益；注明样本量、期间和口径。
• 不用漂亮但不可验证的“效率提升百分比”替代基线数据。

资源

• references/intake-guide.md：诊断输入字段和追问顺序。
• references/scoring-model.md：机会、风险、ROI 和决策门槛。
• references/solution-patterns.md：跨境常见场景与实现路线。
• references/report-template.md：标准交付报告结构。
• references/sample-intake.json：评分脚本的完整输入示例。
• references/effect-cases.md：三个可复核的典型使用案例。
• scripts/score_opportunities.py：确定性评分与 ROI 计算脚本。