信息碎片化
地块、作物、异常、任务和售轮信息彼此割裂。
AI Product Case Study
把一次 AI 判断，设计成可复查的农事行动
一个面向新农人的 0 到 1 产品案例：重点不是让模型给出更肯定的答案，而是让用户知道结果为何可信、下一步做什么，以及何时必须回到专业判断。
用户缺少的不是信息，而是决策顺序
新农人可以搜索到大量农技内容，但面对一片发黄的叶子，仍然难以判断是缺素、病害还是水分问题，也不知道应该先补拍、复查、巡田还是直接采取措施。若 AI 只输出一个病害名称，错误的确定性反而可能放大生产风险。
行动门槛高
知识文章没有转化成用户当下能执行的步骤。
错误成本高
农药、剂量、食品安全等错误建议可能造成真实损失。
把“诊断工具”重新定义为“决策辅助流程”
产品没有把拍照识别设为孤立卖点，而是将其置于土地评估、作物建档、复查任务和可信来源之间。AI 负责把复杂信息整理成候选方向，用户最终获得的是一条有边界的行动路径。
补全上下文地区、作物、阶段与面积
识别可见信息描述症状而非直接确诊
输出候选方向明确不确定性和风险
生成复查动作补拍、巡田或联系人员
核对可信来源保留链接和审核状态
四个关键产品取舍
初筛，而非确诊
输出可见症状、候选方向和复查建议；高风险场景不把模型结论包装成专业诊断。
结构化，而非自由回答
模型结果受固定字段约束，服务端完成结构校验与风险过滤，减少不可控表达进入页面。
可降级，而非依赖单点模型
接口异常、限额或结果不合格时切换为规则方案，并明确告诉用户当前结果来源。
可信链路，而非抓取即发布
外部内容经过来源分级、去重、交叉验证和人工审核，保留原始链接与处理记录。
从产品假设到可运行 Demo
- 完成土地评估、作物建档、图像辅助初筛、施肥计划、农事任务、售粮指南和数据可信模块。
- 通过服务端代理保护模型密钥，并在图片提交前完成浏览器端压缩和 EXIF 清除。
- 将 AI 输出、规则降级、风险提示和来源状态同时纳入界面状态，而不是只展示成功结果。
- 把高风险农业信息设为产品约束：不输出农药处方、确诊结论、食品安全判定或收益承诺。
当前能证明什么，还不能证明什么
已经验证
- 核心流程可以在浏览器中完成。
- 模型失败时仍有明确的规则降级结果。
- 风险内容、来源和审核状态能够进入用户界面。
尚待验证
- 目标用户是否能在 3 分钟内完成核心任务。
- 用户是否理解“辅助初筛”和风险提示。
- 任务闭环是否比单次搜索更有实际价值。
下一轮实验
招募 6–8 名返乡创业者或农业相关新人进行任务制可用性测试，记录首次任务完成率、关键路径耗时、风险提示理解率和主观有用度，再据此决定是否优先建设多地块管理、任务提醒或专家协作。
AI 产品经理的价值不止是接入模型
这个项目让我把注意力从“模型能回答什么”转向“用户在什么条件下可以相信、理解并行动”。在高风险场景中，结构化输出、失败降级、数据来源和人工复核不是附加功能，而是产品体验本身。