# 面试讲述稿

## 30 秒版本

我做了一个面向新农人的多模态农业生产决策 Web App，叫“禾新农事 AI / FieldFlow AI”。它将土地评估、Kimi K2.6 种植计划、作物建档、图像辅助初筛、施肥计划、农事提醒和售粮指南串成闭环，同时设计服务端代理、风险过滤、规则降级、A/B/C 来源分级和人工审核机制，避免错误农技信息直接进入产品建议。

## 2 分钟版本

这个项目的用户是城市大学生返乡创业者、农业经营主体新人和农服机构新人。他们的问题不是完全找不到信息，而是面对叶片发黄、卷曲、病斑等情况时，不知道这是病害、虫害、缺素还是水分问题，也不知道下一步应该施肥、复查还是找农技员。

所以我没有把产品做成单点拍照识别，而是做成“生产决策闭环”。用户先建立作物档案，输入作物、面积、地区和生长阶段；然后上传图片进行图像辅助初筛，覆盖病害、缺氮、缺磷、缺钾和水分胁迫等候选方向；结果给出可见症状、置信度、风险提示和复查动作，但不作为确诊或用药依据；最后通过施肥计划、农事任务和售粮指南，帮助用户从生产走到售粮环节。

项目里我重点做了数据可信机制。因为农业信息风险比较高，尤其是用药、施肥量和收粮质量标准，不能直接相信网页内容。我设计了 A/B/C 来源分级：政府、农科院、高校、中储粮等为 A 级；地方农技站和企业技术手册为 B 级；自媒体、论坛、个人经验为 C 级。核心建议必须来自 A/B 级并且可追溯，同一主张至少两个可信来源支持才进入推荐建议，冲突内容进入人工审核。

这个项目体现了我对产品经理工作的理解：不仅是画页面，而是从用户痛点、业务流程、信息架构、风险控制和可交付实现一起考虑。

如果被问到“如何验证需求”，我会说明：我设计了用户研究与可用性测试方案，计划访谈返乡创业意向者、农业经营主体新人、农服机构新人和专业校验对象，并通过 3 分钟核心任务测试验证土地评估、建档、诊断、施肥、售粮和数据可信机制是否能被新手理解。

## 可能被问到的问题

### 为什么不直接做小程序？

第一阶段目标是秋招展示和快速验证，所以采用低成本 Web App。纯静态预览可用 GitHub Pages；启用真实 AI 时使用 Cloudflare Pages + Functions，避免将 API Key 暴露在浏览器。小程序是后续形态，核心流程和信息架构可以迁移。

### 为什么不训练真实模型？

我没有训练和宣称自有农业确诊模型。当前版本已接入 Kimi K2.6 做种植计划和图像辅助初筛，但农业诊断风险高，所以通过输出约束、风险过滤、人工复核提示和规则降级控制边界；后续若要提高准确性，需要授权图片、标注数据和系统评测。

### 这个项目和普通农业资讯产品有什么区别？

普通资讯产品更多是内容聚合；这个项目强调“从症状到行动”。用户看到的不是一篇文章，而是建档后的诊断、施肥、复查、售粮任务。并且每条建议都有来源可信度和审核状态。

### 你在项目中的最大亮点是什么？

我认为是把数据可靠性设计进了产品机制。农业场景中错误信息可能导致真实损失，所以我没有把爬虫抓到的数据直接用于推荐，而是设计了来源分级、交叉验证、人工审核和溯源记录。

### 如果继续做，你会优先迭代什么？

我会先补真实数据：整理 A/B 级农技资料和售粮公告，形成更可靠的知识库；然后在 Figma 中完善高保真原型；再把静态页面迁移到 React/Vite，增加更好的数据状态管理和部署流程。