《AI Agent 产品开发·交互、信任与上线》附录 C 交互与上线评审清单
卷二使用的 15 项交互与上线评审(全书第 16–30 项):每项给出 0/1/2 三档判断锚点,以及三案例的逐项得分与合计(A 18、B 16、C 24),并说明两家的 0 分项为何必须在上线前解决,附每一家的优先补分顺序,可直接用于一次上线前的自查与复盘。
category
卷二使用的 15 项交互与上线评审(全书第 16–30 项):每项给出 0/1/2 三档判断锚点,以及三案例的逐项得分与合计(A 18、B 16、C 24),并说明两家的 0 分项为何必须在上线前解决,附每一家的优先补分顺序,可直接用于一次上线前的自查与复盘。
卷二使用的三案例上线事实表:每家的交互形态、可见性级别、可打断与撤销范围、审批点位置、失败态与降级阶梯、异步与通知设计,以及影子、试点、放量各阶段的门槛与退出条件,正文所有上线数字以本表为唯一来源,可直接用于一次上线评审前的设计与数据核对。
卷二用到的术语与指标定义:四种交互形态、可见性分级、可打断点与停止语义、撤销半径与补偿动作、审批疲劳、降级阶梯、异步契约、通知预算、风险暴露量、放量上限与回滚阈值,逐条给出定义、计算口径与易混点,所有阈值都可以用附录 B 的上线事实表在三案例上复算,正文以本表为准。
本节收口卷二:总结形态、可见、可控、可核对、可放量五条结论,用组合、复用、平台边界、退出路径、复制周期五个判据说明三家谁能进入规模化,并给出可运行的规模化判据模型、A/B/C 的成熟度定位、复制周期比与卷三 15 项组织评审的预告,帮助团队判断该补控制还是该开始复制。
本节给出卷二 15 项交互与上线评审的完整表与三案例逐项得分(A 18、B 16、C 24),逐项说明每一处分数的扣分理由,指出三家共同短板是降级只有两级与审批缺乏观测,并给出补分顺序、20 分放量门槛、可运行的评审计分模型与三个月复评口径。
本节把 A Relay、B Quill、C Runner 的上线基线压成一张表:交互形态、可见性、停止语义、放量路径、试点结论与回滚阈值逐项对照,解释三家放量节奏为什么不同,并给出可校验的暴露量换算、试点门槛与回滚判定模型,作为上线评审的验收依据。
本节回答质量运营应该按什么节奏看指标:日看异常、周看趋势、月看结构。给出三档会议与看板的完整指标清单,说明哪些指标必须日更,用 B Quill 的 9% 返工率与 12% 阈值演示趋势为什么比当前值更早报警,并附一个可运行的节奏与升级模型。
卷三的评审清单,按收入与口径、账号与登录、渠道与包体、支付与商品、订单与对账、广告与归因、风控与数据、运营与触达、合规与发行九组展开,每组给出检查项、通过证据与常见缺口;并说明九组的评审顺序与证据最低标准,评审时按依赖顺序逐组检查,便于把清单变成可执行门禁。
本节回答抽检与人工评审怎么设计:抽多少、谁抽、抽到什么算不合格。用 C Runner 的 8% 抽检、1,056 个样本、每次 12 分钟说明 0.96 分钟/任务的审计成本,给出按任务风险分层的抽样分配与通过、观察、不合格三档判定,并说明抽检覆盖率与成本之间的取舍。
卷三所有章节引用的唯一数字来源:消消与方舟的基本盘、收入结构、内购订单、广告变现、买量回收、账号登录、渠道包体、运营活动、埋点推送与合规审核口径,全部按案例设定值登记,避免正文出现第二套数字;表格同时给出收入与订单两条一致性检查,任何章节引用数字后都应能通过。
本节回答三种反馈哪一种更可信:显式评分稀少且自选,隐式行为量大但噪声多,投诉强烈但滞后。给出三类反馈的采集点、偏差与适用动作,用 A Relay 的 78% 采纳率、B Quill 的 63% 一次采纳与 9% 返工、C Runner 的 1.7% 审计错误说明为什么不能只信评分,并附可运行的反馈分层模型。
卷三涉及的收入、账号、渠道、支付、订单、广告、归因、风控、运营、埋点、推送与合规术语速查,每一项给出定义、常见误用与对应的卷三章节,便于评审时快速对齐口径;附录按主题分组,遇到争议先查定义,再确认分子分母与时间窗口,最后确认是否扣除退款与渠道分成。
本节用 aia-lab 把放量曲线写成可运行模型:覆盖率、阶段时长与退出条件如何组合,三案例的完整放量计划分别长什么样,以及阈值收紧后放量上限如何下降。模型同时计算每阶段覆盖任务数与预期错误数,帮助产品负责人把「再放一点」换成可复算的暴露量。
卷三收口的最后一道门禁,把附录 C 的九组检查项写成可运行评审器:pass 无证据自动降级为 partial,partial 与 fail 都阻塞,空评审直接判失败。本节给出九组汇总、空白组与失败组的区别,以及进入平台化卷之前必须回答的四个问题。
本节回答什么情况下必须回滚:指标阈值、单一严重事件、人工判断三类触发,以及回滚必须先演练过。用 B Quill 的返工率 9%、事实错误率 4.6% 与扩大阶段 12%、5% 阈值说明阈值收紧如何翻转结论,并附可运行的触发判定与演练有效性模型。
上线的安全不取决于最后一天的检查,而取决于每个阶段是否留下可复现的证据。本节把内容、构建、渠道、支付、合规、灰度、发布七个阶段写成门禁:必需项未通过即阻塞,无证据的通过自动降级为部分通过,并给出方舟赛季版本的一次检查记录与门禁维护成本的控制办法。
本节回答放量到底按什么单位推进:不是用户数,而是风险暴露量。给出可逆性、客户可见性、资金影响与审计有效性四维分层表,用 C Runner 的 5%、20%、60% 三级说明低、中、高风险动作的进入顺序,并附可运行的暴露量与阶段上限模型,帮助产品负责人在放量前先算清最坏情况会暴露多少任务。
卷三收口的第一节,把散落在各章的商业指标收成一张可执行的矩阵:收入、付费、广告、买量、订单五组,每组给出方向、预算与判定规则,并用净收入公式把流水、退款与渠道分成串成一条可复核的账。同时说明矩阵与 KPI 表的区别、空白组的识别方式,以及消消与方舟在同一张表下的不同敏感指标。
试点什么时候算试完,不能靠「再看看」。本节把退出条件拆成通过、延长、终止三种判定,给出阈值、近失容忍与硬停项的设计方法,列出 A/B/C 三个案例各阶段的数字与谁有权叫停,并给出可运行的闸门判定、阶段汇总与停止权模型,避免阈值被无限期拖延。
商店审核不是交完材料等结果,而是把版本、素材、隐私声明和审核窗口放进同一张发布检查单。本节以《潮汐消消》iOS 24 小时、国内安卓 3–5 天、首次平均提交 1.8 次,《潮汐方舟》48 小时、2.4 次为背景,给出材料清单、阻断项分级、驳回归因与重提节奏。