把 AI 演示做成交付产品，最难的不是调用模型

十分钟的演示，一个夏天的产品

今年我以技术合伙人的身份，和一位做教师培训的教研业务方合作，把"教老师做课件"的业务升级成一条 AI 内容生产线：从教材页到教案、到课件、到可以直接播放的导入视频，端到端生成。

立项那天我做了个演示：把一页小学数学教材喂给模型，几分钟后拿到一套像模像样的课件素材。在场的人都觉得"这就成了"。

然后我们花了整个夏天，才让这件事从"看起来成了"变成"真的能交付"。这中间隔着的，就是这篇笔记想讲的东西。

演示和交付之间隔着什么

第一，教学准确性没有"差不多"。生成一页普通配图，美观就行；生成"五以内数的认识"的教学素材，数错一个苹果就是事故。演示的时候你挑最好的一次给人看，交付的时候用户拿到的是随机的一次。我们最后把流程拆成六个环节——教材理解、视觉策略、素材生成、页面重建、质量检查、交付——每个环节有自己的输入契约和验收标准，模糊的"做得好看点"被翻译成一条条可判定的规则。

第二，错误处理占掉一半以上的工程量。模型会超时、会返回残缺的结构、会在一百次正确之后突然给你一次离谱的。演示可以重试，生产线不能靠人守着。状态机、重试策略、失败降级、每一步的产物留痕——这些在演示里根本不存在的东西，才是产品的骨架。

第三，"交付"的定义权不在工程师手里。我一开始认为交付物是"生成的素材包"，业务方的定义是"老师拿到手不用再加工就能上课的东西"。这两个定义之间差了排版一致性、跨页风格统一、可编辑格式、以及一份人能看懂的使用说明。定义对齐之前，做得越多偏得越远。

中途的一次急刹车

七月初，我们做过一次方向收敛的决策：从"什么都能生成的半自动工具"收敛为"成品交付系统"。

推动这个决策的不是技术，是一个朴素的观察：用户要的不是生产资料，是成品。给老师一堆素材和一个"很强大"的工具，等于把最难的组装工作留给了最不该做这件事的人。收敛之后，系统的评价标准从"生成质量高不高"变成了一个二元问题——这个交付包，老师敢不敢直接拿去上课。

这次收敛砍掉了不少已经写好的功能。砍功能比加功能难受得多，但方向错了，代码写得再好都是负资产。

哪里判断错了

复盘下来，我自己至少错了两处。

一是低估了"质量检查"环节的地位。最初它是流水线末尾的一道工序，后来发现它应该是贯穿始终的门禁——每个环节的产出不过检查，就不该流入下一环节。把检查后置，等于把所有环节的错误积压到最后一起爆炸。

二是高估了"通用"的价值。我曾想把生产线做得学科无关、学段无关，结果是每个学科都能用、每个学科都不好用。先把一个具体场景（小学数学公开课）打穿，抽象留给第二个场景去逼出来——这个顺序不能反。

现在的状态

这条生产线已经完成公网部署验收，产出过完整的端到端交付样品。它还没有到"大规模服务真实老师"的阶段，业务的验证在后面——我不把还没发生的事写成成绩。

但方法已经沉淀下来了：AI 产品的壁垒不在"会调模型"，在于把模糊的质量要求翻译成可执行规则的能力，和让系统在出错时依然可控的工程纪律。模型能力每个月都在涨，这两样东西不会自动长出来。