电商爆品筛查雷达

我们没有从模型或工具清单开始，而是先和使用者一起走完这项工作，确认谁提供输入、谁在中途判断，以及什么结果才算真正完成。

我们先确认筛选条件，接着采集获准访问的近期内容，再建立候选池，最后由业务人员复核。

人工浏览、记录链接和维护表格限制了候选样本量，个人选品判断也难以解释、交接和复盘。

在几轮讨论里，我们把问题拆成几个彼此相连的部分：低粉爆品筛选条件、近期内容候选池、二次过滤与人工复核。这样每一步要解决什么、由谁确认，都能在动手之前说清楚。

我们把确认过的工作步骤搭成一条可运行的管道，让 AI 负责整理、检索和生成，让关键判断仍然回到业务人员手里。

最后留下来的不是一个孤立模型，而是可批量复核的候选池、带筛选依据的选品流程。

内容链接、账号信息和筛选记录只用于获授权的选品任务，并遵守来源平台的访问与保留规则。

团队得到了一份可以持续更新的候选池，选品不再从空白表格开始。每个候选为什么进入列表都能说清楚，最终选择仍由业务人员完成。

来源页面用于确认项目名称、范围和工作流，不等同于客户授权、验收记录或可公开的结果证据。完成内容审核与证据登记前，只作为能力演示草稿。