返回精选项目

01 / 项目案例

AI intelligence system

US Importer Hunter

AI 驱动的美国进口商发现、研究与资格评估系统。

已验证产品里程碑
内部测试版 · v0.2.0真实用户验证进行中
最新工程候选版本
v0.3.0-alpha.2 · 部署候选版工程工作仍在推进最新 Alpha 包含仍在推进的工程工作,不代表真实用户验证已经完成。
角色
产品 / 工作流 / AI Agent / 全栈协同
GitHub1 Stars更新于 2026年7月内部预览

技术栈

  • Next.js
  • React
  • FastAPI
  • PostgreSQL
  • Redis
  • Docker Compose
  • Zeabur

02 / 问题

分散的工作流掩盖了真正值得跟进的机会。

货运代理通常需要花费大量时间手动寻找进口商、检查公司官网、分析贸易信号、寻找决策人并撰写开发邮件。整个过程数据分散、重复且难以规模化。

  1. 01数据分散
  2. 02人工研究
  3. 03资格判断薄弱
  4. 04重复撰写开发内容
  5. 05缺少闭环工作流

03 / 洞察

产品应该提供机会,而不是另一份公司列表。

一份很长的进口商数据库并没有减少真正困难的工作。更有价值的单位是“已判断资格的机会”:它具有可解释的贸易证据、相关决策人,以及足以支持下一步行动的上下文。

04 / 产品决策

塑造 MVP 的关键产品决策

  • 优先呈现 Opportunity,而不是简单公司列表。
  • 先完成资格判断,再生成开发邮件。
  • 在批准与导出前保留人工审核节点。
  • 将搜索、分析、补全和写信拆分为边界清晰的 Agent 与 Tool。
  • 先完成 MVP 闭环,再扩大自动化。
  • 使用面向中国货代团队的中英文操作界面。

05 / 工作流

从输入需求到可审核的开发结果。

每个阶段都产生下一个阶段可使用的证据或决策。人工审核被明确保留,而不是隐藏在自动化之后。

  1. 01

    输入需求

  2. 02

    寻找候选进口商

  3. 03

    研究公司

  4. 04

    分析贸易机会

  5. 05

    寻找决策人

  6. 06

    生成个性化开发内容

  7. 07

    人工审核

  8. 08

    导出结果

06 / 系统架构

服务于工作流产品的务实 Monorepo 架构。

系统明确分离界面、API、持久化、编排与部署职责,不虚构当前产品并未使用的云服务关系。

基于 US Importer Hunter 真实仓库结构绘制的架构图,包含 Next.js 前端、FastAPI 后端、PostgreSQL、Redis、边界化 Agents、Provider adapter、Docker 与 Zeabur

前端

01
  • Next.js
  • React

中英文工作流界面、审核状态与结果处理。

后端

02
  • FastAPI

工作流接口、数据验证与服务协同。

数据

03
  • PostgreSQL
  • Redis

持久化业务记录和短期工作流状态。

Agents

04
  • Planner
  • Research
  • Sales
  • Report

通过显式证据连接的边界化能力。

Provider

05
  • Provider adapter

可替换 Fake 与外部 Provider,将工作流测试与模型质量分离。

基础设施

06
  • Docker Compose
  • Zeabur

本地服务编排与当前部署工作。

07 / 我的贡献

覆盖完整 AI 原生构建闭环的产品所有权。

我的贡献是将业务问题转化为可工作、可审核系统的产品与协同层,而不是夸大为独立完成每一行底层代码。

AI 原生构建与产品所有权

  1. 01业务问题发现
  2. 02产品定义
  3. 03工作流与 Agent 设计
  4. 04功能优先级判断
  5. 05AI 辅助实现协同
  6. 06前后端验收
  7. 07部署与迭代
  8. 08用户体验审核

08 / 产品证据

来自内部测试版真实运行环境的产品证据。

合成演示数据 · Fake Provider 测试模式 · 未发送真实邮件 · 工程验证结果,不代表客户生产结果。

机会工作台

对应功能: 工作台与研究入口

内部测试版 · 仓库 Demo 数据

中英文真实本地工作台明确标注 Fake 模式,并呈现从研究到审核的流程入口。

资格评估结果

对应功能: 有证据支持的资格评估

工程验证 · Fake Provider

合成公司评估结果展示分数、置信度、完整度、建议动作和判断依据。

草稿人工审核

对应功能: 批准前人工审核

内部测试版 · 未发送邮件

生成的开发邮件草稿必须经过具名人工审核,当前版本不会自动发送。

网站研究声明

对应功能: 有证据支持的网站研究

内部测试版 · Fake Research 工作流

Klein Tools 公开页面被转化为带来源、置信度以及接受、修改或拒绝控件的声明。

09 / 当前结果

工程验证已经完成,真实用户产品验证尚未完成。

  1. 01v0.1.0 浏览器 MVP 工作流
  2. 02v0.1.1 中文评分修复与隔离 E2E
  3. 03v0.2.0 Website Research Agent 内部测试版
  4. 04已完成 10 家企业工程评估
  5. 05已验证有证据支持的人工审核
  6. 06真实用户验证进行中
  7. 07公开部署与更广泛自动化尚未完成

工程验证

v0.2 评估集已完成

10 家公开企业由工程人员选择并审核,用于验证安全完成、证据处理和审核工作流;这不是客户验证。

真实用户产品验证

进行中

仓库中已有验证计划与模板,但尚未记录任何真实用户测试结果。

我的收获

这次构建让我更加明确

  • 自动化并不等于移除所有人工决策。
  • 数据质量决定 AI 资格判断的质量。
  • MVP 速度比架构完美更重要。
  • AI Agent 需要清晰边界和证据。
  • 产品价值来自工作流闭环,而不是模型新颖性。

下一步

先与真实用户验证工作流,再扩大自动化

下一步是诚实收集真实用户反馈、增强贸易数据证据,并在公开部署或提高自主程度之前提升工作流可靠性。