构建 US Importer Hunter：从人工找客户到有证据支持的 AI 工作流

Google、企业目录和贸易数据工具都能找到大量公司。表面上看，搜索似乎是最主要的瓶颈；但名单只是起点。货代仍然需要判断：这家公司是否存在合理的运输需求，现有信号是否足够新、足够可信，以及下一步联系是否值得投入时间。

公司名称本身不是机会。如果没有证据和资格判断，更长的名单只会把更多工作转移给人。每一个质量较弱的候选对象仍然需要被打开、检查、解释和排除。所谓覆盖面提升，最后很可能只是形成一条更长的人工审核队列。

我开始把 Opportunity，而不是 Company，作为产品中的核心对象。一个机会不仅包含公司名称，还包含研究结果、资格判断逻辑、证据、未知项、建议动作和审核状态。这样，下一步决策会直接出现在产品中，而不是藏在表格的某个备注单元格里。

顺序同样重要：先研究和判断资格，再生成开发邮件。每个结论都应该尽量附带可追溯来源；无法确认的信息应保留为 unknown。让 AI 填满所有空白或许能让界面看起来更完整，却会在最需要判断的位置降低可信度。

AI 可以明显压缩查看网页、整理信号、解释评分和准备草稿的时间，但它不能自动证明每一条公开声明都等于进口事实。企业官网可能会谈到制造、采购、扩张或产品类别，这些内容可以成为研究上下文，却不能直接替代海关或贸易记录。

因此，Accept、Edit、Reject 不是临时补丁，而是产品设计。审核者需要一个明确的位置来区分证据和推断、修正声明，或拒绝不可靠的内容。自动化的价值，是减少重复劳动并保留责任边界，而不是悄悄删除所有人工判断。

第一个真正有用的里程碑并不是完全自主的 Agent，而是一条可以审核、可以闭环的工作流：让一个候选公司从输入进入系统，经过研究和判断，最终形成可持久化、可重新加载的结果。界面需要清楚展示证据来自哪里、系统作出了什么判断，以及哪些动作仍由人控制。

当前系统不会自动发送邮件。Fake Provider 让流程能够在安全条件下完成验证，同时不会把合成输出包装成真实模型质量。Next.js 与 FastAPI 工作流已经连接，PostgreSQL 持久化也通过重新加载和审核路径完成验证。

AI 原生构建真正改变的，是产品判断与可运行实现之间的距离。一个人可以同时承担产品定义、工作流设计、验收标准、界面审核和迭代协同，再借助 AI 加速研究、实现和测试。这种杠杆确实让个人构建复杂系统变得更可行。

但 AI 没有替代产品判断。更快地实现错误方向，仍然只会更快得到错误产品。关键工作仍然是决定系统可以声称什么、哪里必须有证据、哪些未知项必须保留，以及怎样才算通过验收。清晰边界和验证标准，比模型是否新颖更重要。

US Importer Hunter 仍处于内部测试阶段。真实货代用户验证还在进行，公网 Demo 尚未正式开放，Website Research 仍然需要人工审核，更广泛的自动化也没有完成，自动邮件发送功能尚未实现。

公开官网内容不能单独证明企业真实进口记录。最新 Alpha 是工程部署候选版本，不代表用户验证已经完成。把这些边界写清楚，也是产品工作的一部分：可信系统不仅要展示能力，也要同样清楚地说明限制。

这次构建让我进一步确认了一组可以迁移到其他产品的原则：数据质量决定 AI 质量上限，而真正闭环的工作流，比一个看起来精彩、却无法进入下一步审核的模型输出更重要。

US Importer Hunter 仍在持续演进。目前最重要的结果，不是建立了一个更大的公司数据库，而是形成了一套更清楚的系统，让分散信号能够进入有证据支持的人工判断。

这个区别也决定了接下来的方向：先增强证据、提升资格判断可靠性，并完成诚实的真实用户验证，再扩大系统自主程度。