AI 项目实践

项目实践的目标不是调用更多模型，而是把任务、数据、模型、评估、服务和反馈串成闭环。推荐按“结构化预测 -> 感知模型 -> 知识应用 -> 工具与 Agent”逐步推进。

四级实践路线

阶段	项目	主要能力	验收标准
1	用户流失预测	数据、特征、分类、指标	能避免泄漏并解释错误成本
2	图像质量分类	深度学习、迁移学习、推理	训练与线上预处理一致
3	企业知识库问答	Embedding、检索、引用、拒答	回答能回到来源，无依据能拒答
4	工单处理助手	工具、状态、权限、Agent	只读和写入分离，动作可验证

每个项目都要交付什么

README / 任务定义
数据说明与版本
基线与实验记录
训练或应用代码
离线评估报告
推理接口
错误样例分析
部署和回滚说明

只提交一个 Notebook 或调用脚本，无法证明项目具备完整工程能力。

推荐顺序

1. 机器学习项目：用户流失预测
2. 视觉项目：产品质量分类
3. 知识库问答
4. Agent 项目：工单处理助手

每完成一个项目，都应保留失败方案和错误分析。模型为什么没有工作，往往比最终参数更能形成可复用经验。