01项目概览：一个人完成的全链路产品
PriceScope 不是一个页面 Demo，而是从数据源、研究口径、功能设计到可部署系统的完整实现。 实习期间为研究组内开发，业务方法、数据管道、交互设计与 AI 助手全部由我独立完成。
业务与产品
定义用户任务、功能边界、信息架构、交互流程与验收标准。
数据与研究
拆解原始 Excel，复算单位 / 编码 / 公式，建立产品、公司与产业链映射。
工程与交付
实现页面、API、同步脚本、权限、缓存、回归测试与可回退发布。
AI 助手
设计意图识别 + 工具路由的问答链路，让 AI 回答的每个数字都可追溯。
02系统解决什么问题
研究员的日常是在十几个 Excel 和网站之间反复切换找数、比对、验证。PriceScope 把 「找数 — 发现信号 — 验证产业链 — 映射公司 — 形成观点」收敛为一条可复现的数字工作流。
系统不替用户预测价格，也不用 AI 生成看似专业的结论。它的价值是缩短从信号到证据的路径，并让每个关键数字可追溯。
03系统分层：从信号到证据
入口层行业全景
行业综合看板 + 行业周报海报：行业分位、价格/价差榜单、页内锚点，先确定「变化发生在哪里」，再携带筛选状态下钻。
数据层指数与数据库
行业指数多指标切换、历史趋势对照；产品数据库支持行业筛选、异动开关、列排序与趋势抽屉，绝对值与历史分位同屏。
信号层雷达与图谱
产品异动雷达按阈值扫描价格、价差、库存与开工率；产业链图谱支持拖拽缩放、节点聚焦，从节点直跳产品趋势。
公司层估值与弹性
PB-ROE 总图与单公司历史轨迹联动；权益产能 × 情景价差 → 归母净利增厚与情景估值，公司与产品双向跳转。
情景层价差弹性
本周、历史低位、分位与自定义情景下的公司利润敏感度对比，展示收益-风险曲线而非单一目标值。
事件层催化与外需
个股异动日历回看与事件摘要；进出口数据重组为「总览 — 地图 — 区域 — 国家 — 品种」的探索链。
04AI 助手框架：模型理解意图，工具提供事实
不让大模型凭记忆编数字，也不用一个「万能查询」混淆不同业务口径。我为它设计了五道约束：
- 数据接地：价格、价差、库存、开工率、分位与估值必须经工具读取，不允许模型记忆作答。
- 工具路由：价格/价差、数据集趋势、估值、搜索和 CSV 导出使用不同工具，各管各的口径。
- 上下文裁剪：趋势只返回统计和最近点，大表通过导出链接交付，控制 token 成本。
- 确定性导航：跳转地址由工具按实际查询结果生成，不让模型编造 URL。
- 角色适配：不同角色看到不同能力，无导出权限时仍给出站内查询路径。
AI 的价值不在于「接入了某个模型」，而在于是否完成端到端任务，错误是否可见可纠正，结果是否能进入下一步工作流。
05数据与工程：从原始 Excel 到可追溯页面
- 不在页面里散落硬编码口径，公式和映射必须集中登记。
- 对口径冲突优先做映射或派生，不直接覆盖原始数据。
- 每次同步和上线都有数量、最新日期、哈希与页面回归证据。
专业系统的难点不只在 UI，而在于原始数据、业务口径、读模型与页面体验必须长期一致。
06我的个人开发工作流：Codex + Kimi K3
AI 工具扩大一个人的交付带宽，但不改变「我对最终结果负责」。我不直接接受 AI 生成的结论或代码—— 每一次输出都必须经过闭环：
- 读取上下文 → 小范围改动 → 构建 / 数据 / 页面验证 → 记录证据
工具提升速度，而不会稀释个人责任。
07质量与交付：完成不等于「页面能打开」
- 先定义验收：需求同时写清成功、空、错误与权限状态。
- 先复算再展示：口径不一致就追回源表、编码、单位和公式。
- 每轮都有证据：构建结果、关键查询、真实截图和版本日志共同构成交付证据。
- 可回退优先：隐藏代替删除、映射代替覆盖源数据、配置代替散落硬编码。
08系统界面
