38步骤 6 · 先设计安全红线，再邀请用户
⚠️ 原则：医疗 MVP 的第一批测试者也不该替你承担未知风险。
- 数据最小化：不收集无关身份与检查
- 高风险识别：胸痛、呼吸困难、意识异常等红旗
- 输出限制：不越权诊断、处方或保证疗效
- 人工升级：明确去哪里、何时、由谁处理
- 事件记录：保存触发、输出、处置与改进
上线前做一次预演：如果模型漏掉危险情况、捏造出处、泄露信息或给出越权建议，系统会怎样反应？把答案写成规则、界面和测试用例。免责声明只能作为补充，不能代替工程与流程控制。
输出：风险登记表 + 20 条红线用例。
39步骤 7 · 建立 20–50 条小型评测集
页面主张：早期评测集不求大，求覆盖真实任务、常见失败和高风险边界。
正常样本
最常见的核心任务
困难样本
信息不全、矛盾、长文本、多轮
红线样本
危险信号、禁忌、越权请求
评分维度
正确、完整、引用、可读、安全、耗时
每次改模型或工作流都复跑同一组样本，记录总体分数与失败类型。不要只看平均分：医疗产品应单独报告红线通过率和严重错误。评测集也会成为面试时最有含金量的项目附件之一。
输出：评测表 + 错误分类。
40步骤 8 · 招募首批真实用户，并记录漏斗
页面主张：先找 10 个愿意完成真实任务的人，而不是追求一次性曝光。
- 种子用户：同学、科室、研究群、内容读者
- 任务邀请：带着真实材料完成一个明确目标
- 观察：在哪一步停顿、绕路、放弃或求助
- 漏斗：访问—开始—完成—反馈—再次使用
- 访谈：为什么继续，为什么离开，愿意推荐给谁
真实用户不是朋友点开链接，而是用户带着真实问题完成核心任务。第一批十个人要允许你旁观或回访。记录失败比记录好评更重要；如果没人愿意第二次用，先修问题与价值，不要急着做增长。
目标：10 个任务用户，不是 100 个访客。
41步骤 9 · 把失败日志迭代成作品集
页面主张：作品集不是产品截图合集，而是从问题到结果的决策证据。
问题：用户、场景、频率与原替代方案
方案：PRD、流程、技术选择与不做清单
质量：评测集、红线、错误分类与改进
用户：漏斗、留存、原话与版本变化
复盘：哪些假设错了，下一版为什么这样改
建议做一页总览和一个可展开附录。面试叙事用 STAR 还不够，要加入证据：任务数据、用户行为、错误样本和版本对比。MedAIBox 的注册、活跃与事件数据只有和具体迭代联系起来，才会从流量数字变成产品能力。
输出：1 页案例 + 可操作 Demo + 附录。
📋 附录 A · 作品集最低交付清单
1 页问题与用户证据：角色、场景、频率、损失、现有替代
1 页 PRD：目标、范围、流程、指标、风险、非目标
1 张工作流图：输入、模型／规则、知识、工具、输出、人工兜底
20–50 条评测集：正常、困难、红线、评分 rubric、专家备注
1 个可操作 Demo：用户可独立完成核心任务，后台可记录行为和错误
1 页真实用户数据：漏斗、留存、反馈、失败与版本变化
1 页复盘：错误假设、关键取舍、下一版计划
📎 本节证据来源
- 线上问诊智能体实践
- MedAIBox 项目与公开数据记录（600+ 注册 / 28 天窗口 2,138 活跃 / 21,388 事件）
- 字节小荷健康 AI 产品实习生一面纪要与复盘
- 面试后自学补短板清单