01 / PROJECT OVERVIEW
AI SAAS · PRODUCT CASE STUDY
AI 外贸自动获客工作台
从目标客户研究、证据判断与内容生成，到人工审核、
内部跟进与执行记录，我将分散的外贸获客环节整合为一套连续、可验证、可追溯的 AI 工作台。
梳理目标市场
与潜在客户
关联信息来源
与判断依据
形成内容草稿
保留证据引用
人工把关
确认下一步
内部跟进
与执行记录
THE CHALLENGE
Finding a company is easy.Knowing whether it is worth pursuing is harder.
找到企业并不难，真正困难的是判断它是否值得继续。
02 / CONTEXT
一次完整的外贸获客，需要经历目标筛选、企业研究、匹配判断、内容准备、人工审核和后续跟进。
真正耗费时间的，并不是某一个步骤，而是在不同工具之间不断
重新理解上下文。
Same data.
Different tools.
Lost context.
通过关键词、行业、地区
等条件寻找潜在客户
整理企业官网、新闻、
财报等公开信息
结合行业、规模、市场等
维度评估合作可能性
基于企业信息生成
个性化开发信 / 内容
人工检查内容质量
并进行调整优化
将结果记录到表格或 CRM
并持续跟进
03 / CORE NEEDS
企业资料可以被搜索，内容可以被生成。
但用户仍然需要反复确认：
信息是真的吗？为什么匹配？
还缺什么？现在能不能继续跟进？
企业资料、联系人和判断依据散落在不同工具，用户需要反复重建上下文。
FRAGMENTED INFORMATION
“高匹配”本身没有价值，用户真正需要知道为什么，以及这个判断来自哪些事实。
LACK OF EVIDENCE
AI 可以快速生成邮件或跟进建议，但关键动作仍然需要人工确认。
GENERATION ≠ EXECUTION
多次执行、修改和 Retry 之后，很难回答这一次和上一次到底发生了什么变化。
HARD TO TRACE
04 / DESIGN GOALS
看清依据与逻辑
确认信息与判断
按需调整与执行
用户能够理解 AI 为什么做出当前判断。
Understand / Reason
关键判断可以追溯至 Evidence。
Evidence / Verify
生成、审核、批准、执行保持清晰边界，关键决定由人完成。
Human-in-the-loop / Control
任务、修改、审核、Run 与 Retry 状态能够被持续保存和恢复。
Persistent / Traceable
05 / DESIGN PROCESS
FROM BUSINESS PROBLEM
TO WORKING PRODUCT
这个项目并不是从界面开始。我先拆解外贸获客中的判断链路，再逐步定义信息结构、关键交互与 AI 边界，最终将核心状态接入真实数据库，并通过完整工作流进行验证。
AI Product Design + UX + Full-stack
问题 → 系统 → 产品 → 实现 → 验证
DISCOVER
从搜索企业、整理公开资料，到判断匹配、生成内容和后续跟进，我先拆解现有工作流，定位信息在哪些环节发生断裂。
定位上下文断点
DEFINE
项目最初看起来像一个自动化问题，但真正影响体验的，是用户无法快速理解 AI 为什么这样判断、还缺什么信息，以及是否能够继续。
STRUCTURE
在进入 UI 之前，我先梳理任务、企业、Evidence、Review、Lead 与 Run 之间的关系，并建立连续的业务状态。
DESIGN
核心界面围绕三个问题展开：用户现在看到了什么、为什么这样判断、下一步应该做什么。
让信息形成阅读顺序。
BUILD
通过 Codex 协作完成 Next.js 前端与业务逻辑，并将 Workspace、Research、Review、Lead 与 Run 的核心状态接入 PostgreSQL。
核心状态可保存、可恢复
VALIDATE
我通过完整业务链路、数据库集成测试与多视口浏览器检查，确认任务能够从创建一直运行到执行历史，并在刷新以后继续存在。
PASS 既有工作流验收
Design was not the final step.It was the thread connecting
product, AI and engineering.
设计不是流程中的某一个阶段，
而是连接产品、AI 与工程的主线。
06 / EXPERIENCE OPPORTUNITIES
在外贸获客中，“高匹配”不是终点。
用户真正需要看到的是：为什么这样判断、
判断依据来自哪里，以及哪些信息仍然未知。
不是答案，而是更透明的判断。
从分散的信息，到可追溯的判断路径
EVIDENCE
企业资料、联系人、行为数据等
散落在不同工具，用户需要反复重建上下文。
REASON
“高匹配”本身没有价值，用户真正需要知道为什么，以及这个判断来自哪些事实。
ASSESSMENT
AI 可以快速生成建议，
但关键动作仍然需要人工确认。
UNKNOWN
需要明确哪些信息仍未验证、
哪些风险仍存在。
HUMAN DECISION
基于以上信息，由人做出最终决定，
并按需调整执行。
OPPORTUNITY 01
让用户看到判断理由。
OPPORTUNITY 02
让结论能够追溯至事实依据。
OPPORTUNITY 03
让关键决定保留人工确认。
OPPORTUNITY 04
让判断与执行历史持续保留。
看清依据与逻辑
确认信息与判断
按需调整参与执行
没有证据，不等于不存在。
AI 的结论，也不等于最终决定。
07 / DESIGN REQUIREMENTS
FROM AUTOMATION TOOL TO DECISION WORKSPACE.
完成更多步骤
做出更好的决定
与其让 AI 替用户完成更多步骤，我更希望系统帮助用户降低判断成本，并让关键决策始终可理解、可验证、可接管。
LESS AUTOMATION STEPS.
MORE CONFIDENT DECISIONS.
Match、Draft 和企业判断都需要关联 Evidence，并同时保留 Unknown。
AI 可以研究和生成，但审核、批准与后续行动必须由用户确认。
Revision 与审核记录只追加；每次 Run、Attempt 与 Retry 都保留历史；Follow-up 状态持续保存。
任务、研究、审核、跟进和执行状态写入 PostgreSQL，刷新和重新打开后仍然可以恢复。
KEY
TAKEAWAY
设计需求的重点不是让 AI 替用户决定，而是让判断过程更清晰、可验证、可持续。
08 / INFORMATION ARCHITECTURE
我将 Workspace、Research、Review、Leads 与 Runs 组织成不同的信息层级。
用户不需要理解后台的数据结构，只需要始终知道：当前任务是什么、正在处理谁、判断依据是什么、下一步去哪。
One Task.
One Context.
One Next Step.
不同的信息层级，共同支撑一次完整的获客任务。
提供稳定的一级入口，不因任务状态变化而改变。
所有研究、判断和执行都挂在同一个任务下，避免跨页面后上下文丢失。
让每一个判断都有依据，未知信息和后续动作继续向下流动。
导航结构 ≠ 业务流程，而是为流程提供稳定的空间组织。
产品信息架构示意；数据集成、成员权限与通知设置为规划能力，当前版本未开放。
KEEP TASK CONTEXT
切换 Research、Review、Lead 和 Run 时，任务、企业和判断信息仍然属于同一个上下文。
SEPARATE JUDGMENT FROM ACTION
Match 不等于 Intent，Approved 不等于 Sent，Follow-up 完成也不等于已联系客户。
HISTORY IS PART OF CONTEXT
每一次 Revision、Follow-up、Retry 和 Run History 都被保留，帮助用户重新理解一个判断如何形成。
定义目标
建立上下文
形成判断
人工确认
转化行动
记录结果
09 / CORE BUSINESS FLOW
企业研究、AI 判断、人工审核、线索跟进与执行记录不再彼此割裂。我将它们组织成一条连续任务流，
让用户始终知道：现在进行到哪一步、判断依据是什么、下一步该做什么。
DEFINE
Product
Target
Acquisition Task
RESEARCH
Company
Evidence
Contacts
ASSESS
Match
Reasons
Unknown
REVIEW
Evidence
AI Draft
Revision
Approve / Reject
HUMAN REVIEW GATE
ACT
Follow-up
Leads
Next Action
EXECUTE
Run
RunStep
Attempt · Retry
History
KNOW THE STATE
清晰的状态反馈，让复杂任务也有确定感。
KNOW THE WHY
整合企业信息、AI 分析与人工意见，判断更可靠。
KNOW THE NEXT
给出明确的行动建议，减少决策后的执行摩擦。
用户真正需要的不是更多功能入口，而是一条不会失去上下文的任务路径。
CORE JOURNEY / 关键使用流程
用户不需要理解后台的数据结构，只需要完成当前动作，再由系统告诉他下一步。
CREATE
设定目标RESEARCH
探索候选VERIFY
验证信息REVIEW
审核判断FOLLOW-UP
发起跟进RUN
持续执行界面概念示意 · 企业名称来自参考图，非真实客户或研究结果；真实产品截图待接入。
DISCOVER
从候选企业中
找到值得关注的目标
企业资料 · 研究示例
查看企业与需求的关联
公开资料 · 研究示例
对比业务场景与产品能力
资料待补充 · 研究示例
保留未确认信息和边界
候选企业 · 研究示例
继续研究与人工判断
UNDERSTAND
从多维度信息中
找到支持判断的事实依据
企业研究场景 · 概念示意
将公开资料中的业务信息，与当前获客目标关联，形成可供用户核对的判断依据。
来源位置 · 真实证据原文待接入
按来源整理业务与产品信息。
将匹配理由关联到 Evidence。
尚未确认的信息独立保留。
DECIDE
由人确认是否继续，
进入下一步执行
结合证据与未知信息，由用户决定是否批准进入下一步。
未找到不等于不存在，继续保留 Unknown。
从候选企业中，筛选值得理解的目标。
整合多源信息，构建清晰、可验证的企业画像。
由人做出最终决定，并按需发起跟进。
用户真正需要的不是更多信息，而是在正确的时间看到足够的信息，完成下一次判断。
10 / AI RESEARCH
Research 的目标不是返回更多公司，而是把分散的公开信息整理成一个可以判断的上下文：企业是谁，为什么匹配，依据是什么，找到了谁，以及还有哪些信息没有确认。
界面概念示意 · 企业名称来自参考图，非真实客户或研究结果；真实产品截图待接入。
Candidate List
企业研究 · 概念场景
候选资料 · 概念场景
资料待补充 · 概念场景
候选资料 · 概念场景
企业研究场景 · 概念示意
将企业背景、匹配判断、理由、证据与未知信息放在同一个研究上下文中。
企业是谁
先整理企业的业务、产品与市场信息，建立可以继续研究的企业画像。
Company为什么匹配
将企业的业务场景与获客目标对照，说明匹配发生在哪些维度。
Assessment判断理由
把判断拆成具体理由，并关联支撑它们的 Evidence，让用户能够逐项核对。
Match Reasons证据支持
未确认信息
保留企业业务与产品动态。
回到原文确认内容与时间。
关联与当前目标相关的信息。
新增线索进入后续研究。
Contact / Unknown
当前公开资料中尚未确认对应联系人。未找到不等于不存在，继续保留待验证状态。
记录当前判断、尚未确认的信息与下一次研究需要补充的内容。保留依据，让后续人工审核能够延续同一上下文。
示意内容 · 真实研究记录待接入
先看清企业画像
再判断是否匹配
把判断理由说清楚
用证据支撑结论
保留未确认信息
85%
03 Evidence 02 Reasons 01 Unknown
当前由 3 条 Evidence 支持，仍有 1 项关键信息待确认。
上述计数用于说明信息层级；第二轮将与真实场景及对应截图逐项核对。
我没有增加更多 AI 分数，而是增加了用户做判断所需要的上下文。
11 / EVIDENCE SYSTEM AI DECISION MAKING
一个结论只有在用户能够看到为什么、依据是什么、
还有什么不知道时，才真正具有决策价值。
让判断的依据与边界被看见，让每一次决策都有据可查。
ASSESSMENT / 综合判断结果
由理由支持，能够继续追溯至证据。
REASON 01
支撑该理由的公开资料
EVIDENCE / 将公开资料与判断理由关联，供用户核对来源。
REASON 02
支撑该理由的业务事实
EVIDENCE / 对照当前获客目标，保留业务事实与判断之间的联系。
判断关系示意 · 真实 Corporate Gifting 案例及证据原文待接入。
没有负责人。
当前公开资料中尚未确认负责人。
该企业一定适合联系。
当前 Evidence 支持高匹配判断，建议人工确认后继续。
PERSPECTIVE
让 AI 可解释，
不是把模型内部过程全部暴露出来，
而是把用户做决定真正需要的证据和边界展示出来。
HIGH MATCH · Confidence 92%
传统分数示例 · 不是本项目的实际评分。
HIGH MATCH · Evidence / Reasons / Unknown
保留支持判断的依据与边界。
让 AI 的判断依据被理解，
让不确定性被诚实地呈现，才是真正面向决策的智能。
12 / HUMAN REVIEW
AI 可以基于企业研究和 Evidence 生成内容，但“生成”、“批准”、“执行”是三个不同状态。我刻意把它们拆开，让关键决定始终掌握在人手中。
Exploring a potential collaboration
Hi team,
I noticed your recent business update and would like to better understand your team's current priorities.
E01Your publicly shared product information suggests an area we could explore together.
E02Would you be the right person to discuss this, or could you point me to the appropriate contact?
E03Best regards,
Lin
核对企业近期业务变化，确认开场内容有据可查。
公开资料 · 原文待接入将产品公开信息与需求关联，避免空泛的个性化。
企业官网 · 原文待接入区分已确认的职责与待核实信息，不推断采购意愿。
联系人资料 · 原文待接入以上证据支撑草稿中的核心陈述。
最终措辞、判断和发送仍需人工审核。
审核通过不代表邮件已经发送。
常见自动化
Generate → Send
本项目
Generate → Evidence → Human Review → Approve → Next Action
生成只是起点，允许编辑、补充、质疑，让内容在发送前更可靠。
审核是产品流程中的关键节点，确保重要决策始终在人手中。
通过明确的流程分离，避免 AI 直接执行，降低风险、提升信任。
13 / LEADS & FOLLOW-UP
Leads 不只是企业通讯录。它把 Research 和 Review 的结果组织成可继续判断与跟进的行动视图。让团队在保留上下文的同时，明确下一步做什么。
识别有价值的机会，并转化为可执行的跟进。
| 公司 | 匹配度 | 联系人 | 跟进状态 | 下一步任务 | 最后动态 |
|---|---|---|---|---|---|
| 高匹配 | 待确认负责人联系人状态 | 待跟进 | 核实联系对象 | 研究已整理示意状态 | |
| 匹配 | 待核实职责联系人状态 | 内部整理中 | 复核匹配依据 | 资料已补充示意状态 | |
| 低匹配 | 尚未研究联系人状态 | 暂缓跟进 | 重新评估目标 | 判断已更新示意状态 | |
| 资料不足 | 尚未确认联系人状态 | 资料补充 | 补充公开证据 | 证据待补充示意状态 |
没有符合条件的示意线索，请调整搜索词或匹配度。
← 左右滑动查看完整列表 →
从当前判断读到下一步行动。
AI Infrastructure
概念企业 · 研究与跟进状态示意当前示意评估为高匹配，仍需结合公开证据与人工审核决定是否继续。
当前公开资料中尚未确认负责人。
核实联系对象
确认职责与联系方式后，再由人决定是否触达。
联系人尚未确认时：当前公开资料中尚未确认负责人。
高匹配不代表客户已经表现出购买意向。匹配度与购买意愿分别判断。
内部跟进状态与对外联系事实分别保留。资料准备、任务完成不等于客户已被触达。
当前演示列表仍保留低匹配与资料不足的企业，供用户筛选和判断；高匹配与下一步行动分别表达。
保存企业只是起点。让每条线索保留判断依据与下一步行动，才是工作台的价值。
把 Research 和 Review 的结论，转化为明确的下一步任务。
不假设、不阻断，明确记录尚未确认的信息。
内部系统进展不等于客户的真实状态，必须清晰区分。
14 / RUNS
同一个获客任务可能经历多次执行。相比只保留最终状态，我选择让每次 Run 独立存在，并记录阶段、问题、Retry 和最终结果，帮助复盘与持续优化。
| # | 任务名称 | 开始时间 | 状态 | 完成阶段 | 操作 |
|---|---|---|---|---|---|
| #05 | 保温杯 · 北美市场 | 09:00 | 已完成 | 6 / 6 | |
| #04 | 保温杯 · 欧洲市场 | 09:10 | 进行中 | 3 / 6 | |
| #03 | 户外包 · 美国市场 | 08:40 | 部分完成 | 4 / 6 | |
| #02 | 保温杯 · 北美市场 | 08:00 | 失败 | 2 / 6 | |
| #01 | 运动水壶 · 日本市场 | 07:30 | 已完成 | 6 / 6 |
暂无符合条件的示意记录，请调整搜索或状态筛选。
← 左右滑动查看完整记录 →
目标：户外用品渠道 · 北美地区
研究来源与原文应随本次执行保留，后续可核对。
将原始资料整理为企业上下文，同时保留未确认的信息。
判断与依据、Unknown 一起呈现，不把评分当作购买意向。
内容引用研究证据，生成不代表批准或发送。
由人审核依据与内容。批准后仍需独立决定下一步动作。
归档本次运行状态；本次完成不表示邮件已发送或客户已联系。
当前没有符合筛选条件的执行记录。调整筛选后，可继续查看运行历史。
RETRY / OPTIMIZATION
生成结果不一定靠一次“完美的执行”。
每次 Retry 都是一份真实的尝试，记录下问题与调整，才能看见从不确定走向确定的过程。
主层级展示“已重试 2 次”等业务语言；Attempt 留在二级详情。
Attempt 01 → Retry → Attempt 02 → Result
生成初版结果
保留当前判断
资料或条件不足
明确问题所在
补充研究依据
修正筛选条件
形成新的执行记录
保留前后变化
真实 Retry 案例待接入。资料不足、补充研究和最终结果将按现有运行记录呈现。
新的 Run 不覆盖旧结果，每次执行都有独立上下文。
PRODUCT PERSPECTIVE
历史不是调试日志，而是用户理解系统行为的一部分。
15 / COMPONENT LIBRARY
从企业研究、AI 判断、人工审核，到跟进与执行，我把高频业务场景
抽象成可复用组件，让不同模块使用同一套交互语言。
构建一致、简洁、灵活的基础元素。
组件交互示例 · 仅作用于本页
展示全部线索
暂无数据
点击按钮、切换标签，体验组件的状态反馈。
用一致的状态标识，传达明确的业务含义。
高度匹配
可能匹配
信息未知
研究中
待审核
已通过
跟进中
已完成
失败
面向实际业务场景的复合组件。
企业列表项
证据信息卡片
匹配评估
AI 草稿
审核与修订
跟进任务
执行步骤
线索侧边抽屉
组件不是孤立的，而是用来组成完整的业务流程。
16 / COMPONENT GUIDELINES
同一套组件需要在 Research、Review、Lead 和 Run 中保持一致的含义。
我把视觉状态、信息优先级和操作规则统一为明确的设计指南。
颜色不是装饰，而是业务语言。
当前步骤 / 可继续
已确认 / 成功
需要关注 / 风险
阻塞 / 需要处理
未开始 / 信息待补充
让用户基于事实做决定，而不是猜测。
AI 分析结果
网页 / 社媒 / 新闻
待补充项
确认与修订
创建跟进任务
好的决策，来自可信任的信息，而不是单一的分数。
EVIDENCE DRIVES TRUST
降低认知负担，让用户始终知道下一步做什么。
未找到，不代表不存在。
Decision maker: None
用户容易误以为这是一个错误，
但其实可能只是暂未公开。
Decision maker: 尚未确认
保留不确定性，帮助用户在后续流程中
继续收集信息。
Design System 不只是“长得一样”，
SAME LANGUAGE, BETTER DECISIONS
而是让用户在不同模块里做出一致的判断。
17 / INTERACTIVE PROTOTYPE
我将核心业务路径做成交互原型，让每个判断都有下一步。
从目标定义、研究、审核，到跟进与执行，你可以亲自体验一次完整任务。
| 企业名称 | 行业 | 匹配判断 | 当前状态 | 下一步行动 | 负责人 | 更新日期 |
|---|---|---|---|---|---|---|
| 户外用品 | 高匹配 | 跟进中 | 核实合作切入点 | 我 | 09-16 | |
| 礼品定制 | 高匹配 | 待审核 | 复核草稿内容 | 我 | 09-15 | |
| 户外装备 | 可能匹配 | 研究中 | 补充公司信息 | 我 | 09-15 | |
| 家居百货 | 可能匹配 | 待研究 | 核实联系对象 | 我 | 09-14 | |
| 跨境贸易 | 资料不足 | 已关闭 | 暂缓跟进 | 我 | 09-12 |
没有匹配的预设线索。试试其他企业名称或筛选条件。
本页交互演示 · 使用预设资料；操作仅在本页生效。
定义目标，创建一次获客任务
体验 AI 草稿与人工判断
查看一条线索如何进入跟进
18 / SYSTEM DESIGN
因此我把 Workspace、Research、Review、Lead 和 Run 的核心状态
真正接入 PostgreSQL，并通过 Query、Command 与 Repository
分离读取、业务动作和持久化逻辑。
让数据成为能力，
而不是临时的演示。
梳理核心实体与关联关系，构建可演进的数据模型。
基于业务视角组织查询，保证数据一致性与性能。
明确写入边界与事务策略，保障业务数据的可靠性。
基于 PostgreSQL，支持版本迭代与未来的扩展需求。
UI / Interaction 呈现体验，Query 组织读取，Command 约束业务动作，Repository 访问数据，PostgreSQL 保存状态。
PrototypeUI → Mock Data → Refresh → Reset
Portfolio Demo v1.0UI → Query / Command → PostgreSQL → Refresh → Continue
工作台 Portfolio Demo v1.0 既有验收记录
PERSISTENT / ISOLATED / TRACEABLE / TESTABLE
工作流、状态流转、审核逻辑、Run 历史、Retry 与 PostgreSQL 持久化均为真实实现。
研究数据为预设场景。当前 Portfolio Demo 未接入真实外部搜索、实时 AI API、真实邮件发送、Auth、RLS 或生产部署。
19 / VALIDATION
以下为工作台 Portfolio Demo v1.0 的既有验证记录，
从创建任务到留下执行记录，让工作流、状态与数据都能被验证。
从任务创建到执行记录，全链路已打通。
创建任务后，研究、审核、内部跟进、线索与执行历史能够连续完成。
重新进入页面，任务、审核决定与执行记录仍然存在。
状态示意 · 依据既有验收记录，真实对比截图待接入。
核心状态已接入 PostgreSQL，并完成关键读写与隔离测试。
66 / 66
66 Passed · 0 Failed
Dev / Test Isolation PASS
三档均检查 Workspace 首屏；完整业务闭环在 1440 × 900 验证。
真实验收截图 · 点击查看完整页面
来源：Phase 3C-Final 既有验收文档与浏览器检查记录，详细出处见本项目素材审计记录。66 / 66 与 23 Browser Checks 保留自原始验收记录，并非本次详情页改版重新运行的测试。
三档均检查 Workspace 首屏；完整业务闭环在 1440 × 900 验证。设备预览使用各自视口的真实验收截图，框内展示顶部区域，点击可查看原图。
验证的是预设研究场景下的真实工作流、状态与 PostgreSQL 持久化；外部搜索、实时 AI 与邮件发送尚未接入。
刷新前后为可编辑状态示意，不作为验收截图。19-A 真实刷新对比截图待接入。
20 / PROJECT SUMMARY
项目最开始，我更关注如何让 AI 自动完成企业研究、判断和内容生成，希望减少更多人工步骤。
但随着 Research、Evidence、Review 和 Run 被真正串起来，我逐渐意识到：在复杂的 B2B 决策场景中，自动化程度并不是唯一价值。
用户真正需要的是知道：AI 为什么这样判断，依据来自哪里，哪些信息仍然无法确认，以及什么时候需要自己介入。
因此，我最终没有把产品设计成一个“全自动获客机器”，而是把它做成了一套能够帮助用户理解、验证和接管 AI 工作的决策工作台。
PRODUCT
让分散的功能，成为贯穿始终的工作流程。
UX
帮助用户理解信息、比较依据，并做出选择。
AI
在结论之外，展示证据来源、不确定性和知识边界。
ENGINEERING
让任务、审核和执行记录形成可保存、可恢复的状态。
好的 AI 产品，不是让人退出流程，
而是让人更有把握地留在关键决策里。