项目不连接真实门店系统、真实数据库或真实 LLM，而是用本地样例数据与 Rules / Mock Agent 模拟单店经营诊断流程，确保作品集可演示、可复核、边界清晰。
项目概览
为什么要做这个项目？
项目不连接真实门店系统、真实数据库或真实 LLM，而是用本地样例数据与 Rules / Mock Agent 模拟单店经营诊断流程，确保作品集可演示、可复核、边界清晰。
问题定义
原始问题不是字段，而是需要被解释的场景。
单店经营者常需要快速判断销售、库存、客诉、话术和每日复盘中的优先级，但真实业务系统复杂且不适合作品集演示。这个 MVP 用受控样例数据构造可解释场景，展示 AI PM 如何定义 Agent 输出边界与验收标准。
项目背景
为什么这个问题值得拆解？
To be updated
工作流 / 方法
我如何推进这个项目？
输出结果
当前形成了哪些可复盘产出？
To be updated
- Demo / Preview：https://preview.retailops-agent.pages.dev
- Deployment：https://57e287c5.retailops-agent.pages.dev
- GitHub：待补充
项目沉淀
这个项目沉淀了什么？
Positioning
项目定位
这是一个 AI PM 作品集 MVP，而不是真实门店系统。项目以 3C / 智能硬件单店经营为场景，用本地样例数据呈现经营诊断、话术辅助和日报生成流程。
核心价值在于展示产品判断、Agent 规则设计、输出质检、部署验收和作品集表达，而不是包装真实商业结果。
- 单店经营助手，非多门店系统。
- Rules / Mock Agent，非真实 LLM 接入。
- 样例数据，非真实用户或真实运营数据。
Product System
P0 页面与工作流
MVP 已形成 7 个可访问页面，覆盖经营概览、诊断分析、知识库、话术生成、日报复盘和 Agent 质检。
这些页面共同表达 AI PM 对业务对象、输出结构、风险提示和质检标准的拆解能力。
- Dashboard：经营样例数据的单店概览。
- Diagnosis：用规则解释问题、证据和建议。
- Knowledge / Talk Script / Report：支撑门店经营动作的内容输出。
- Evaluation：把 Agent 输出纳入可检查标准。
AI PM Capability
AI 产品经理能力表达
项目把 AI PM 能力从抽象描述转成可审阅证据：场景选择、边界控制、Agent 输出规则、页面信息架构、验收清单和线上部署记录。
- 能定义适合 Agent 的高频经营场景。
- 能把输出拆成证据、结论、建议、风险提示和质检口径。
- 能用 MVP 方式快速交付可访问 Demo，而不引入真实系统风险。
Proof of Work
可复核交付证据
项目已完成 Cloudflare Pages Preview 部署、7 个页面路径检查和截图归档。个人主页中保留 Demo 链接、部署链接、截图和边界说明，方便面试官直接验证。
- Demo / Preview：https://preview.retailops-agent.pages.dev
- Deployment：https://57e287c5.retailops-agent.pages.dev
- GitHub：待补充。
Prompt 使用总结
记录该项目如何使用 Codex prompt 推进需求、实现、验收与部署
这份文档总结了 RetailOps Agent 项目中如何用 Codex prompt 推进从机会发现、问题验证、产品定义、PRD、MVP 开发、测试、发布、长期规划到个人主页接入的完整流程。
它体现的不是单次代码生成，而是产品经理驱动 AI 工程协作的项目管理方法。
Codex 工作流Prompt Engineering产品经理驱动开发项目管理MVP 推进验收规范
沉淀方法论：把业务问题、页面范围、验收标准和失败处理前置，降低 AI 执行偏差。
复盘反思
目前最需要克制的地方是什么？
To be updated