一人 AI 项目冷启动：30 天从需求定义到可运行服务的工程排期

一人做 AI 项目，冷启动阶段最大的问题不是“不敢上线”，而是缺少可验收的工程里程碑。更稳妥的方式是把 30 天拆成四个迭代周期：第 1 周定义问题与数据基线，第 2 周打通最小流水线，第 3 周服务化并补测试，第 4 周做部署、监控和回归。

目标不是做出一个“看起来能用”的 Demo，而是形成一个可复现、可观测、可回滚的最小工程闭环。

第 1 周：定义任务边界，建立数据基线

第一周不要急着调模型，先把任务边界写清楚。至少产出四份内容：

1. 一句话任务定义：输入是什么，输出是什么，什么算合格。
2. 输入输出 Schema：字段类型、必填项、异常值处理规则。
3. 样本集：准备 50 到 200 条覆盖常见场景和边界场景的样本。
4. 评估标准：准确率、格式合规率、人工接管率、平均延迟。

建议先建立仓库结构：

project/
├── data/
│   ├── raw/
│   └── processed/
├── prompts/
├── src/
├── evals/
├── tests/
└── logs/

这一周的验收标准是：任意一条输入进入系统前，都能被 Schema 校验；任意一条输出，都能根据评估标准判定通过或不通过。没有这一步，后面的模型效果无法比较。

第 2 周：打通最小 AI 流水线

第二周只做一个目标：让样本从输入到输出完整跑通。不要一开始追求复杂架构，先实现同步调用即可。

一个最小流水线可以是：

def run_pipeline(payload: dict) -> dict:
    data = validate_input(payload)
    context = retrieve_context(data)
    prompt = render_prompt("v1", data, context)
    result = call_model(prompt)
    output = validate_output(result)
    log_run(data, output)
    return output

这一周要重点处理三类异常：输入字段缺失、模型输出格式错误、外部接口超时。每一类异常都要有明确返回码，而不是让程序直接抛出堆栈。

如果需要引入检索增强，先不要追求复杂召回策略。最小可用方案是：文档切片、向量入库、按相似度召回、结果写入日志。后续再评估是否需要重排序、混合检索或查询改写。

第二周验收标准：样本集全量跑通，输出结果能落库，失败样本能被单独导出。

第 3 周：服务化、测试与回归评估

第三周把脚本变成服务。建议用 FastAPI 或同类框架封装接口，并补充任务状态、请求 ID、重试机制和幂等键。

最小接口设计可以是：

POST /v1/tasks
GET  /v1/tasks/{task_id}
POST /v1/tasks/{task_id}/retry

服务化时要补充五类测试：

• 单元测试：校验输入解析、提示词渲染、输出清洗。
• 集成测试：校验模型调用、数据库写入、异常重试。
• 回归测试：每次修改提示词或代码后，重跑历史样本。
• 评估测试：统计通过率、格式错误率和人工接管率。
• 安全测试：检查注入提示词、超长输入和敏感字段泄露。

这一周的验收标准是：每次返回都带 trace_id；失败请求能按类型分类；同一批样本重复运行时，评估结果可复现。

第 4 周：部署、监控与故障演练

第四周重点不是继续加功能，而是让系统能被稳定运行。至少完成以下动作：

1. 用 Docker 或 Docker Compose 固化运行环境。
2. 将模型 Key、数据库地址、队列地址放入环境变量。
3. 增加结构化日志，记录请求参数、输出摘要、耗时、token 用量和错误类型。
4. 增加基础监控：请求量、失败率、P95 延迟、队列堆积数。
5. 做一次故障演练：手动停止模型服务，验证告警和降级逻辑是否生效。

如果要设置降级策略，可以按优先级处理：

主模型超时 → 切换备用模型 → 返回规则兜底结果 → 进入人工处理队列

第四周验收标准：一条命令可以完成部署；服务异常时能看到告警；历史版本可以回滚；失败样本能够进入待复核队列。

30 天只看四个指标

一人项目没有精力维护复杂看板，先盯住四个指标即可：

任务成功率 = 成功完成任务数 / 总任务数
格式合规率 = 输出符合 Schema 的任务数 / 总任务数
人工接管率 = 需要人工处理的任务数 / 总任务数
P95 延迟 = 95% 请求完成时间

这四个指标分别对应可用性、稳定性、自动化程度和响应速度。只要其中一个指标明显恶化，就暂停加新功能，先回到日志和样本里定位原因。

冷启动的真正交付物

30 天结束时，理想状态不是“项目上线了”，而是你手里有一套能继续迭代的工程资产：可复现环境、可评估样本、可追踪日志、可回滚版本和一份失败样本清单。后面的优化顺序也应该由这些数据决定，而不是由感觉决定。