/projects/elderai
Elder AI
带有受治理数据分析和产物的销售运营智能体
Elder AI
带有受治理数据分析和产物的销售运营智能体
09
项目背景05
问题
Elder AI 处理的核心挑战，是把带有受治理数据分析和产物的销售运营智能体变成有用、可治理且可解释的产品系统。
解决方案
Elder AI 围绕明确边界、可检查工作流和可见交付技术栈组织，其中包括 Next.js、React、TypeScript和AI SDK。
挑战
难点在于让自主性、数据、工具和用户体验保持一致，同时不隐藏运营风险或证据。
创新
关键创新是把架构当成产品界面：能力通过责任、证明路径和交付边界来说明。
领域专业性
Elder AI 展示了产品架构、智能体系统、数据边界、控制机制和交付纪律上的应用工程判断。
案例研究证据11
结果
- Elder AI 将技术概念转化为可审查的产品工作流。
- 它把系统行为绑定到明确边界、证据和操作者可见的决策上。
- 它为相关 AI 产品工作提供可复用的架构参考。
架构决策
- Elder AI 将用户界面与运行时和数据控制职责分开。
- Next.js 以及相关技术栈被呈现为交付决策，而不是装饰性标签。
- 证据、评审和运营状态保持可见，因此系统在使用后仍可被检查。
领域专业信号
智能体架构治理证据运营 UXNext.js
技术深潜09
Elder AI 是关于带有受治理数据分析和产物的销售运营智能体的案例研究。带有受治理数据分析和产物的销售运营智能体 其深度在于让边界、证据、工作流和交付选择变得可读。
系统边界
Elder AI 通过清晰职责来组织，避免用户、工具、数据和运行时动作混成一次不透明的模型调用。
工作流模型
该流程将规划、工具使用、状态和结果呈现区分开，让操作者能理解发生了什么以及为什么发生。
证据姿态
页面把证明、日志、产物和评审路径视为产品的一部分，而不是可选的实现备注。
交付技术栈
Next.js 支撑实现叙事，周边技术栈承载持久化、界面、自动化和验证。
这证明了什么
- Elder AI 将架构决策呈现为可检查的产品内容。
- Next.js 与运行时和交付职责相连接。
- 该案例区分了用户体验、工具边界、证据和运营。
- 这种结构可复用于相邻的智能体产品系统。
2指标: route modes
3指标: subagents
5指标: artifact types
200指标: sample calls
6指标: seeded reps
100%指标: read-only SQL
技术栈06
Next.js 16
技术理由: Keeps chat UI, API routes, RSC demo, artifact pages, and deployment in one application boundary.
TypeScript
技术理由: Keeps routing, artifacts, tool schemas, and agent handoffs explicit across a large product surface.
AI SDK v6
技术理由: Provides ToolLoopAgent, streaming, RSC streamUI, and model-provider integration.
OpenAI
技术理由: Powers the customer-facing analyst, routing, image generation, and specialist agents.
Supabase
技术理由: Handles auth, RLS persistence, conversations, artifacts, and organization membership.
PostgreSQL
技术理由: Acts as the sales-call source of truth with read-only query access for the agent.
已实现工具08
routeUserMessage
已实现工具: Separates fast answers from analysis and artifact workflows.
Read-only SQL tools
已实现工具: Retrieve manager evidence without giving the model write-capable database access.
runPythonAnalysis
已实现工具: Runs derived metrics, calculations, and generated files in a scoped workspace.
Data analyst subagent
已实现工具: Delegates bounded metric work instead of sending the entire conversation to another agent.
Coaching subagent
已实现工具: Focuses on transcript snippets, skills, objections, and coaching risks.
Artifact designer
已实现工具: Turns verified rows and metrics into dashboards, charts, PDFs, tables, and exports.
Artifact persistence
已实现工具: Saves results so users can reopen and discuss prior analysis.
Product-taste evals
已实现工具: Checks whether responses stay manager-facing and avoid internal tool leakage.