PRODUCT CASE STUDY · SPOILER-SAFE AGENT

先锁住进度,
再解释剧情。

一个嵌入播放现场的剧情理解 Agent。它围绕用户“为什么会发展到这里”的真实任务, 先切断未来信息,再检索已看证据,最后生成可追溯的因果解释。

01 · 进度优先 02 · 证据回答 03 · 故障不阻断播放
01 / DEFINE

THE REAL PROBLEM

用户不是想重看剧情,
而是想在这一刻继续看懂。

暂停、搜索、跳出播放页都会打断沉浸;直接问通用聊天工具,又可能提前得知尚未播放的真相。真正的产品问题,是在观看进度边界内恢复理解。

USER

核心用户

正在观看长线悬疑、群像叙事或多线并行内容,发生人物与因果理解断点的观众。

BOUNDARY

明确不做

不总结未来剧情、不顺从错误前提、不用无证据推测填补空白,也不让AI故障影响继续播放。

从问题到可验证交付物DECISION PATH
  1. 01确定真实问题
  2. 02明确用户与核心任务
  3. 03形成产品边界
  4. 04设计整体架构
  5. 05拆分里程碑
  6. 06设置完成条件
  7. 07生成与测试
  8. 08保存决策与状态
  9. 09形成可验证交付物
02 / EXPERIENCE

INTERACTIVE PROTOTYPE

把答案放回播放现场

切换虚构剧集《雾港回声》的观看时间,观察问题前提、可见证据与未来事件如何随进度变化。

星屿剧场虚构平台
《雾港回声》· 第15集
07
《雾港回声》· 虚构台词

门禁记录上的时间,和苏栖的说法对不上。

23:42 / 38:40

演示边界 公开页使用可复现的虚构事件与规则结果,用于验证交互逻辑;不连接任何真实影视内容或真实平台数据。

03 / ARCHITECTURE

SYSTEM DESIGN

模型不是起点,
边界才是。

先把播放进度转换为内容权限,再让检索与生成进入同一条可审计链路。任何越过进度或缺少证据的内容,都不能进入最终回答。

01SESSION

读取播放状态

集数、秒级时间点、触发位置与阅读模式

02GUARD

冻结进度边界

过滤全部未来事件,并保留拦截统计

03RETRIEVE

召回已看证据

元数据过滤、混合检索、Top-K与重排

04VERIFY

检查问题前提

前提未发生或证据不足时停止生成

05ANSWER

生成可信回答

结构化因果链、人物卡与 evidence_ids

06AUDIT

解析与降级

引用校验、异常兜底、状态回写与日志

HARD GUARDRAIL

未来剧情召回率必须为 0

进度过滤发生在检索和生成之前。模型从一开始就看不到用户尚未播放的事件,而不是在回答后再做敏感词修补。

TRUSTED OUTPUT

每个关键结论都要有证据 ID

因果节点、人物影响与一句话结论共享同一组可见证据。引用不存在或越界时,回答降级为“证据不足”。

04 / DELIVERY

MILESTONE GATES

不是功能清单,
而是五道验收门。

每个阶段都先定义交付物和完成条件。上一阶段没有形成可验证证据,就不把下一阶段写成“已经完成”。

M1
FOUNDATION

防剧透数据底座

证明系统能够严格按播放进度控制模型可见信息。

已验证

交付物

  • 剧情事件数据结构
  • 集数与时间点字段
  • 进度过滤函数
  • 防剧透边界规则
  • 自动测试用例
  • 可见与被拦截证据统计

进入下一阶段的条件

  • 早于当前进度的事件全部可见
  • 晚于当前进度的事件全部被拦截
  • 同一秒边界判断正确
  • 测试全部通过
  • 原始虚构剧情数据经过人工核查
M2
RETRIEVAL

剧情证据检索

从大量已观看剧情中找出真正相关的证据。

下一阶段

交付物

  • 文档解析与剧情切分方案
  • 人物、事件、时间与关系元数据
  • Embedding 向量化
  • 向量库或混合检索
  • Top-K 召回与 Reranker 重排
  • 标准问题与正确证据测试集

进入下一阶段的条件

  • 正确证据稳定进入 Top 5
  • 未来剧情召回率为 0
  • 人物别名不会造成明显漏检
  • 检索失败时返回“证据不足”
  • Recall@5 与 Precision@5 达到预设标准
M3
GROUNDING

基于证据的可信问答

模型只能根据已检索证据回答,并说明证据来源。

规划中

交付物

  • 问题意图分类与前提检查
  • 剧情因果链生成
  • 结构化 JSON 输出
  • evidence_ids 引用
  • 防幻觉 Prompt
  • 输出解析、异常兜底与质量评测集

进入下一阶段的条件

  • 每个关键结论对应证据 ID
  • 不出现证据之外的事实
  • 错误前提能够拒绝
  • JSON 失败时能够降级
  • 同类问题核心结论保持稳定
M4
EXPERIENCE

播放页产品交互

让AI能力真正进入观看场景,而不是独立聊天页面。

规划中

交付物

  • “AI看懂”入口与半屏浮层
  • 一句话看懂、因果链与人物卡
  • 继续问AI
  • 浅阅读与深阅读状态
  • AI触发时间记录
  • 返回触发位置或继续播放

进入下一阶段的条件

  • 浅阅读不会误暂停
  • 深阅读能够及时暂停
  • 退出后正确返回触发位置
  • AI故障不影响视频继续播放
  • 防剧透状态与证据范围始终可见
  • 核心流程通过可用性测试
M5
OPERATIONS

评测、部署与运营闭环

证明系统不仅能运行,而且安全、有效、可持续维护。

规划中

交付物

  • 在线演示网站与测试报告
  • 回答质量看板
  • 防剧透事件监测
  • 模型耗时与 Token 监测
  • 用户反馈与异常日志
  • 版本、Prompt 与作品集报告

正式发布条件

  • 核心自动测试全部通过
  • 严重剧透事故为 0
  • 回答具有证据支持
  • 失败时能够降级
  • 页面与接口稳定
  • 人工验收通过,作品说明与实际功能一致
05 / STATE

MEMORY & CONTINUITY

两层状态,解决两种一致性。

项目级记忆固定产品长期决策,会话级状态维持当前观看与对话的连续性。两者分开,才能同时保证“产品不漂移”和“行为不断线”。

PROJECT MEMORY项目级记忆

保证产品前后一致

产品边界虚构内容规则事件数据结构防剧透规则 检索策略Prompt 版本验收标准决策与里程碑状态

版本化保存,不被单次对话临时改写。

SESSION STATE会话级状态

保证当前对话与播放行为连贯

当前集数当前时间点AI触发时间防剧透模式 当前问题当前人物当前事件已检索证据 浮层打开时间浅/深阅读视频是否暂停待恢复任务

随播放与交互更新,退出浮层后仍能恢复到正确触发位置。

06 / PROOF

VERIFIABLE DELIVERY

让每个“完成”
都有证据。

当前可确认的是里程碑1:进度边界、问题前提、结构化输出和接口响应已经形成自动测试基线。其余阶段以门禁推进,不用未来计划冒充现有结果。

作品集诚信规则:虚构内容明确标识;已完成与规划中分开展示;所有指标只陈述可复现的验证结果。

21项自动测试

覆盖进度过滤、前提校验、结构化输出与接口响应。

0未来证据进入回答

在当前自动测试基线中,越过观看进度的事件被拦截。

1s秒级边界

早于、晚于以及恰好处于当前时间点的事件分别判断。

当前演示证据账本第15集 · 23:42
事件总数8
允许进入上下文6
未来事件已拦截2

证据账本来自本页的虚构事件样本,用于展示防剧透机制,不代表任何真实剧集数据。