Appearance
方案模式
知识助手
输入是文档、数据库、网页和知识图谱；技术路线是文档解析、Embedding、检索、RAG、引用生成；输出是带来源的问答。验证方式是黄金问题集、引用准确率和人工抽检。
基本原理：把知识从模型参数中移到外部检索层。模型只负责理解问题和组织回答，事实由文档、数据库或图谱提供。
质检系统
输入是工业相机图像或视频；技术路线是 OpenCV 前处理、检测/分割模型、规则后处理；输出是缺陷位置、类别、统计表和截图。验证方式是漏检率、误检率、mAP、节省工时。
基本原理：先把图像校正到稳定输入，再用检测/分割模型找到缺陷，最后用规则或人工复核把模型输出变成业务结果。
实验分析系统
输入是高速相机图像、载荷、温度、压力和实验元数据；技术路线是 DIC/PIV、时序模型、图表生成和报告模板；输出是位移场、应变场、速度场和实验结论。验证方式是物理一致性、误差范围和专家复核。
基本原理：实验图像先转成可计算场数据，再与传感器和工况数据对齐，最后用统计、物理约束和专家规则解释结果。
研发 Agent
输入是需求、代码库、测试、文档和 issue；技术路线是 LLM、工具调用、MCP、上下文工程和状态机；输出是代码修改、测试结果、说明文档或 PR 摘要。验证方式是测试通过、人工 review 和任务完成率。
基本原理：Agent 把“理解需求、读取上下文、调用工具、修改文件、运行验证、输出说明”拆成可观察步骤，而不是让模型一次性生成最终答案。
Python 入口
python
def solution_flow(input_data, analyze, validate, render):
intermediate = analyze(input_data)
checked = validate(intermediate)
return render(checked)不同方案模式的共同点是：输入数据、分析函数、验证函数和输出呈现必须清楚。