我没把 AI 当写代码的工具。
我把它的三个约束，当成了设计原则。
做这个文博产品，真正难的不是让 AI 写出 demo。是 AI 自己带着三条硬约束——角色有边界、上下文冷启动、文件系统即状态。 多数人把它们当限制绕过去；我把它们翻成产品和协作的设计原则。点一张卡，看每条约束逼出了什么决定。
AI PM 的关键不是用 AI 写代码，是把 AI 的约束当成设计原则。
这是一个完整的作品集：给博物馆中度爱好者的 AI 原生陪看 / 收藏产品，以青铜器为第一个垂类。产品定位、PRD、四份 ADR、一个能跑的 demo、277 件结构化文物数据、一套 RAG 知识发现管道——以及把这一切做出来的方法。
但它不是一个「功能很全的 demo」。它最强的气质是诚实纪律：拒绝伪造数字、把找不到当产品哲学、主动抓自己的双标。下面这一页，我让方法论先讲——多 agent 怎么搭、审计怎么驱动迭代、RAG 怎么把幻觉挡在门外——产品和 demo，是这套方法指向的实物证据。
一个 CC0 的反讽底座
THE FOUNDING IRONY做中文文博 AI，第一个工程问题是：图像和元数据的底座从哪来。国内没有一家馆达到 Met、V&A、Smithsonian 那种开放度——没有公开 API、没有 CC0，立体文物的高清摄影还在著作权灰区。
反讽在这里：约 1900 年起大量流散海外的中国文物（北朝佛造像、青铜、玉、瓷），近十年被 Met、克利夫兰、弗利尔、V&A 等海外馆以 CC0 释出了高清图加元数据。
做一个面向中国大陆用户的 AI 文博产品，最稳、最干净、最可放心向量化的图像底座，不是任何一家国内馆，而是这些海外馆的 CC0 数据集。
于是一期切片定为「天龙山：从晋阳到世界——北朝佛造像的流散与数字回归」。流散叙事本身就是产品的内容，不是被叙事服务的题材。这条线后面会在地图上画出来。
把一个人，拆成一支队伍
THE AGENT TOPOLOGY一开始是我一个人。下了 4,466 张 Met 的图、写了 800 行 chunks pipeline 之后才意识到一件事：我既出方案又评方案，没有任何制衡。这正是第一个 AI 约束——角色有边界——给的解法：与其要一个全能助手，不如组一支职责单一、互相制衡的 agent 队伍。
每个 agent 有自己的 constitution。Builder 只从已签的清单取活、不评自己的产出、不顺手扩 scope、产出要 PM-Critic 和 Strategy-Curator 双签才能合并。点节点看它的边界；切换两套拓扑——白天的常驻团队，和夜跑时的生产编队。
全程 escalations.md 是 0 条目——这支队伍从没真正需要打断我。成本也按判断重量路由：Opus 给判断重的角色，Sonnet 给执行，全 Opus 要贵三倍以上。
审计者，直接驱动下一轮
AUDIT-DRIVEN ITERATION审计者写完 report，同时产出 next-iteration-brief，直接驱动下一轮；严重的问题可以推翻整轮，回到 Researcher 或 Designer 级重做，而不是在 Builder 级打补丁。六个审计人格，各看一个面：
然后出了一件事，它成了整个作品集最强的反思信号。v3 的 demo 被这五个只读审计全部放行。我自己一点——点了后母戊鼎和何尊以外的任何一件——每次都跳回后母戊鼎。
根因：2 条硬编码的 MOCK 静默覆盖了其余 275 件。五个只读审计都是「近视读者」，读源码、看一两页，没人真去点。于是我加了第 7 个 Runtime Auditor——唯一一个真去点击、开 DevTools、查 network 的审计，它的判定对其他审计 binding，外加 8 项强制验证清单。
Persona Auditor 判 demo 好不好；Runtime Auditor 判 demo 存不存在。
反幻觉，靠一台状态机硬门
OPEN DISCOVERY PIPELINE知识底座需要为每件展品，从馆方、海外 OA、学术、现场、数字人文五类源里，拼出一个多维 bundle。幻觉就藏在这一步。我没让模型「自觉别编」——我让它走一台状态机：每条资料必须带齐五个字段，缺一个就降级或拒收。喂一条进去看它怎么判：
三个子 agent 不能合并，因为三件样本暴露的是三种不同的幻觉：Discovery 只列 URL 候选不抓，Verifier 逐条抓加指纹加 license，Compiler 装订加反幻觉硬门。它们还跑在两个环境里——沙箱对所有外网返回 403（白名单只剩 GitHub 和 pypi），所以拆成「沙箱动脑、我本机动手」。
最后我连操作员都不想当了：贴一段 prompt 给本机的 Claude 就去睡。7 个阶段各带时间盒、8 小时硬截止、不中断我。2026-06-07 那夜约 1 小时跑完——104 条 verified chunk（100 ok / 4 failed）、28 个 bundle、平均 3.6 类源每件，T3 零违反：0 次注册、0 封邮件、0 次绕过。
诚实，不是态度是纪律
THE HONESTY GENE反幻觉硬门最干净的一次自证，是它拒绝替我编一个真相。同一件文物，三套互相打架的产地叙事——AI 没有挑一个当真相，而是把三层叠在一起，呈现张力。点「让 AI 编一个真相」看它怎么回。
「北齐白石佛立像（响堂山系）」——暗示来源在河北响堂山、邺城域。
上博展线 + 澎湃报道 · (c) all-rights题名「石佛像」，北齐，高 144cm；产地『山西』，来源『山西省博物院调拨』。馆方自己的字段，并不背书『响堂山 / 河北』。
shanghaimuseum.net · CI00159756 · (c) all-rightsV&A：『probably from Xiangtangshan, Hebei』；Met 42704：culture『China (Southern Xiangtangshan)』——同窗口北齐佛头，出处都写河北响堂山。
V&A / Metropolitan Museum · V&A unknown · Met CC0三方说法并不一致。反幻觉硬门只认实抓到的字段——它把这件的旧样本，从『馆方自标响堂山 → V&A 闭环』当场改写成『山西 vs 响堂山』的张力件，因为抓回的馆方字段不支持原说法。AI 把这三层叠给你看，不替馆方拍板哪个是真相。
定为红山文化（约前 4500–3000）。私立馆无公开编号，本件无考古出处——私人收藏捐入。
震旦博物馆典藏 · (c) all-rights2020《玉出红山》专题，以牛河梁科学发掘背书『红山五千年』的文化序列。
中国国家博物馆 · (c) all-rights『所有被归为红山的玉神人，没有一件经科学发掘出土；它们的红山归属基于风格判断，不是地层学。』
OCS 讲座 + MDPI Arts（CC-BY） · CC-BY / OA馆方说明牌大概不会写『本件无考古出处』。AI 可以 surface 这层——不是说馆方错，是把『谁在用什么底气说这是红山』摊给你看。找不到一手出土叙事，本身就是产品要呈现的素材。
这条纪律也对着我自己。round-2 的冷审计逐字抓出我的双标：
你在 §5.9 拒绝伪造一个 CLIP 的 P@5 数字、说「假数字直接 disqualify」，却在同一周的商业文档里伪造了 9 个 load-bearing 的商业指标、零引用——这种诚实是选择性表演，不是纪律。
指控成立。这是双标。修法不是道歉，是上标签纪律：建一份 assumptions-register，24 个数字逐个打 [M] 实测 [B] benchmark [A] 假设，任何假设数字出现的地方必须带「假设」标注，不许裸奔成事实。沙箱里那个 pHash 基线真跑出 P@5 = 0.667——一个故意诚实的、近乎无用的真数字，作为 CLIP 必须打败的下限，而不是一个好看的假数字。
方法论指向的实物：一个能跑的 demo
THE RUNNING DEMO上面那套方法，落地成 14 个 HTML、28/28 Playwright 绿的可跑 demo。最能说明问题的是这个三联动 dashboard：六个 window 事件（带 source 字段防环）把时代柱、古国地图、文物卡串起来。点任一处，三处一起响应。
诚实标一句：这套事件总线不能跨标签页（CustomEvent 的局限），同屏三联动是 workaround——5 个审计和 D2 都把它标成 P0。它证明的是联动这件事成立，不是它已经产品化。
流散与数字回归
THE DIASPORA MAP接 01 那条反讽底座，把它画出来。真实地理地形——12 条山脉、6 大河、盆地——用兰勃特等积圆锥投影渲染，不是示意图。它回答两个产品要讲的问题：为什么三星堆在那里（它和中原之间隔着整个秦岭加大巴山），以及这些文物如今流散在哪。切换三视图，海外那一档会画出从出土地到海外馆的流散弧。
一个反成瘾的收藏产品
THE PRODUCT, RESTRAINED产品的人格是「同行的资深爱好者」，不是讲解员——自称我和咱们、默认不教学、先反问。它有一条克制基因：零 push、零红点、零徽章、零连胜，黑底巨大留白，每张卡都有一个「合上手机」按钮，把人推回到实物面前。
青铜器的意义被拆成 7+1 个维度，每个维度映射一个产品形态，再挂一个驱动收集的动机钩子：
北极星是 WAC——周活跃收藏者，过去 7 天往个人博物馆加过至少 1 件的注册用户。我特意没用 DAU 或时长：用 DAU 当北极星会逼出打卡推送，等于用一个指标做坏产品；时长还跟核心价值负相关。下面这些是我明确拒绝做的：
它不是什么
WHAT IT IS NOT没有小程序移植。这是作品集与原型，不是上线产品。
沙箱防火墙挡了 HuggingFace / Wikimedia / pytorch，CLIP 识别只是生产形态 stub，真 P@1/P@5 待本机跑。
只有 9 人粗访。所有 KPI——含 WAC 目标、商业模型——都是标了「假设」的数字。
CustomEvent 不能跨标签页。同屏三联动是 workaround，被 5/5 审计标 P0。
摊在桌上的数字
BY THE NUMBERS杠杆大约 30–40×：8 到 9 个人周的活，2 个夜班里跑完。$40–50 的成本、4.5M tokens 都有账，人周折算是我自己拍的，标「假设」。
现在的状态
STATUS这个项目最值钱的不是 demo，也不是那 277 件数据。是一套能复用的方法：把 AI 的约束当设计原则，把审计做成能推翻自己的牙齿，把诚实做成挡在门口的状态机。对一个 AI 产品经理，这比多做几个功能更说明问题。
版本号有两套口径，我按「做了什么」讲、少纠缠编号。数据与交互的真实数据出自源仓库分支 claude/museum-photo-sharing-8qJiz；dashboard 的 12 件是 277 件里 curate 的样例子集（已标），地图的地形、出土点、馆藏点是真实 geojson，流散弧为示意路径。RAG 夜跑日期 2026-06-07。