证明

我们公开自己错在哪里。

我们还没有可公开引用的标杆客户，所以这个页面上暂时没有案例研究。我们能给你看的，是将来产出案例的那套机制 —— 它已经在对平台做出的每一个预测运行了。

实测，而非宣称

每个预测都会与实际发生的结果对照评分。

预测在做出时就被写下，并带一个到期日。到期时，平台把它与实测结果对比，记录绝对误差和是否命中。容差固定在代码里并有单元测试覆盖 —— 我们无法为了让结果好看而悄悄放宽标准。

命中率与平均绝对误差按组织维度，通过平台自身的分析功能对每一位客户开放。当我们在真实项目上积累到统计意义上足够多的已评分预测时，汇总数字就会出现在这个页面上 —— 无论好看还是难看。

写进代码

下面四种行为实现在推理服务中，并被发布测试套件覆盖。它们不是提示词里的叮嘱 —— 那种东西模型可以随意忽略。

当项目中没有任何记录匹配该问题时，响应会被标记为 provisional，置信度封顶 0.4，并在答案正文中写明它不得作为合同决策的依据。

答案中的每一条引用都会与实际检索到的记录比对。如果模型引用了并未检索到的内容，置信度封顶 0.45，并在答案中点名那条不可核实的引用。

每个答案都会报告它是否由模型生成、来自哪个供应商和模型、使用了什么检索方式，以及它所依据的进度样本量。

当实测活动少于三条时，预测会返回已记录的基线延误加一条警告，而不是给出一个看起来权威、实则无意义的分布。

发布验证

这些数字来自产品自身的验证报告，而不是对它的营销转述。

31每次运行在隔离数据库上通过的自动化测试

29针对运行中的 API 与资产 worker 的实时端到端检查

100端到端验证链给出的试点就绪度评分

143Construction OS 服务面上的 API 端点数

能力边界

产品附带一份编号的明确边界清单 —— 未校准的风险启发式、词法而非语义的检索、不遍历依赖网络的预测。在评估阶段向我们索取，我们不会让你问第二次。

你的项目

选一个项目和一个当下难以做出的决策。我们在开始前就把成功标准写成书面，然后如实对照汇报 —— 包括它没通过的时候。