得物把策略冷启动改为Agent标准化流水线

针对业务冷启动（如违规作者探查）「定义目标→数据收集→特征筛选→模型训练→效果回收」链路中多方信息损耗、特征选择严重依赖个人隐性能力的问题，团队把非线性探索过程重构为 AI Agent 标准化流水线的四大模块：策略工作流模块（业务人员输入自然语言目标，如「异常作者识别」）、样本分析与特征泛化模块（Agent 自动调用 MCP 接口检索资产推荐相关特征，并用 LLM 常识推理补充行业通用特征，输出标准化样本拼接表）、模型训练模块（Agent 按特征类型自动推荐并调用底层机器学习组件，文中举例逻辑回归 LR、随机森林 RF，标准化输入输出矩阵）、可视化分析模块（输出含特征重要性可视化与沙盘推演结果的标准化策略报告）。 项目按三期推进：第一期 MVP 已支持逻辑回归与随机森林并在「违规作者探查」项目取得显著业务增量收益，第二期开发特征交互式 Agent 的对话与 PRD 生成能力，第三期深化可视化与保序性、显著性等高级统计分析。实测效能为策略生成到落地的整体周期由 10 人日缩短至 1-2 人日，提效 3-5 倍。