多模态分级决策
行车安全约束下的「主链路-旁路」框架：语音承载意图、屏幕承载决策，感知融合 → 意图理解 → 场景化决策 → 任务执行的全链路设计。
CASE 01
智能座舱多模态 Agent
量产上线 · 行业首发在理想、小鹏、华为、小米、极氪、特斯拉等量产车上，定义「语音 + 视觉（屏幕/卡片）+ 环境感知（LBS/导航/车辆状态）」融合的座舱 Agent，覆盖找店 → 点单 → 排队 → 订座的完整交易闭环。座舱即具身智能在出行场景的早期形态。
92–93%语音找店准确率（调优后）
+82%上线后日均 DAU
2.7×「到店秒提」完成率 vs 车内竞品
40%+周留存
从找店到交易闭环
车机端从「引导手机下单」升级为「座舱内语音闭环」：排队取号、在线点单、在线订座；「到店秒提」首发理想、小鹏发布会。
评测驱动迭代
建垂域评测集与 badcase 迭代闭环，语音找店准确率约 90% 调优至 92–93%；用数据而非直觉决定下一轮优化方向。
车厂发布会（公开物料）↓
官方宣发 ↓
我自己用 Cursor / Claude Code 做的可交互原型（点击直接打开体验）↓
DEMO 01座舱语音助手
语音 + 卡片多模态分发的交互原型：意图理解、结果承载、多轮澄清。
打开演示 → DEMO 02Tesla · 车机找店面向 Tesla 车机的美食推荐与找店流程高保真原型。
打开演示 → DEMO 03车厂接入数据看板车机版接入车厂的规模与运营数据可视化。
打开演示 →这些原型把「概念 → 可演示」从周级压缩到天级，是我和车厂、算法团队对齐方案的日常工具。
