财税政策实时搜索引擎
项目背景
财税人员/企业主/个体工商户在使用通用 AI 回答税收问题时，可能引用已废止法规或混淆适用条款，企业据此决策将面临真实法律与财务风险。税收政策对时效性与准确性的要求，与通用 AI 训练数据的固有滞后性之间存在根本冲突。
这个项目的起点是一段学术经历——用 Python 文本分析方法量化了 A 股上市公司在 2007-2021 年报中感知到的税收政策不确定性，发现了一个有趣的"信心悖论"。论文停在"确实存在这个问题"——产品往前迈了一步："让这个问题有答案"。
我的角色
职责
AI 产品经理 · 产品设计与技术选型
时间
2026.06 – 至今
核心功能
三层数据源
NPC API（全国人大法规库，非爬虫实现，比爬虫快 4-10x）+ 官方解读（Bing site:chinatax 定向搜索）+ 行业分析（实务文章聚合）
4Tab 法规弹窗
点击任意结果展开四标签页：原文 → 官方解读 → AI 通俗版 → 相关网页，一站式获取完整上下文
智能引导面板
4 步向导帮非专业用户定位问题：选主题 → 选场景 → 选企业类型 → 输入关键词
8 条硬约束
不替用户做税务决定 | 每条回复附带时间戳 | 注明来源和法规 ID | 附带免责声明 | 失效法规标记 | 不编造案例 | 不替代专业咨询 | 鼓励用户核查原文
产品截图
封面
智能引导面板
法规原文展示
多标签解读弹窗
产品架构
三层数据源聚合（NPC API + Bing 官方解读 + 行业分析）+ 向量数据库 + 全文检索双引擎架构，支持政策实时同步与智能问答。8 条硬约束构建信任体系
数据成果
产品三问
Q1 我做了什么判断？
AI 在专业领域的最大问题不是"不够聪明"，而是"不够诚实"——核心产品决策是定义"AI 什么时候该闭嘴、去查真实数据再开口"
Q2 为什么这么判断？
用户拿着 AI 给出的政策依据去做税务申报，如果 AI 用的是已废止的法规，用户要承担责任。信息架构就是信任架构——每条搜索结果的来源标识、发布时间戳、时效性状态、法规原文 ID 这四个字段的设计花了最长时间，因为它们是用户信任的基础
Q3 如果再做一次会改什么？
最大的判断错误是低估了数据源的可达性约束。花了大量时间评估 Vercel vs Cloudflare vs Deno，但根本问题不是选哪个云——而是 NPC 政府 API 物理上只限中国境内访问。这个问题在架构设计第一天就应该被标记为 P0 风险