· Research AI
Research AI 如何处理假数据：先有来源 URL，再做 AI 合成
Research AI 里发现了一个不该出现的模式：有些 UI 看起来像事实数据，但背后没有原始来源。
openai
按文章上的标签过滤归档。
· Research AI
一条流水线，一个 ROI：Research AI 如何给主题打分
输入主题后，Research AI 返回 结论 和 0–100 学习 ROI。二者来自同一次 Worker 运行。
· T Today / invest-t-advisor (`t.xingai.app`)
用 Prompt 约束 AI：截图读不清就别猜 Ticker
[T Today](https://t.xingai.app) 读券商持仓截图，输出 做T 计划（买卖区间、现金建议）。模型自信地猜错代码，比直接说「看不清」更危险——用户可能按 PLTR 的计划去操作，其实持仓是 TSLL。
· XingAI Travel AI — `xingai-travel-ai`
Travel AI 做成决策系统：先比较，再预订
多数旅行站回答的是：「这里有 400 个航班。」
· T Today / invest-t-advisor
规则先行、AI 其次：T Today 双层决策引擎
T Today（t.xingai.app）只回答一个窄问题：
· T Today / invest-t-advisor (`t.xingai.app`)
访客开放首页：每日 3 次免费 AI，无需先登录
[T Today](https://t.xingai.app) 的核心路径是：上传券商持仓截图 → 拿到做T计划（买卖区间 + 规则检查）。纯纸面，不下单。
· T Today / invest-t-advisor
网络里 JSON 有内容，界面上却是空的
T Today 持仓教练用 OpenAI，responseformat: { type: "jsonobject" }。模型返回带 zh、en 的大块 JSON。用户切换语言 — 卡片还是空的。DevTools 里明明有内容。产品表现像「分析失败」。
· XingAI Invest AI
为何 V1 路由改成 OpenAI 优先（以及下一步）
早期 V1 按 Ollama → Gemini → OpenAI 试。想法：能不用云就不用。
· XingAI Invest AI
把 LLM 输出当缓存行（规划中）：推理归 worker
本文记录已接受的决策，不是已在生产跑通的能力。与 CQRS 市场缓存同一故事：衍生数据应只有一个写入方。
· XingAI Invest AI
限制免费 AI 调用，又不拖慢开发
从 SQLite 读仪表盘很便宜，可不限。没有限额时，一个忘关的标签页、一个好奇访客或爬虫，都能在察觉前把 OpenAI 账单推高。
· XingAI Invest AI
投资决策的三层 AI 架构
多数 AI 投资工具：把市场数据倒进一个 LLM，拿一个答案。简单，也错。
· XingAI Invest AI
混合 LLM 管道：Gemini 筛，OpenAI 决策
V1 是 Ollama → Gemini → OpenAI，谁先响谁赢 — 韧但三个模型干同一件事、吃同一份输入，像雇三个厨师做同一道菜。