30天POC怎么做才不白做：棋牌AI试用的验收标准

多数团队的POC是这么浪费掉的：试用版30天免费、每日5万次调用，前两周排期被需求会议占满，最后三天才把接口接上，试了几个测试房间，期满后靠“感觉还行”做决定。这样的POC产不出任何可以签字的数据，本质是把采购决策推迟了一个月。

POC的目标不是“接通”，而是拿到一组能支撑扩量、换供应商或自研三选一的对比数据。要做到这一点，POC必须有真实玩家流量、有对照组、有事先约定的验收线——三者缺一，结论就退化为印象分，而印象分撑不起一次百万级的采购决策。

30天POC要按周切任务，每周有明确的交付物与验收动作，周口径比日口径稳定、比月口径紧迫。任何一周的任务顺延，都意味着后面所有对比数据的可信度打折——宁可缩范围，不可顺时间；如果两者冲突，优先保住W1基线与W3盲测这两周。

• W1 接通与基线：完成API接入（标准周期1-3天，第一个对局5分钟），跑通目标玩法；同时采集改造前的匹配成功率、平均等待、完局率基线——没有基线，后面全部白做
• W2 小流量真实玩家：把5%-10%的真实流量导入AI补位房间，每日复盘匹配与对局数据，确认AI占比、等待与完局表现
• W3 盲测与行为对照：组织固定玩家盲测识别率；将AI房间与纯真人房的完局率、再来一局率、对局时长分布逐项对照
• W4 决策会议：对照事先约定的验收线，做出扩量、要求供应商整改、更换供应商或进入自研评估的决定

验收线要在W1就写下来并请业务、技术、财务三方确认，W4只做对照、不做临场讨论——临场降低标准是POC失效的第二大原因。以下五项指标覆盖了从基础设施到体验的关键面。每项都给出目标值与下钻动作，可以直接搬进验收纪要。

• 匹配成功率与平均等待：目标85%以上与10秒以内（改造前普遍30%左右、60-90秒），超过40秒等待的时段单独下钻
• 进房完局率：AI房间与真人房差距应在5个百分点以内，超差通常指向拟人化配置问题
• 再来一局率：W3相对W2应有可见提升，这是拟人化体验的复合指标
• 盲测识别率：低于5%合格；落在10%-15%区间时要求供应商限期调优行为层配置
• 决策延迟：以供应商口径核验P95值，我们的承诺是P95<50ms，可直接要求写入SLA

复盘我们接触过的失败POC，失败形态高度雷同，几乎都可以归入下面三种。对照自检，出现任何一种苗头都要立即纠偏，而不是等30天期满再承认浪费——POC纠偏的成本随时间指数上升。每周五做一次三项自检，十分钟足够。

• 联调型POC：四周全在对接与改字段，真实流量为零。复判标准：W2结束时AI出牌调用量应达到试用配额（每日5万次）的可观比例，否则立即调整排期
• 单房间POC：只在内部测试房运行，匹配池动力学完全失真，凑桌与等待数据不可信
• 无对照组POC：没有W1基线，也没有真人房对照，W4开会时只能凭印象表决

决策矩阵建议事先约定：全指标达标即扩量并进入商务谈判；体验指标达标但拟人化不达标，给供应商一个明确的整改窗口或启动备选供应商；整体不达标且团队DAU与预算满足自研门槛的，再进入自研评估——顺序不要颠倒，不要在POC数据出来之前预设结论。把决策规则前置约定，是让W4会议在40分钟内结束的唯一办法。决策会议纪要当天发给供应商，避免结论在往返中失真。

两个容易漏掉的动作：第一，POC期间同步把SLA、赔付、私有化与数据条款谈完，避免签约期二次谈判把周期拖长一个月；第二，保留W1基线数据归档，它是你下一次评估任何供应商的对照原点。两项动作都在W3前完成，不要拖到W4。

curl -X POST https://api.zhenren.com.cn/v1/games/guandan/sessions \
  -H "Authorization: Bearer $ZHENREN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "robots": 3,
    "fill_mode": "dynamic",     // 真人进房自动替换AI
    "difficulty": "human-like",
    "emotion": "enabled"
  }'

// 对局事件经 WS /v1/sessions/{session_id}/stream 推送
// 按 game_end 事件聚合完局率、对局时长与再来一局率