实习实践：AI 推荐学习内容之后，还需要人工确认什么？

最初是让结果能被审查

原始工作记录围绕学习内容与技能的匹配关系开展：修复表格中技能名称的显示、处理未匹配内容、提供重新匹配入口，以及让用户确认或保留旧匹配关系。

AI 建议不是最终业务数据

在对话框里，我把「原来的匹配」与「新的推荐」分成两组，确认时提交要保留的项目标识。这个设计里有一个值得回看的问题：模型可以提出新关联，但最终是否保存应由业务用户决定。

后来为何又需要纯手动编辑

第二轮笔记提到原有编辑依赖再次运行 AI 匹配，想增加直接添加、修改技能关系的入口，不必为了小修改重新生成整套推荐。若用户输入的技能已存在，应复用现有实体而不是造一个同名重复项。

手动新增还有一个细节：用户输入一个技能名称时，先查询该名称是否已归入现有的一、二级分类。如果已经存在，就应引用旧技能实体及其 ID，而不让编辑者再次随意修改分类；只有无法匹配既有技能时，才进入选择分类并新增的分支。

这将一个看似单纯的“AI 推荐结果可编辑”需求，变成了需要尊重领域身份和唯一性的表单流程：

1. AI 给出候选关系，但不直接当成不可更改的业务事实；
2. 用户可以确认、移除、重新匹配，也可以单独手动添加；
3. 对已经存在的技能，保存的是关联 ID，不重复创建同名条目；
4. 对新的技能，再明确分类和校验规则；
5. 保存后的结果应以业务系统反馈为准，而不是以前端表单关闭作为成功证据。

这次需求让我更清楚地看到：AI 推荐的关系只能先成为候选，用户确认和后端的一致性校验才决定最终保存什么。准确率评测与接口实现则是另外的工程问题。