7.1 需求矩阵与候选筛选

7.1 需求矩阵与候选筛选

本节摘要：选型最常见的开局是"我们想要个更强的模型"——这句话无法执行也无法验收。本节交付需求矩阵：第一列把业务诉求拆成两类行——硬约束（数据合规、中文能力、部署形态、预算上限：不满足即出局，是门槛永远不进权重，因为"合规上差一点"没有意义）与加权维度（盲测质量分、API 稳定性、文档与生态、价格弹性、供应商风险：权重和为 10，德尔菲两轮定稿防止拍脑袋）；每个候选在每格打 05 分，且每格必须能指出证据来源。第二列交付四层筛选漏斗：全市场 →（第 12 章的信息源工具）→ 初筛 58 个 →（硬约束）→ 存活 24 个 →（加权排序 + 第 6 章盲测复核）→ 胜者 1~2 个。脚本把"过滤 + 排序"固化成代码，团队共用同一把尺。最后三种常见病：需求膨胀（什么都想要）、权重拍脑袋、照抄大厂清单——各自有解法。矩阵填完，选型就从口味之争变成了表格之争。

学习目标

阅读完本节，你应当能够：

1. 区分硬约束与加权维度，并解释为什么硬约束不进权重。
2. 用德尔菲两轮法给维度定权重并写进矩阵。
3. 执行四层漏斗，说出每层使用的工具与前章方法。
4. 跑通筛选脚本，把候选池收敛到可进盲测的规模。

一、从"想要个好模型"到可打分的需求

"想要个更强的模型"缺三样东西：验收标准（多强算强）、取舍规则（强与便宜冲突听谁的）、追责路径（谁拍板的、凭什么）。需求矩阵补齐它们：

⚠️ 硬约束不进权重是最常被违反的纪律。"合规 20% 权重"意味着合规可以用质量换——这句话在评审会上说出来自己都会心虚。门槛就是门槛：先过滤，再排序。

二、需求矩阵模板与权重纪律

模板（权重和固定为 10，维度可增删，硬约束按业务列）：

权重纪律两条：德尔菲两轮——各干系人独立写权重，第一轮亮出分歧最大的维度讨论十分钟，第二轮收敛定稿；权重和恒为 10——加新维度必须从旧维度挪权重，防止"什么都重要"。

三、四层筛选漏斗

筛选脚本（门槛过滤 + 加权排序一次做完）：

# requirement_matrix.py（纯标准库，可直接运行）
"""需求矩阵：硬约束做门槛过滤，加权维度给候选排序，输出筛选漏斗。"""

HARD = {  # 硬约束：任一不满足即出局（是门槛，不是权重）
    "数据合规": {"fam-x-7b": True, "fam-y-8b": True, "cloud-a": False, "local-3b": True},
    "中文能力": {"fam-x-7b": True, "fam-y-8b": True, "cloud-a": True, "local-3b": False},
}
WEIGHTS = {  # 加权维度：权重和为 10（德尔菲两轮定稿，纪律见正文）
    "盲测质量分": 3, "API稳定性": 2, "文档与生态": 2, "价格弹性": 2, "供应商风险": 1,
}
SCORES = {  # 示意：各维 0~5 分；每格的证据来源写进选型报告（7.3）
    "fam-x-7b": {"盲测质量分": 5, "API稳定性": 4, "文档与生态": 4, "价格弹性": 3, "供应商风险": 4},
    "fam-y-8b": {"盲测质量分": 3, "API稳定性": 4, "文档与生态": 3, "价格弹性": 4, "供应商风险": 4},
    "cloud-a":  {"盲测质量分": 5, "API稳定性": 5, "文档与生态": 5, "价格弹性": 2, "供应商风险": 2},
    "local-3b": {"盲测质量分": 2, "API稳定性": 3, "文档与生态": 2, "价格弹性": 5, "供应商风险": 5},
}

if __name__ == "__main__":
    passed = [c for c in SCORES if all(HARD[h][c] for h in HARD)]
    dropped = [c for c in SCORES if c not in passed]
    reason = {c: [h for h in HARD if not HARD[h][c]] for c in dropped}
    print(f"漏斗第 3 层（硬约束过滤）：{len(SCORES)} 个候选 -> {len(passed)} 个存活")
    for c, why in reason.items():
        print(f"  出局 {c}：不满足 {'、'.join(why)}")
    total_w = sum(WEIGHTS.values())
    ranked = sorted(passed, key=lambda c: -sum(SCORES[c][d] * w for d, w in WEIGHTS.items()))
    print(f"漏斗第 4 层（加权排序，权重和 {total_w}）：")
    for r, c in enumerate(ranked, 1):
        s = sum(SCORES[c][d] * w for d, w in WEIGHTS.items()) / (5 * total_w) * 100
        print(f"  第{r}名 {c}：加权 {s:.0f}/100")
    print("读法：前 2 名进入盲测复核（第 6 章），末位作报告里的备选项（7.3）")
​

一次运行的真实输出（实测，示意输入）：

漏斗第 3 层（硬约束过滤）：4 个候选 -> 2 个存活
  出局 cloud-a：不满足 数据合规
  出局 local-3b：不满足 中文能力
漏斗第 4 层（加权排序，权重和 10）：
  第1名 fam-x-7b：加权 82/100
  第2名 fam-y-8b：加权 70/100
读法：前 2 名进入盲测复核（第 6 章），末位作报告里的备选项（7.3）
​

注意示例的教学含义：cloud-a 盲测分与 fam-x-7b 同为 5，但硬约束一刀出局——加权排序再高的候选，门槛不过就没有然后。这正是"门槛不是权重"的代码化。

四、三种常见病与解法

💡 矩阵的隐藏价值不在算分，在逼问证据：填"盲测质量分 5 分"时你必须指向第 6 章的输出文件——填不出来的格子，就是漏掉的自测。

本节要点回顾

1. 两类行：硬约束（二值门槛，不进权重）与加权维度（0~5 分，权重和恒为 10）。
2. 权重纪律：德尔菲两轮定稿，加维度必须挪权重。
3. 四层漏斗：信息源初筛 → 候选发现（核对表+距离矩阵）→ 硬约束过滤 → 盲测复核，收敛到 1~2 个。
4. 脚本固化：过滤与排序代码化，团队共用同一把尺。
5. 矩阵逼问证据：每个格子都要能指出来源文件。

排序有了，但"第 1 名加权 82 分"还不是一个能签字的决定——质量分旁边必须站着成本与延迟。7.2 把三角摆上桌。