本文来自 StoryPal 与 Job Application Copilot 的公开版整理实践。

AI 产品原型常依赖模型 API、真实业务数据和登录状态。直接上传可能泄露凭证、私人输入或账号环境；只保留截图又无法验证核心流程。

Mock-first 提供了一个中间边界：公开版默认使用可预测、无密钥、可复现的替代输入与 Provider，同时保留产品 Workflow、状态机、数据结构和失败路径。

Mock 应替换什么

适合替换的是不可公开或不可稳定复现的外部依赖：

  • API Key、供应商 adapter 与私有配置；
  • 真实简历、联系方式、儿童语音和历史对话；
  • 招聘网站登录会话、Cookie 与真实投递记录；
  • 会随网络、额度或模型版本变化的在线结果。

StoryPal 用确定性 Mock Provider 替代真实 ASR、LLM 和 TTS adapter，保留双交互状态机、Question Planner 与报告。Job Application Copilot 使用虚构候选人、JD 和招聘页，保留从证据匹配到人工确认的五模块流程。

Mock 不能替代什么

Mock 不能代表真实模型效果或线上性能。状态流可复现不证明儿童内容质量；虚构职位跑通也不证明真实平台 Adapter 当前可用。

公开说明应把证据分层：

层级 可以声称什么
公开 Mock Workflow、状态转换、界面和结构可运行
私有完整原型 指定真实链路曾经跑通，但未公开依赖不可由读者复现
真实用户验证 只有采集并说明口径后，才能声称效果与业务结果

缺少第三层数据时，应直接写“待补充真实验证结果”。

可复现性来自确定边界

好的 Mock 应覆盖正常、缺口和失败路径，并保持与真实 Provider 一致的输入输出契约。

以求职 Workflow 为例，高匹配、证据不足和风险职位需要得到不同结果；外部发送还必须验证任务批准、目标一致、材料上传和可见页面确认。Mock 页面保留这些约束，展示价值才不依赖真实账号。

公开版也是一次产品收敛

移除隐性依赖，会暴露哪些能力只在个人电脑上成立。固定本机地址、未声明权限和无法解释的数据口径都需要重新整理。Mock-first 也是一次架构检查：核心价值能否在最小稳定链路中复现。

公开作品最重要的可信度来自清楚说明证据与边界。演示负责证明流程，真实数据负责证明效果，两者应该被分别陈述。1

Footnotes

  1. 如果原始日志可能包含会话标识或私人文本，可以只公开经过说明的聚合结果，并保留无法验证的结论为空。 ↩