一个F-1留学生的自救：用AWS搭了套AI移民合规助手

全球7000种语言，AI能翻译的不到200种。但比这更冷的数据是：每年数十万持F-1签证的留学生，要在密密麻麻的OPT/STEM OPT规则里自己算日子、赌风险——算错一天，签证可能直接作废。

一位参赛者把这套焦虑做成了产品。他的AI Immigration Compliance Copilot杀进了AWS 10,000 AIdeas Competition全球300强，用的是最"朴素"的AWS Serverless全家桶：S3托管前端、Lambda跑逻辑、DynamoDB存会话、Bedrock当大脑。

这套系统的核心功能很直白：输入你的OPT起止日期、已用失业天数、当前雇佣状态，它能在秒级生成时间线、标红风险等级、模拟"如果我现在被裁"的后果。背后7个REST API端点，分别管时间线生成、风险分析、情景模拟、AI解释、实时问答——全是Lambda+API Gateway的标准配方。

真正有意思的是设计哲学：规则引擎和AI推理硬拆开。Lambda负责所有确定性计算——失业天数怎么扣、 grace period还剩多少、哪天触发违规——这部分必须100%准确，不能 hallucinate。Bedrock只干一件事：把冷冰冰的计算结果翻译成"你目前有70天失业额度已用，若30天内未找到新雇主，将面临HIGH风险"这种人话，同时支持追问"如果我去兼职呢""如果公司突然撤回offer呢"。

数据层用了DynamoDB的30天TTL自动清理，会话状态不留痕——对处理敏感移民信息的产品来说，这是基础伦理。Kiro作为AI开发助手被写进了架构图，负责结构化提示词和输出一致性，算是Bedrock之外的第二层护栏。

参赛者的原始动机写在文档里：现有移民资源要么静态、要么晦涩、要么无法对应真实场景。他想要的是"交互式决策支持"，不是信息堆砌。这个定位切得很准——留学生真正恐惧的不是规则本身，是"我现在这个情况到底算不算违规"的不确定性。AI的价值不在替代律师，而在把模糊焦虑转化为可量化的风险数字。

Serverless架构的选择也务实：零运维、按调用付费、自动扩缩容。对一个验证想法的竞赛项目来说，这是最低摩擦的路径。但技术栈的"普通"恰恰说明，这类垂直场景的壁垒不在工程复杂度，而在领域知识的结构化——你得知道OPT失业天数怎么算、STEM延期有哪些隐藏 deadline、DSO报告的时间窗口具体是几天。

AWS把这类项目选进Top 300，信号很明显：AI应用层的竞争正在从"大模型能力"转向"场景理解深度"。同样的Claude 3 Haiku，套在移民合规上是一个产品，套在税务申报上是另一个产品。基础设施已经 commoditized，差异化来自谁先把行业know-how编码成确定性逻辑+弹性解释的系统。

参赛者的下一步没写。但文档里埋了一个线索：系统目前只覆盖OPT/STEM OPT，而H-1B、PERM、绿卡排期的复杂度是另一个数量级。如果这套混合架构（规则引擎+AI解释）能被验证可持续，垂直SaaS的想象空间不小——毕竟，美国移民律师的平均时薪是300-500美元，而留学生的预算通常是0。

一个细节：项目名里的"Copilot"不是随便取的。在微软已经把这个词占满之前，它原本的意思就是"副驾驶"——人做决策，系统做计算和预警。这个定位比"AI律师"诚实得多，也可能走得更远。