阶段性反思下这段时间的工作吧~
一、整体产品框架开发
最近负责的 App 基本的功能模块都已经完成了，具体包括：
- 核心流程：从用户 Login 之后的 Onboarding，Profile，再到定制化的 Roadmap。
- 档案构建：对 Profile 进行解析，形成 Persona 和 Gap Analysis。
- 工具开发：专业分析与选校、essay、resume、搜索功能（包括 Summer Programs 以及 Competition 和 Activities 等其他项目）
- 我们还着重完成了学生的project，从一个 Idea 到拆解 Task List，再逐步 Execute 推进项目，最终完成一个high impact 的 Project。
二、从数据到功能的拓展
基本功能做得差不多的时候，我们也找了一些用户进行访谈和试用，并获得了一些反馈。基于这些反馈，我们发现每一个功能，或者说我们做的每一个工具，其实都可以进行更深入的开发。从当前的数据搜索、数据展示和简单的结构化数据比对，到接下来可以做更多的功能交互。
总的来说，为了让高中生在探索未来的道路上不仅能“找到方向”，还能“看清细节”、“理解关联”并“获得依据”，沿着这个思路，迸发大量灵感并快速vibe coding。
以 major 为例，在学生通过 search bar 输入searchable critical keywords之后，通过deep research提供更详细的信息以及推荐的拓展内容。
此外，我们还 wrapper 了一个 ChatGPT 功能：将当前页面显示的内容，“喂”给 AI，从而进行更多深入的交流以获取信息，拓宽产品边界。同时，我们也做了一些 AI recommendation，用来向用户解释为什么他适合这个专业。
还提供了一些专业比对和专业图谱可视化，使用相关系数算法，帮助学生了解到更多相关或者互补的专业。通过与学生的对话，利用 AI 自动拆解并构建学生的 profile ，触发field recommendation。
三、从功能交互到业务流程
但我们通过这轮迭代发现了更多问题：
- 交互非常僵化。用户看到的信息不一定是他们想要的，所有操作都必须经过人工进行复杂的步骤，才能够一步步点击进入，用户无法直接跳转。
- 推荐内容不精准，尤其是 AI 推荐的内容，并不符合用户当时的情景或所处的阶段。
- 功能架构零散，所有功能都散落在各个地方，很难让用户很好地串联起来。
- 视角错位，所有的功能都是以 B 端视角进行开发的，并不符合 C 端用户的认知以及操作习惯。
这些问题出现的本质，是因为我们还是以非常传统的产品思路去开发整个 App。但实际上，用户在经历多年的互联网浪潮后，他们的认知模型和 10 年前完全不同。他们更多的不是说想要获得信息，因为现在的信息已经太泛滥了，而是更多地想快速、准确地找到更合适自己的信息。这些才是一个产品最值钱的地方，也是能够真正解决用户痛点的。
四、围绕chatbox的交互重构
我们原本想跳开 Chatbox 的这种产品形态，能够找到更多复杂交互或者是更能够凸显产品特点的一种新的架构。但后来发现，无论怎么样去发展，还不如做 Wrapper ChatGPT 这样的方案。对用户来说，这样更简单直接，能够提供给他价值。经过反复的讨论和思考之后，我们也提出来新的一份产品架构。
还是以Major 为例，产品定位是：An AI-powered college counseling system that guides high school students through choosing their college major using a personalized, conversational approach.
这里面最核心的是Prompt Router，能够精准识别用户意图，并根据所处的探索阶段，智能选择最合适的对话策略和提示模板。它能将用户消息分为五大类意图：
- 内部知识库：例如“XX 专业的就业率”，触发 RAG 检索，提供权威数据。
- 求建议：当用户需要方向时，提供阶段性引导。
- 焦虑情绪：在用户感到迷茫时，开启共情模式并提供小任务。
- 强制跳转：当用户已下定决心，可主动跳过阶段限制。
- 任务确认 ：分步引导用户完成复杂任务。
其他，还有其他一些Key Features：
- Stage-Based Journey，系统会根据用户的兴趣数量、进度百分比和任务完成情况，自动判断并推进到下一个阶段，确保探索过程高效且有条不紊。
- Agenda-Driven Workflow，每个阶段都不是随意发散，而是确定topics，能够更聚焦进行交流。
- Smart Dashboard，将学生的profile解构、stage、agenda等都以顶部卡片的方式进行展示。
- Storytelling Approach，AI沟通的视角不是命令或直白陈述，而是更趣味化
- Blackboard Sidebar，将AI与用户探讨过程中的highlight，有一位assistant能够记录下来，形成一块可隐藏的“小黑板”。
- Tool Recommendations，AI与用户的探讨过程中，主动去调用之前开发好的tools，并封装在componenet中呈现给用户结果。
- Workspace & Timeline，不是单纯的输入输出，AI还会推荐一些task（比如说找一些入门课程的syllabus、推荐高质量的文章并“布置阅读作业”），形成timeline，并触发app的reminder，自动提醒用户去完成。
当然，这个架构实现成本和风险都很大，我们的产品架构又开始了新一轮的迭代。。。