背景与问题
中小推广者选品/推品时注意力窗口极短。第三方工具在「官方价格判断」上存在结构性空白——用户要么凭感觉，要么跳出工作流去比价。要补的不是又一个聊天入口，而是嵌在转链场景里的判断能力。
判断与取舍
取舍1：选用户痛点场景
一开始想做推广全链路——选品、转链、生成素材，一个大而全的 AI 平台。花了一个月跟一线推广者聊，发现三个问题：不太会用 AI、不需要大而全、对 AI 平台本身不信任。
项目一期把定位收回到最痛的那个点：他们每天花大量时间在比私域价和公域价上。
这是一个明确可以被 AI 高效解决的问题，所以一期只做这个。策略是：先用一个小点的兑现让用户相信平台的 AI 能力——"一小点点的进步也是进步"。
核心：从"大而全"收回到"最痛的一点"，因为用户不会用、不需要、不信任。
判断
- 形态：场景触发 + Chat 承接 + 主动推送——不必先进入对话才能得到判断。
- 命题升级：从「只告诉公私域价差」到「做推广决策」（同款、跨店比价、换品、库存机会成本）。
- 砍掉的：过早把关键决策交给纯 LLM（幻觉与不可回溯会直接伤信任）。
产品形态 · 三层交互演示
点击标签切换，看用户在不同层级看到什么：
确定性结论 + 行动按钮，像开关一样直接
规则 + 多模态提取的证据链，可回溯可验证
LLM 处理个性化话术、凑单建议、发送时机——不可穷举的复杂度
Agent 架构与边界
评测与实验
- 结构化 Prompt（角色、格式、价格引用）+ Few-shot 约束个性化任务
- 闭环：幻觉检测 → 人工抽检 → Prompt 迭代
- A/B：验证「价格持平也推荐」——消除顾虑 → 降低犹豫 → 高频触达成习惯
踩坑
一期做了一个 skill 的版本，同时通过 chat 提供给客户。从技术架构上合理，方便后续迭代。但中小推广者压根不会自己部署，对他们来说这就是个"用不了的东西"，还是要符合用户场景做需求，那个端上版本才是实际能交付的价值。
本质：用户的需求不是技术形态决定的，是他们能怎么用决定的。第一期必须先绕过"Agent"这个形态，用端上版本先把信任建起来——先让用户用上、用出效果，再慢慢升级。
结果
618 后日均 UV 目标达成率 157%；约 2 个月累计 GMV 194 万+。
7 日留存 +0.80pp；15 日人均推广天数 +1.54%；放量 4 倍留存未明显稀释。
可迁移启示
- 决策型场景优先「结论前置」，Chat 是抽屉不是大门。
- 先用规则锁住可解释关键路径，再释放 LLM 处理不可穷举的复杂度。
- 评测与抽检要和上线同级，否则 Agent 无法放量。