0. 先和大家打个招呼吧 
-
你是谁： 一位本科软工但毕业后未从事相关工作的社畜
-
你是怎么用 TRAE 把 Demo 做出来的： 先用TRAE Work，给出我的想法，它帮我一步步梳理思路，最终给我了一份demo，然后我再TRAE IDE上进一步细化
1. Demo 简介
-
是什么：买否是一个 AI 消费决策助手 Web 应用。用户输入想买的东西和价格，系统结合用户的财务状况、使用频率预测和历史消费记录，给出"买 / 不买 / 再想想"的建议及具体理由。如果建议购买，还会根据用户消费风格推荐具体品牌型号。
-
面向谁：工作年限 1-3 年的年轻白领，月收入 5K-20K，第一次拥有可支配收入，消费欲望强但缺乏判断力。
-
主要功能：1.财务画像采集 — 首次使用时通过 5 个快速问题（月收入、房租占比、分期情况、储蓄目标、消费风格）建立用户财务档案
2.消费决策分析 — 从财务压力、使用频率、历史消费三个维度综合评估，输出建议卡片
3.个性化推荐 — 根据用户消费风格（精打细算/均衡/品质）推荐具体品牌型号
4.历史记录与统计 — 追踪每次分析，统计帮用户省下的钱
2. Demo 创作思路
-
灵感来源：我身边很多刚工作的朋友，月薪不高但消费欲望很强。现有的工具要么是记账（事后补救），要么是种草（鼓励消费），缺少一个站在用户利益角度、事前帮你理性判断的工具。我想做一个"消费前的最后一道关"。
-
想解决的问题：1.冲动消费：看到推荐就下单，买完吃灰
2.选择困难：品牌型号太多，不知道选哪个
3.消费与收入不匹配：月光、超前消费 -
为什么做这个方向：赛道的评审标准是"痛点创意背景、产品类型、目标用户、目标场景价值"。消费决策焦虑是年轻白领最真实、最高频的痛点之一，且天然适合 AI 发挥作用（多维度分析 + 个性化推理）。我选择从"劝退型"切入建立信任，再结合"帮选型"做导购变现——先帮用户省钱，再帮用户花对钱。
3. Demo 体验地址
maifou-demo.zip (14.7 KB)
4. TRAE 实践过程
-
附开发关键步骤截图：
-
附关键任务对话的 Session ID：
-
.2591981560663700:1f4a70fc816f27d19c31c7959bd3ff3f_6a550306bcd7fc6c946846ad.6a562b66b4cbb2e353fe9f88.6a562b6595428e41cd4764aa:Trae CN.T(2026/7/14 20:28:22)
-
.2591981560663700:e8bdcbb8ebea2fc77b55e0cee60a7753_6a550306bcd7fc6c946846ad.6a562dfeb4cbb2e353fe9fa4.6a562dfd95428e41cd4764ab:Trae CN.T(2026/7/14 20:39:26)
-
.2591981560663700:b078e1134614a2d7ddf496611339e212_6a550306bcd7fc6c946846ad.6a562f1bb4cbb2e353fe9fd2.6a562f1a95428e41cd4764ac:Trae CN.T(2026/7/14 20:44:11 )
5. 对应的报名审核通过的帖子链接
