【生活娱乐赛道】域见YuSight - 你的打卡地点统一收纳站

[如也同学]

自我介绍

大家好，我是一名深耕智能穿戴领域的全栈开发者。

我热衷于从真实生活里挖掘未被满足的潜在需求，偏爱用 Vibe Coding 的方式快速把想法落地为可交互的原型，再一步步迭代验证产品可行性。我享受独立攻克难题的过程，喜欢迎接变化与挑战，习惯一个人跑通从产品构思、交互设计、架构搭建到开发部署的完整链路。

「域见」这个作品的灵感，来自我和女朋友出行时遇到的真实痛点。平时刷内容平台，总会被各地的特色餐厅、小众景点、网红小店种草，随手就收藏在了不同的 App 里；可真到了一座城市准备出门游玩时，只能凭着模糊的印象，在好几个平台之间来回翻找收藏夹，不仅效率很低，还经常漏掉当初心动的点位。正是这份真实的困扰，让我决定动手做一款能统一管理所有种草地点的工具。

产品简介

是什么

「域见」是一款面向城市出行与探店场景的地点收藏管理工具，以小程序为载体，核心解决用户跨平台种草地点分散、查找麻烦、导航操作割裂的痛点，让所有收藏的打卡点位统一收纳、随时可查、高效规划。

面向谁

1. 城市探店达人：高频种草各类店铺、周末常态化打卡，深受多平台收藏分散困扰
2. 旅行规划者：出行前批量收藏目的地点位，需要集中管理、高效规划路线
3. 生活记录者：习惯记录打卡体验，希望沉淀属于自己的私人城市攻略库
4. 社交组织者：约会、聚会需要快速选点，就近筛选合适的目的地

完整功能

「域见」围绕 “种草录入 → 统一管理 → 出行规划 → 实地打卡 → 分享传播” 的完整用户旅程，搭建了全链路的地点管理功能体系，形成从 “想去” 到 “已去” 的完整闭环，核心功能覆盖六大模块：

1. 多模式智能录入，跨平台种草一键收纳

针对不同平台的种草场景，提供三种录入方式，最大程度降低用户手动录入成本：

• 截图 AI 识别：上传小红书、抖音、大众点评等平台的种草截图，通过 OCR 与视觉大模型自动提取地点名称、地址、人均消费、标签等信息，自动填充表单；VLM 模式还可额外生成推荐理由，识别失败自动降级兜底。
• 链接智能解析：粘贴地图平台、生活服务平台的分享链接或文案，自动解析地点信息与封面图、坐标数据，内置 SSRF 安全防护，解析失败自动引导切换截图识别。
• 手动精准录入：支持自由填写地点全量信息，搭配地图选点功能，通过逆地理编码自动补全地址与城市信息。

所有录入方式均配套坐标自动补全机制，优先地理编码、降级 POI 搜索，确保地点在地图中精准标记。

2. 多维度地点管理，海量收藏高效检索

所有收藏地点统一收纳，提供丰富的筛选与排序能力，快速定位目标点位：

• 卡片式列表展示，直观呈现地点封面、分类、标签、打卡状态、人均消费与综合评分；
• 支持关键词全局搜索，自带本地搜索历史记录，可一键清空；
• 支持按品类筛选（餐饮 / 景点 / 购物 / 住宿 / 其他）、按状态筛选（全部 / 想去 / 已打卡 ）；
• 支持多种排序规则（最近添加 / 评分最高 / 打卡最多 / 名称排序），搭配分页加载与下拉刷新，适配大量收藏场景；
• 支持地点信息编辑与删除，删除操作级联清理对应打卡记录，保证数据一致性。

3. 地图可视化规划，就近打卡高效决策

以地图为载体，让收藏的地点直观可感，助力出行规划与临场选点：

• 全量收藏地点在地图上以自定义标记展示，选中状态高亮放大，点位清晰可辨；
• 底部浮层按实时距离由近到远展示附近收藏地点，支持拖拽吸附三档高度，浏览更顺手；
• 基于 Haversine 公式实时计算用户与地点的直线距离，支持一键跳转系统地图发起导航；
• 新增 / 编辑地点时支持地图直接选点，逆地理编码自动补全地址信息，录入更精准。

4. 结构化打卡手账，沉淀私人攻略库

打造完整的打卡记录体系，把每一次实地体验转化为可回顾、可沉淀的个人攻略：

• 打卡表单支持选择地点、设置访问日期、撰写心得笔记、上传现场照片，操作轻量化；
• 三维评分体系，从环境、服务、性价比三个维度打分，自动汇总计算综合评分；
• 打卡内容支持公开 / 隐私两种可见性设置，兼顾分享需求与个人隐私；
• 打卡时间线按时间倒序呈现，同步展示累计打卡数、覆盖地点数、平均评分等统计数据；
• 支持打卡记录的编辑与删除，仅本人可操作，保障数据权限安全。

5. 轻量化分享能力，好地点双向流转

支持地点的便捷分享与接收，让优质种草高效流转：

• 支持单地点分享，小程序端可直接分享给微信好友；
• 支持批量勾选多个地点生成分享合集，适合出行攻略、城市清单类场景；
• 好友打开分享链接后进入只读视图，可浏览地点信息与分享者的公开打卡记录，支持一键批量收藏到自己的域见账号，系统自动按名称 + 地址去重，避免重复录入。

6. 个人中心与数据自主管理

提供完善的个人数据管理能力，让用户完全掌控自己的收藏资产：

• 个人主页展示核心数据统计：总收藏数、总打卡数、综合平均分，以及各分类地点的数量分布；
• 支持一键导出全量地点与打卡数据（JSON 格式），保障用户数据自主权；
• 支持云端数据同步刷新，搭配微信一键登录，实现多端数据一致。

相比初赛 Demo 的升级

从初赛的核心功能原型，到复赛的完整可用成品，「域见」围绕用户核心旅程做了全链路的能力补全与体验打磨，完成了从「能演示」到「真能用」的跃升，核心升级点如下：

1. 智能录入能力全面升级，从手动填到 AI 帮你录

   初赛仅支持基础手动录入地点，复赛新增截图 AI 识别与链接智能解析两大核心能力：接入视觉大模型（VLM），支持小红书、抖音、大众点评等主流平台种草截图的自动信息提取，同时支持多平台分享链接的智能解析，搭配坐标自动补全与失败降级机制，大幅降低用户录入成本，让「跨平台统一收藏」从概念落地为可流畅使用的真实体验。

2. 打卡体系结构化完整化，从简单留痕到专属手账

   初赛仅支持基础的打卡状态标记，复赛补齐了完整的打卡手账体系：新增环境、服务、性价比三维评分机制，自动汇总地点综合评分；支持多图上传、心得笔记、访问日期记录；新增公开 / 隐私可见性设置；打造按时间倒序的打卡时间线视图，配套个人打卡数据统计。让打卡不再只是简单标记，而是可沉淀、可回顾的结构化个人攻略库。

3. 地图与管理体验深度打磨，从能看到好用

   初赛地图仅具备基础点位标记能力，复赛对地图模块做了全量优化：新增实时距离计算、按距离排序的底部附近推荐浮层，支持三档拖拽吸附；新增地图选点录入、逆地理编码自动补全地址能力。同时地点管理侧新增分类 / 状态双维度筛选、多规则排序、搜索历史记录，检索与管理效率大幅提升。

4. 分享与流转闭环补齐，从单人工具到可传播

   初赛无分享能力，仅支持单人本地使用。复赛完整搭建了分享流转链路：支持单地点分享与批量地点合集分享；好友可通过分享链接打开只读视图，浏览地点信息与公开打卡记录，并支持一键批量收藏到自身账号，自动按地址去重。形成「种草 - 收藏 - 分享 - 再收藏」的社交传播闭环，也拓展了产品的使用场景。

5. 技术架构与安全体系完善，从演示原型到生产可用

   初赛为前端演示级 Demo，后端能力薄弱。复赛搭建了完整的前后端分离架构：后端引入 PostGIS 空间数据库支撑地图与距离计算，接入 Redis 做缓存与任务管理；新增多 Provider 智能路由与自动降级机制，保障识别服务稳定性；新增全局 JWT 鉴权、SSRF 防护、统一错误处理等安全机制，同时支持数据导出、云端同步等能力，产品完成度与稳定性达到生产可用标准。

产品演示视频

小程序功能演示： https://b23.tv/KyFULeb

产品创作历程

灵感起源

「域见」的诞生，完全源于我自己真实的生活困扰。

日常刷小红书、抖音、大众点评时，遇到心仪的餐厅、小众景点、特色小店，我总习惯随手点下收藏。久而久之，这些种草点位散落在四五个不同的 App 里，彼此割裂、互不连通。可真正规划出行、或是身处城市中想就近打卡时，麻烦就接踵而至：只能凭着模糊的记忆，在各个 App 的收藏夹之间来回翻找，不仅耗时耗力，还常常漏掉当初一眼心动的点位。更关键的是，既没法一眼看清自己离哪个收藏点最近，也无法快速规划出顺路的打卡路线，本该轻松的出行规划，变得琐碎又低效。

聊下来发现，身边喜欢探店、旅行的朋友，几乎都有一模一样的困扰 —— 大家都默认了 “收藏就是会散落在各处”，却没人想过能不能把它们统一管起来。我意识到这不是我一个人的小麻烦，而是城市生活里一个普遍存在、却始终没被好好解决的需求：内容平台越来越多，种草内容越来越丰富，但一个跨平台的收藏枢纽，始终是空白的。

初赛阶段

确认了需求的普遍性，我很快开始推进产品落地，这个阶段做了两个最关键的产品决策，也奠定了产品后续的整体走向：

第一个决策，是坚持纯工具定位，不做内容社区。

我很清楚，小红书、抖音等平台的内容生态已经非常成熟，从零做起内容社区既不现实也没必要。「域见」的定位应该是站在内容平台之上的 “收纳层”—— 用户照常去各个平台种草，我们只负责把散落的地点统一收好、管好、用好。这个定位让产品价值一句话就能讲清，没有内容冷启动的死循环，用户导入自己的收藏数据就能立刻用起来，启动门槛极低。

第二个决策，是优先做小程序，暂缓独立 App。

收藏是一个轻量、高频的随手动作，用户没必要为了存一个地点专门下载 App。小程序点开就用、分享便捷，既能完美匹配 “随手收藏” 的使用场景，也能最低成本地验证产品核心价值。等核心体验打磨成熟、用户规模起来后，再考虑独立 App 的形态。

基于这两个决策，我借助 TRAE 快速完成了从产品设计到开发部署的全流程，在初赛阶段拿出了可用的 Demo 版本：实现了地点手动录入、分类列表管理、基础地图标记与导航三大核心能力，完整跑通了 “收藏 - 管理 - 查看” 的最小闭环，验证了核心产品逻辑的可行性。

复赛阶段

从初赛 Demo 到复赛完整成品，我没有堆砌冗余功能，而是沿着用户核心旅程逐个破解关键痛点，每一步都对应明确的设计与技术决策，推动产品从「能用」走向「好用」。

1. 智能录入：从纯手动到 AI 三位一体

   针对手动录入门槛高的问题，搭建「截图识别 + 链接解析 + 手动录入」的完整录入体系：用视觉大模型识别小红书、抖音等平台截图，用链接解析提取地图、点评类平台点位，同时保留手动录入兜底。针对识别不稳定、结果易出错的问题，采用多 Provider 智能路由 + 自动降级 + 结果后置校验方案，既保证识别成功率，也控制了错误率，让收藏真正做到随手可录。

2. 打卡体系：从状态标记到结构化手账

   针对打卡仅能改状态、留存价值弱的问题，重构完整打卡模块：新增环境、服务、性价比三维评分，支持图文心得与公开 / 隐私设置，搭配时间线视图与个人数据统计。让打卡从一个简单动作，变成可沉淀、可回顾的私人攻略库，提升产品长期使用价值。

3. 分享闭环：从单人工具到可流转传播

   针对产品无传播属性、场景受限的问题，补齐轻量化分享链路：支持单地点与批量合集分享，好友打开链接可一键批量收藏，系统自动去重。既拓展了聚会攻略、旅行行程等使用场景，也让产品形成「种草 - 收藏 - 分享 - 再收藏」的自传播闭环。

4. 架构升级：从演示原型到生产可用

   针对原型阶段架构薄弱、稳定性不足的问题，完成技术架构全面升级：引入 PostGIS 优化空间计算性能，接入 Redis 提升服务响应速度，补齐 JWT 鉴权、SSRF 防护等安全机制，完善数据导出与云端同步能力。产品整体达到正式上线的稳定性与安全性标准。

TRAE 实践过程

后端服务体系设计.4320411362532233:10697c3a4487341186248d0dcfc1b88b_6a58d820ff2576fa7429651d.6a60ec7356cca45c99c343c1.6a60ec721d9b61dc13550c68:Trae CN.T(2026/7/23 00:14:43)

后端设计文档 → 可运行的代码骨架

docker 运行数据库、中间件容器 为后端提供支持，数据库容器创建、表设计，后端程序与数据库的联调等都是 trae 去操作的.4320411362532233:fdc5dfec7f76ded8184780c31201c8dc_6a58d820ff2576fa7429651d.6a64bba350091ca7d26d8bab.6a64bba18d914f469b3bd7ad:Trae CN.T(2026/7/25 21:35:31)

处理报错.4320411362532233:2706ea0aee7b765db3eb8c870157172f_6a58d820ff2576fa7429651d.6a67568a64fee3635d7e1a04.6a6756873a806fdbae4ac2ff:Trae CN.T(2026/7/27 21:00:58)

详细需求的描述与实现.4320411362532233:9e4766ad5f66ae9521ec482d00171a1f_6a58d820ff2576fa7429651d.6a688c9e64fee3635d7e73e9.6a688c9c3a806fdbae4ac305:Trae CN.T(2026/7/28 19:03:58)

优化部署的构建时间.4320411362532233:11e1cf768b9324a5152f37a482267cae_6a75ed8a287677cbd7cc22b8.6a75ef59287677cbd7cc22f4.6a75ef58fecae92db3166bcb:Trae CN.T(2026/8/7 22:44:41)

技术实现

技术栈 ：前端 Taro 4 + React 18 + Zustand（编译小程序/H5），后端 NestJS 10 + TypeORM + PostgreSQL 16/PostGIS + Redis，AI 用 VLM（qwen-vl）+ LLM，Docker 多阶段构建。

关键实现思路 ：

1. 配置驱动的 Provider 路由 —— OCR/链接解析/地图/存储统一「接口契约 + 工厂注入」， mock→vlm-shadow→vlm 零代码切换
2. 截图识别三件套 —— 异步队列解耦（入队返回 taskId + 轮询）、VLM 失败自动降级腾讯 OCR、幻觉后置校验（电话正则/价格区间等，宁缺毋滥）
3. 链接解析 —— LLM 语义提取 + 正则降级 + 三层 SSRF 防护（协议白名单/域名黑名单/DNS 解析后 IP 校验/重定向再校验）
4. PostGIS 空间查询 —— ST_DWithin + GIST 索引做附近查询， location 用 STORED 生成列自动派生
5. 跨端能力适配层 —— platform.ts 统一封装定位/导航/分享/触底加载等差异
6. 安全合规 —— JWT 双令牌轮转、IDOR 归属校验、AES+HMAC 敏感字段、限流
7. 容器化部署 —— 多阶段构建、非 root、健康检查

商业化与社会价值分析

一、商业化分析

「域见」的核心商业逻辑，建立在「收藏即强消费意愿」的属性之上 —— 用户主动收藏的地点，本身就是明确的「想去清单」，是离线下消费决策最近的环节。所有商业化路径均围绕「帮助用户高效拔草」展开，不破坏工具的纯粹性，不做无关信息打扰。

1. 本地生活交易分佣

   对接餐饮、景点、休闲玩乐等本地生活平台的团购、预订体系，用户从域见地点详情页跳转下单、到店核销后获取对应分佣。整个路径完全贴合用户「收藏→前往→消费」的自然流程，不额外增加用户负担，是最顺向的商业化路径。

2. 商家精准轻推广

   针对本地中小商家推出轻量化的曝光服务，例如「附近想去」列表的精准置顶、新店种草扶持位。仅基于用户已有的收藏分类与偏好做匹配推送，拒绝无关硬广，在保障用户体验的前提下，为小众优质商家提供精准的触达渠道。

3. 高级会员增值服务

   面向高频探店、深度旅行的重度用户推出会员权益，包括：无限量 AI 截图识别、高级路线规划、批量导入导出、多端云同步、自定义收藏夹分组等进阶功能。以低门槛订阅制，覆盖产品的研发与服务成本。

4. 场景化行程产品

   基于地点收藏延伸出结构化行程服务，例如联合本地达人推出 Citywalk 主题路线、城市探店清单等付费内容包，把零散的收藏点位打包成可直接执行的出行方案，满足用户「一站式获取优质行程」的需求。

二、社会价值分析

1. 提升城市探索效率，降低出行决策成本

   解决了大众普遍存在的种草收藏分散、出行规划低效的痛点，减少用户在多平台反复查找、重复查询路线的时间损耗，让城市探索更从容高效，鼓励更多人走进线下、发现城市烟火气，间接带动线下实体消费。

2. 为中小商家提供更公平的曝光机会

   大流量平台的算法机制下，大量小众优质小店难以获得曝光。「域见」以用户主动收藏为核心机制，好的小店会通过用户的真实分享持续流转，打破流量垄断，让口碑型中小商家获得更公平的被看见的机会。

3. 沉淀鲜活的城市生活文化记录

   每个用户的打卡手账都是微观的城市生活切片，无数个体的收藏与打卡聚合在一起，就是一幅鲜活的城市消费与生活图景。这些真实的体验记录，能够成为本地生活文化、城市文旅发展的鲜活参考。

初赛帖地址：【生活娱乐赛道】域见Demo-让每一次"种草"都有迹可循，让每一次"拔草"都值得期待。 - TRAE AI 创造力大赛 / 【大赛初赛专区】 - TRAE 官方中文社区