完整演示视频: 点击观看《无声有市：获客与点单全流程演示》
0.引言
帮助听障商家吸引顾客，留住顾客，完成点单，增加销量。
声音不只是沟通工具，也承担着重要的经营作用。吆喝让路人注意到你，介绍让顾客看懂商品，推荐帮助顾客产生兴趣，来回交流再把犹豫一步步变成购买意愿，这些都离不开声音。
对听障经营者来说，他们很难像其他摊主一样，把持续的口头吆喝、推荐和即时交流作为获客方式。
我们开始思考：能不能让 AI 补上这部分主动经营能力？
于是，我们开发了无声有市 (StallVoice) ，覆盖宣传、主动获客、顾客接待，并在必要时向老板求助的全流程 AI 店员。
这到底是一个什么样的 AI 店员？它如何在真实摊位上工作？让我们从头看起。
1. 无声有市团队介绍：
我们的无声有市团队由三个人组成：
Jerry Hsu（队长）：初入社会的计算机专业本科毕业生，负责产品全部代码开发、调试与整体推进。希望借助 TRAE，把自己在真实生活中发现的问题做成真正能落地的产品。
暴暴（队员）：听障人士，自媒体博主，负责寻找和对接有真实需求的听障经营者，让产品能真正走进听障摊位、解决实际问题。
小赵（队员）：听障人士，负责跟进产品测试现场，帮助队长和听障摊主之间进行手语沟通，确保产品迭代方向不偏离真实场景。
这个项目是我与听障伙伴一起共创的——不只是"为他们做"，而是"和他们一起做"。
2. 无声有市是什么？
无声有市是一名放在摊位或门店客流入口的 AI 店员，专为经营小店、小摊的听障经营者设计。
它不是一个需要顾客主动扫码打开的网页或小程序，而是用夹具固定在摊位侧面柱子上、会主动"开口"招揽客人的前台设备。
没有人的时候，它循环播放老板发布的真实商品、宣传片和活动内容；发现有人靠近停留，它会主动发出和商品相关的邀请；顾客停下来后，可以直接咨询商品、获得推荐，或者参与轻量互动降低开口门槛；顾客产生明确购买意向后，可以直接交给现场老板承接，也可以由 AI 完成数字点单，订单会带着取餐号和临时顾客头像发送到老板手机上，支持绑定老板现有的微信或支付宝收款码，也为商户支付通道提供了可选配置入口。
老板始终掌控真实菜单、宣传内容和所有经营决策。AI 负责自主处理常规商品介绍和推荐，只有遇到需要经营判断的问题时才会发起求助，不需要老板全程盯着屏幕。相比初赛以点单为主的 Demo，复赛版本最大的变化是把服务从"顾客来了之后怎么点单"，向前推进到了"怎样让原本可能直接路过的人，愿意停下来、愿意交流"——点单能力完整保留，但它不再是产品的起点，而是获客完成之后的一种承接方式。
2.1 它长什么样、放在哪里？
在真实摊位测试中，我们没有让老板专门腾出桌面摆放设备，而是使用一个简单的夹具，把顾客端设备固定在摊位侧面的柱子上，屏幕朝向客流经过的方向。
这种位置有几个好处：顾客还没走到摊位正前方，就能先看到屏幕内容；顾客靠近后可以直接在侧面和 AI 交流，不用先挤到老板面前；老板仍然可以在摊位内正常制作商品、服务其他客人，设备不占用操作空间。
（图为夜市顾客正在观看宣传片）
同样的逻辑并不依赖夜市摊位这一种形态。相同的顾客端设备也可以用夹具或支架固定在小店、工作室的门店入口，作为主动招呼进门客人的 AI 前台：没有人时展示新品和活动，有人靠近时主动开口邀请，顾客回应后进入推荐或点单，订单直接发送到店内工作人员的手机上。
（图为老板使用塔罗游戏吸引顾客进店）
2.2 漏斗式获客流程：吸引、招揽、互动
经过实地观察，我们发现从路人到顾客的转变不是一步完成的，而是经历几个逐渐加深的阶段。我们把这套流程整理成了一个获客漏斗：
漏斗中的三个核心阶段，构成了无声有市所有玩法共用的固定骨架
广泛吸引 → 定向招揽 → 接待互动
L1：广泛吸引：
没有顾客靠近时，屏幕面向所有经过的人持续工作。它可以展示真实商品、当日主推、宣传片、吉祥物动画或者互动主题画面。
这一阶段要解决的问题很直接：路人为什么要停下来，看这个摊位一眼？
具体展示的内容可以由老板自由设置，如游戏、舞蹈、宣传片、图片，下面以塔罗牌游戏为例。
（L1未检测到客人时停留在基础页面，播放招徕广告词和音乐）
L2：定向招揽：
当系统获得一个进入服务区域的匿名目标后，界面会从“展示给所有人”转变为“正在邀请当前顾客”。
系统不需要识别人脸，也不记录顾客身份，只需要判断当前服务区域内出现了可以接待的目标。
不同玩法会使用不同的定向邀请：
- 吉祥物从循环表演转入接待；
- 宣传片继续围绕正在展示的商品发出邀请；
- 塔罗玩法邀请顾客开始抽牌；
- 老板配置的宣传话术可以在这一阶段出现。
（左上角检测到匿名服务目标后，开始播放定向招揽话术，如“看见你了，来抽一张牌吧”）
L3：接待互动
顾客愿意回应后，系统进入接待。
不同玩法进入L3的方式并不完全相同：普通导购玩法可以通过顾客开口或持续停留进入实时交流；塔罗玩法则通过点击、抽牌等主动操作进入互动。
无声有市没有在顾客进入 L3 后重新开启一段“失忆的聊天”。老板发布的菜单是商品事实来源，系统会保留顾客在 L1 看见的商品、L2 听到的邀请和当前使用的玩法，并把这些上下文一起交给实时导购。
如果顾客刚刚观看的是绿豆饼宣传片，进入对话后，AI 会优先承接绿豆饼，而不是重新随机介绍整张菜单。顾客表示“不喜欢太甜”后，系统再从当前在售商品中寻找新的推荐角度。
商品名称、价格、规格和口味来自老板确认的结构化菜单；模型负责理解需求和组织表达，但不能凭空增加商品、修改价格或者虚构库存。涉及定制、优惠等必须由老板决定的问题，会被整理后发送到老板手机。
因此，三步法不是要求所有顾客完成三个相同的点击动作，而是三个逐渐加深的服务阶段：
先让顾客看见，再向靠近的人发出邀请，最后让愿意参与的人真正进入交流。
（抽卡后解读运势，同时推荐与今天运势相应的商品，支持多种语言）
2.3 一个三步骨架，承载四种预置玩法：
从“播放宣传内容”到“主动招呼”，再到“启动实时 AI”，背后并不是三个互不关联的页面，而是一套统一的顾客会话状态机。
系统需要处理无人、候选顾客、正在连接、对话活跃、暂时离开、结束清理等状态，并保证上一次顾客的音频、推荐和订单状态不会残留给下一位顾客。
普通导购玩法可以通过顾客开口或同一匿名目标持续停留进入 L3；塔罗玩法则通过点击和抽牌进入 L3。不同玩法可以拥有不同的进入条件，但共享同一套目标管理、会话生命周期和老板承接机制。
目前，无声有市已经提供四种预置玩法。可以从老板端控制
吉祥物跳舞
-
L1循环播放吉祥物舞蹈和背景音乐；
-
L2发现顾客后切换到接待状态；
-
L3进入实时AI导购。
宣传片 + 吉祥物
-
L1播放老板制作的真实商品宣传内容；
-
L2围绕当前展示的商品发出定向邀请；
-
L3继续完成商品介绍和顾客答疑。
联网塔罗
- L1和L2同样通过塔罗主题吸引和邀请顾客；
- L3由实时AI完成更加个性化的解读，并继续进行商品交流。
离线塔罗
- L1以塔罗主题画面吸引顾客；
- L2邀请靠近的顾客开始抽牌；
- L3通过本地预载内容完成抽牌、解读和商品推荐。
即使现场网络不稳定，离线塔罗本身仍然可以完成本地互动。但这并不代表订单、支付等全部功能都可以完全断网运行。
除了这四种预置玩法，老板也可以在同一套三步骨架上提出新的玩法需求：只需要决定"没人时放什么、顾客靠近时说什么、顾客参与后怎么连接到商品"，我们就可以快速配置上线。未来我们计划把自定义玩法做成老板端可以直接操作的配置功能。
（老板端真实页面，可随时切换）
2.4 玩法可以变化，商品事实不能随机变化
从 L1 展示开始，系统就不会让 AI 自由发挥。老板首先需要在老板端维护真实菜单，包括商品名称、价格、商品特点、广告词。这些都是老板确认过的信息，AI不会自己决定摊位在卖什么。
同一件商品，贯穿获客全过程。如果顾客在 L1 阶段看到的是"桂花冰粉"的宣传片，进入 L2 后 AI 会继续围绕这件商品发出邀请："刚才看到的桂花冰粉口感比较清爽，要不要了解一下？"进入 L3 后也会优先承接这件商品的相关问题，AI 也会从菜单中找到其他合适的商品进行推荐。
我们也围绕顾客回复设计了一整套推荐逻辑，增加获客概率。
这套飞轮的目标不是一次推荐就成交，而是在真实商品范围内，尽可能多地给顾客一个"愿意了解"的理由。
2.5 顾客下单闭环
在多次与听障经营者深入交流后，我们发现不同经营者有不同需求，比如已经有成熟点单流程的夜市小摊，只希望无声有市进行引流，不希望增加一套额外的点单系统。同时有些经营者则希望把我们的产品放在远离摊位的地方，让顾客在机器上直接完成整套点单流程。
因此我们设计了两种承接方式，老板可以根据自己的经营方式选择。
方式一：获客后引导顾客前往摊位，由现场老板承接。 顾客在屏幕上明确了感兴趣的商品后，屏幕会提示顾客直接向现场老板指出商品。这种方式适合老板就在设备旁边的夜市摊位——AI 负责吸引和推荐，老板负责最终交易，不需要额外的点单系统。 如果顾客提出 AI 无法从菜单确定的问题（比如"这个能做无糖吗"），AI 不会自己猜，而是把问题整理后发送到老板手机上。老板收到的不是全程对话直播，只是需要决策的关键信息。
方式二：在顾客端直接完成数字点单，订单发送到老板手机。 当设备放在小店门口、老板不在旁边时，AI 可以继续完成点单：围绕真实菜单逐步确认商品、规格、数量和特殊要求，然后生成订单摘要请顾客再次确认。确认后，订单带着取餐号和一张临时顾客头像发送到老板手机——头像帮老板在嘈杂现场快速对应"这笔订单是哪位顾客"。支持绑定老板现有的微信或支付宝收款码，也为商户支付通道提供了可选配置入口。
3.更多老板端功能演示：
顾客端和老板端通过按摊位隔离的双向 WebSocket 通道协同。老板更新菜单、主推商品或玩法后，顾客端会同步得到新的经营内容；顾客提出需要老板判断的问题或完成订单后，结构化事件会反向到达老板手机。
订单不是把整段对话原样丢给老板，而是整理成商品、规格、数量、备注、取餐号和待确认事项。为了让老板在嘈杂现场快速找到顾客，系统会从已经锁定的匿名服务目标中选择位置、大小和连续性更合适的一帧，裁剪为临时取餐头像，再随订单发送到老板端。
临时头像只截取当前目标区域，不上传完整摄像头画面；图像会重新编码并清除相机文件中的附加信息，用于当前履约工作流。
3.1 菜单编辑与订单提醒
老板端的核心是菜单管理。老板可以添加商品名称、上传商品图片、设置价格、填写商品特点和广告词。这些信息不只用于点单——它们是 AI 在 L1 展示、L2 招揽和 L3 推荐时全部内容的事实来源。老板改了菜单，前台的展示和推荐会立刻跟着变。
当顾客下单或 AI 发起求助时，老板手机会收到通知。考虑到听障经营者不能依赖声音提醒，新订单或顾客求助到达时，老板端会弹出高对比度置顶卡片，并通过短暂的色彩脉冲进行视觉提醒；未确认的事项会持续保留在待处理区域。设备支持时，系统也会同时调用振动和系统通知，帮助老板及时注意到新的经营事项。
老板收到的订单卡片包含：取餐编号、临时顾客头像、商品名称和数量、规格和备注、总价。如果 AI 发来的是消息而不是订单，卡片上显示的是顾客关注的商品和需要确认的问题，而不是完整对话记录。
3.2 经营概览
老板端还提供经营概览功能。老板可以在手机上查看当天和近期的销售数据，包括订单数量、商品销量排行和收入汇总。
除了展示原始数据，AI还可以根据真实订单、商品销量和收入趋势生成经营建议，帮助老板判断主推商品和经营时段。
3.3 宣传片和宣传图片创作
为了让老板不需要依赖设计师就能把实体商品变成可展示的数字内容，我们在老板端内置了 AI 创作工具。
老板只需要选择一件菜单里的商品，AI 就可以围绕这件商品的真实信息（名称、特点、价格、广告词）自动生成宣传图片和宣传视频。生成的内容包括适合在 L1 阶段循环播放的商品展示画面、适合在 L2 阶段使用的招揽话术，以及配合不同玩法的展示素材。
老板可以预览、修改和确认后才发布——所有 AI 生成的内容都需要老板审核，不会自动上线。这确保了展示给顾客的内容始终是老板认可的真实经营信息。
3.4 临时取餐头像与视觉提醒
顾客确认订单后，系统会把商品、规格、数量、备注和取餐号整理成结构化订单发送到老板手机。为了帮助老板在嘈杂现场快速找到对应顾客，系统会从已经锁定的匿名服务目标中选择一帧，裁剪为临时取餐头像，与订单一起显示。
系统不会上传完整摄像头画面，也不进行身份识别。临时头像会被重新裁剪编码、清除图片附加信息，并与具体订单绑定后加密保存，仅允许对应摊位的老板查看。头像自上传起最长保留不超过30分钟，到期后自动删除；即使头像已过期，老板仍可通过取餐号完成核对。
考虑到听障经营者不能依赖声音提醒，新订单或顾客求助到达时，老板端会弹出高对比度置顶卡片，并通过短暂的色彩脉冲提醒老板：金色代表新订单，青绿色代表顾客消息。未确认事项会持续保留在待处理区域；设备支持时，系统也会同时调用振动和系统通知。
4.产品创作历程：
4.1 起点：一个人做了一个 AI 点单系统
在初赛，我一个人开发，想法很直接：听障摊主和顾客沟通有障碍，那做一个能代替老板沟通、帮助完成点单的 AI 店员就行了。
我做出了第一版 Demo，但很快遇到了一个现实问题：我自己一个人，进不了真实场景。听障摊主们很忙，我不太好反复打扰；我不会手语，即使找到了愿意交流的老板，沟通效率也很低；更难的是，很少有摊主愿意把一个陌生人做的陌生产品直接放进自己的经营流程里试。
如果产品进不了真实摊位，那我永远只能对着电脑屏幕猜用户需要什么。
4.2 找到队友：把产品真正带进线下
于是我在网上找到了暴暴和小赵。暴暴是听障人士，自媒体博主，帮我找到并对接了有真实需求的听障经营者；小赵也是听障人士，跟我一起去现场测试，在我和听障摊主之间做手语翻译，把沟通环节真正打通了。
有了她们，我才终于能带着设备，真正走进夜市、走到摊位面前，而不是一个人在房间里想象用户场景。
4.3 第一次去夜市：我对点单的判断错了
带着最初的 AI 点单版本去了一次夜市之后，我们发现了一个意料之外的事实：很多老板已经有了自己的点单方式。
他们把菜单摆在面前，顾客直接用手指就行，沟通成本其实没那么高。顾客也很少提特殊需求。对这些老板来说，点单并不是他们最头疼的问题。
（图中的这一家把菜单大大写出来，让顾客直接指，也很方便）
真正让他们为难的是另一件事：他们没法像其他摊主那样持续吆喝、主动推荐。路过的人不停下来，再好的点单系统也没有用。
我们之前对点单的判断没有错，但它还不够接近问题的核心。点单发生在顾客已经产生兴趣之后，而在点单之前，还有一个更容易被忽略、却更关键的环节——获客。
这次去现场不是否定了我们最初的想法，而是让我们更确信：产品需要往获客的方向走。于是无声有市经历了最关键的一次转变：从替老板完成点单，转向先替老板招呼路人、制造兴趣，再把真正有意向的顾客交还给老板。
4.4 反复试错：什么才能让路人真正停下来
把重点转到获客之后，我们开始反复尝试不同的吸引方式。每一次尝试都是同一个循环：做一个版本 → 带去夜市 → 观察真实反应 → 发现问题 → 回来改 → 再带回去验证。
第一次尝试：吉祥物跳舞
最早我们用了一个会跳舞的吉祥物。结果确实有效——顾客会对它感兴趣，停下来看一眼。但问题是，看完之后就走了。他们觉得有趣，但不会因此了解商品，也不会和设备发生真正的交流。
吉祥物能吸引注意力，但吸引来的注意力太短，转化不到商品上。
第二次尝试：宣传片 + 吉祥物
我们把老板制作的真实商品宣传片加了进去，和吉祥物画面交替播放。宣传片加入后，现场开始有人停下来认真观看商品内容，而不再只是看一眼吉祥物。
但当我们检测到顾客靠近、尝试主动和他们对话时，发现大多数顾客并不想和一个屏幕聊天。他们愿意看，但不愿意回应。
第三次尝试：加入塔罗小游戏
问题出在"开口门槛"上。顾客不是对商品没兴趣，而是不知道怎么开始和一台机器交流。直接开口问商品有心理负担，但抽一张牌就轻松很多。
于是我们加入了塔罗抽牌这种轻量互动。塔罗没有强制性，顾客可以自愿参与，心理负担很低。改成小游戏后，现场开始出现更多主动点击和抽牌的行为，顾客也更容易自然进入后续互动。互动结束后，AI 再把结果自然连接到真实商品推荐上——从"玩一下"过渡到"了解一下商品"。
保留所有玩法，让老板自己选
但这是一个夜市摊位的情况。不同场景下，需求可能完全不同。有些老板喜欢宣传片，有些觉得塔罗更吸引人，有些只想要最简单的吉祥物。
所以我们没有只保留一种玩法，而是把吉祥物跳舞、宣传片+吉祥物、离线塔罗、联网塔罗全部保留下来，让老板根据自己的摊位情况自己选择。后来，我们把四种玩法收敛到统一的三阶段骨架中。老板可以选择玩法，并配置自己的菜单、宣传素材、招揽话术和 AI 店员形象；更自由的玩法编辑能力仍在继续完善。
一个被取消的设计：人脸全屏投影
不是所有迭代都是加功能，有些是减。
最初的设计里，顾客一进入接待状态，系统就把顾客的人脸像镜子一样投影在整个屏幕上。我们以为这样能让顾客知道"系统在和我互动"。
但现场观察发现，看到自己被放大在屏幕上，顾客会有明显的心理压力，反而更想走开。
于是我们取消了这个设计。把人脸画面缩小到一个小区域，只让顾客知道"这个东西现在对我有反应"就够了。同时把下面的推荐菜单栏和吉祥物的尺寸放大。改完之后，现场顾客对画面的回避减少，也更愿意继续观察和互动。
4.5 真实场景暴露的其他问题
除了玩法和界面，现场还不断冒出各种具体问题：
网络不稳定，我们就加入可以脱离实时网络运行的离线塔罗玩法；
摊位空间有限，我们就调整夹具和摆放方式，把设备固定在侧面柱子上而不占操作台；
AI 容易脱离商品随意发挥，我们就把实时推荐绑定到老板确认的真实菜单上——AI 只能推荐菜单里有的东西，不能自己编；
顾客犹豫时，AI 不再重复介绍整张菜单，而是围绕当前商品换一个新的推荐角度。只有顾客明确拒绝或提出换品，才切换到其他在售商品。
4.6 重新定位点单：从起点变成结果
之后与更多经营者进行了沟通，发现我们最初做的点单流程还是非常有需求的，有些听障经营者售卖的产品确实会有定制需求，于是我们保留了点单和老板沟通能力，但重新调整了它们在产品中的位置。
当顾客只是感兴趣时，无声有市负责继续推荐；当顾客需要老板确认问题时，AI 把消息发到老板手机；当顾客明确产生购买意愿时，可以交给现场老板承接，也可以进入数字点单流程，订单带着取餐号和临时顾客头像发送到老板手机。
点单不再是产品的起点，而是获客成功之后的一种结果。
4.7 TRAE：缩短"发现问题—修改产品—重新验证"的距离
TRAE 参与了这段快速迭代过程。我们用它梳理代码、定位问题、修改前后端功能，把现场反馈快速转化成可以重新测试的版本。很多时候，晚上从摊位带回一个问题，第二天就需要完成修改，再回到现场验证。
它帮助我们的，不只是更快地写代码，而是缩短了"发现问题—修改产品—重新验证"的距离。
4.8最终，我们没有做成一个试图替代老板的"万能 AI 店员"
我们做成的是一个站在客流入口处，帮助小摊和小店主动招呼路人、制造互动、推荐真实商品，并在合适时机把顾客交还给老板的 AI 获客工具。
这些迭代不是在办公室里想出来的，是每天通勤一个多小时跑去夜市、在两个摊位累计测试超过10个小时、和十几位摊主面对面聊出来的。
这是我们在真实夜市里得到的最重要答案： 对小微经营者来说，AI 的价值不一定是替人完成所有工作，而是补上老板最难持续完成、却直接影响生意的那一步。
5.技术方案
5.1 整体技术架构
前端采用React、TypeScript和Vite开发，根据使用角色划分为顾客端和老板端。顾客端主要运行在摊位前方的展示设备上，老板端主要用于经营管理和订单处理。
5.2 顾客感知与主动接待
夜市摄像头画面中可能同时出现顾客、同行者和路人。如果检测到一张脸就立即启动 AI，不仅会频繁误触发，旁边经过的人还可能中断正在进行的接待。
因此，无声有市没有进行身份识别，而是在设备本地使用 MediaPipe 获得人脸位置、大小、朝向和嘴部活动等几何信息，再通过帧间位置重叠、中心距离和尺度变化建立短时匿名轨迹。
当多人同时出现时，系统会根据是否进入服务区域、目标大小、画面中心程度和连续稳定性选出当前服务目标；目标一旦进入接待，会话期间不会被旁边经过的人静默替换。顾客短暂转头或检测丢帧时，系统也会保留有限的重获窗口，避免对话突然结束。
这些轨迹只存在于当前设备内存中，不用于识别顾客身份，也不会作为人脸资料保存。
5.3 实时语音交互
为了让顾客能够像和真人店员一样交流，无声有市接入了实时语音模型。顾客进入 L3 深度交流后，浏览器持续采集麦克风音频，转换为实时音频流，通过 WebSocket 与服务端保持双向连接；服务端维护本次对话会话，并将模型返回的语音、文字和工具调用结果同步到顾客端。
但在真实摊位中，只有“能说话”远远不够。
如果完全让大模型自由回答，它可能推荐菜单里不存在的商品、说错价格，也可能在订单还没有真正提交时，提前向顾客表示“已经下单”。因此，我们没有把实时模型直接连接到订单系统，而是将整个语音导购拆成了三个相互独立的部分：
- 实时模型负责理解顾客意图和组织自然语言；
- 商家菜单负责提供真实的商品、规格、价格和售卖状态；
- 服务端订单控制器负责修改订单、计算金额和确认提交。
模型负责交流，但不直接拥有商品和订单的最终决定权。当模型识别到点单意图时，只能通过结构化工具更新订单草稿；服务端会重新核对商品、规格、价格和售卖状态。在校验真正完成前，系统也会阻止模型提前向顾客宣布“下单成功”。
5.4 AI宣传内容生成
内容生成以老板确认的菜单和商品主图为事实输入。系统通过预制提示词模板自动组合商品信息、摄影风格、使用场景、主体保留要求与负面约束，再由DeepSeek整理为受事实限制的创作方案，最后调用Seedream Lite基于参考图生成商品宣传图。
视频生成采用“先规划、后生成”的方式。DeepSeek先输出结构化的分镜时间轴、景别、运镜、台词、字幕和音乐方向；系统校验视频时长、镜头连续性及台词长度，并限制模型虚构配料、份量、功效和促销信息。校验通过后，再调用Seedance 2.0生成画面，由服务端合成TTS配音、字幕与背景音乐。
销售话术同样绑定真实菜单，分别生成公开招揽、对话承接和商品推荐内容。所有图片、视频和话术只会先进入候选库，必须由老板审核并发布后，才能进入顾客屏和实时AI会话。
6.社会价值与后续计划：
我们解决的问题
对听障经营者来说，无声有市带来的价值是多方面的。它像一名不知疲倦的店员，一直站在客流入口处帮老板吸引注意、招揽客人、回答商品问题，让老板不用开口也能持续获客；遇到特殊需求或需要经营判断的问题，顾客也能通过 AI 把消息整理后发送给老板，不用比划半天也能完成沟通，增加了经营中的容错率；开启数字点单时，AI 还能帮老板完成商品咨询、规格确认和订单整理，减少老板在点单环节的重复工作量，让老板可以专心制作商品。
这意味着听障经营者不必再因为无法持续口头吆喝就在获客环节处于劣势。商品好不好、价格合不合理，由老板的经营本身决定；但在"让路人愿意停下来看一眼"这件事上，他们可以和其他摊主站在同一起跑线上。沟通和点单也不再完全依赖现场手势和比划，多了一条更顺畅的路径。
在测试中我们也发现，不少单人经营的普通摊主——一个人摆摊、腾不开手做宣传、用喇叭怕扰民——同样觉得这种"AI 前台帮手"很有价值。后续也可以考虑拓展到更多更广大的经营者中。
后续计划
目前无声有市已经在两个真实经营场景中进行过总计10小时以上的真实运营，与十几家摊位进行过沟通交流，我们和合作的老板保持着持续联系。接下来的计划比较务实：
第一，继续根据现有合作老板的真实反馈打磨产品，优化玩法体验、推荐逻辑和点单流程中的细节问题；
第二，增加更多内置获客玩法。我们正在准备开发"石头剪刀布"互动：顾客可以和 AI 玩一局石头剪刀布，赢了可以获得一份小赠品或优惠，输了也自然引导到商品推荐。和塔罗一样，这类轻量互动的目的不是做游戏，而是给路人一个愿意停下来、愿意参与的理由；
第三，完善老板端的自定义配置能力，让宣传内容生成和玩法配置更简单易用，降低老板上手门槛；
第四，接触更多不同类型、不同需求的经营者——不只夜市摊位，也包括小店、工作室等场景——验证产品在不同经营环境下的适用性，也包括有获客需求的非听障经营者。
7.TRAE实践过程：
7.1 从 Demo 界面重构为真实经营工作台：清理旧路径，按设计稿重写老板端：
这一阶段，我和 TRAE 对初赛版本进行了第一次系统性重构。我们没有继续在原有 Demo 上堆叠页面，而是重新梳理产品定位、用户角色、核心流程、页面关系和整体工程结构，集中清理早期探索中遗留的重复实现与不再适用的旧模块。
在多轮对话中，我持续向 TRAE 提供设计稿、实际经营流程和体验目标，让它协助我重建老板端的主要工作界面，并将原本分散的功能重新组织为一套连续的经营工作台。与此同时，顾客端、老板端、业务数据和 AI 能力之间的关系也被重新整理，为后续获客、创作、消息和订单功能留下统一基础。
这一轮之后，项目第一次摆脱了“几个功能拼在一起”的 Demo 状态，形成了相对完整的产品结构，也确立了后续所有迭代的工程底座。
392954758308468:b69da01ca3a10ebf2355833007395d4c_6a68d475a31bfdc994397f8b.6a716bb9bdbba4ff2924b780.6a716bb9bdbba4ff2924b77e:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/8/4 12:34:01)
392954758308468:44437a164bb825a3c0fe3e6c07e88fbb_6a6c5c9fb5075c0a03d68af3.6a716af5bdbba4ff2924b75c.6a716af5bdbba4ff2924b75a:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/8/4 12:30:45)
7.2 确立核心产品机制，打通“获客—互动—推荐—承接”完整闭环
完成产品底座后，我开始与 TRAE 集中构建无声有市最核心的能力：如何让 AI 不只是等待顾客点单，而是主动帮助老板吸引路人、建立互动并产生商品兴趣。
我们在这组会话中逐步形成了三阶段获客逻辑，并围绕顾客从路过、停留、回应到进入对话的完整过程进行了反复调整。随后，又将商品内容、宣传素材、语音、实时 AI、推荐策略和现场承接连接起来，使它们不再是互相独立的功能。
这一过程中，我们也建立了贯穿对话全过程的推荐飞轮：AI根据老板提供的真实经营内容理解当前应该展示什么、说什么、下一步如何继续；顾客产生兴趣后，系统再根据现场需求进入推荐、询问老板、现场交接或数字接单。
宣传素材、语音内容和实时交互也在这一阶段陆续进入真实运行环境。至此，无声有市的核心产品逻辑基本成立——它不再只是一个点单助手，而是一套能够持续承担摊位前端获客工作的 AI 系统。
392954758308468:f22e7d46da68eaf29ebd332ca7d65fda_6a69d07ca31bfdc9943989bb.6a7329d7bdbba4ff2924c209.6a7329d7bdbba4ff2924c207:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/8/5 20:17:27)
392954758308468:d3bbbef79a557886906310d6d50337bc_6a731364bdbba4ff2924bec1.6a73311fbdbba4ff2924c440.6a73311fbdbba4ff2924c43e:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/8/5 20:48:31)
392954758308468:3bfac8f77a7bced6718a4425182fe354_6a716cd2bdbba4ff2924b7fc.6a75f11852253af44e8334f2.6a75f11852253af44e8334f0:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/8/7 22:52:08)
7.3 面向真实场景进行大规模迭代，让系统从“能够运行”走向“能够持续使用”
主流程跑通以后，我将更多现场测试中遇到的问题带回 TRAE，开始了第二轮大规模调整。
真实经营场景并不会严格按照理想流程发生：顾客可能只是短暂停留，可能随时改变想法，设备、声音和网络状态也可能不断变化。因此，这一阶段的重点不再是增加一个新页面，而是让整套系统能够理解当前处于什么状态，并在各种不完整条件下继续做出合理反应。
我和 TRAE 对推荐策略、实时对话衔接、顾客状态、内容播放、声音关系和多端连接进行了多轮实验。很多方案并不是一次成功，而是在测试后被推翻、简化、重新组合，最后逐渐收敛为一条更适合摊位现场的产品路径。
与此同时，项目开始从浏览器演示进一步走向手机和平板等真实设备。移动端布局、设备能力、网络变化、媒体加载和多端同步等问题被逐步纳入工程范围。无声有市也从“理想情况下能够演示”，变成了“面对真实环境仍能继续工作”的产品。
392954758308468:54188cc8d71e795e9d4b705a3b6f2c1e_6a743b713c96f45786dba5f1.6a743b713c96f45786dba5f4.6a743b713c96f45786dba5f2:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/8/6 15:44:49)
392954758308468:57fd9dedd22a30741466619107142fd3_6a743f523c96f45786dba727.6a7443063c96f45786dba876.6a7443063c96f45786dba874:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/8/6 16:17:10)
7.4 收敛全部探索成果，完成统一玩法架构、双端协同与最终工程
复赛最后阶段，我和 TRAE 对此前积累的大量能力进行了统一收敛。
前期为了验证不同思路，工程中产生了多种实现方式和实验路径。最终阶段的重点，是把已经验证有效的能力保留下来，把不再需要的路径删除，并将获客、玩法、推荐、创作、商品、消息、订单和移动设备重新组织到同一套工程结构中。
我们进一步抽象了玩法的公共骨架，使不同互动形式能够共享相同的获客逻辑、AI 能力和经营承接方式。在这个基础上，吉祥物、宣传内容、联网互动和离线体验不再是彼此独立的演示，而成为老板可以根据场景选择的不同顾客体验。
老板端和顾客端的连接也在这一阶段完成收口：老板对商品、内容和经营状态的调整能够进入顾客体验；顾客产生的问题、兴趣和订单又能够回到老板手机。内容创作、实时推荐、人工回复、现场交接和数字接单由此形成完整闭环。
392954758308468:6f8538729a2e53ad0684ef07ecc92acd_6a7686a452253af44e833777.6a77eba952253af44e8349ba.6a77eba952253af44e8349b8:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/8/9 10:53:29)
392954758308468:053a225b889e09593d7770e5b36fd664_6a697cc4a31bfdc9943988db.6a75ff2f52253af44e833728.6a75ff2f52253af44e833726:TRAE Work CN.0.1.43.no_sid.no_ppe.T(2026/8/7 23:52:15)
