0. 闲聊两句
2025年一整年，我都在实践OPC，折腾了一年的AI。从AI短视频，到AI Web，再到参加各种AI相关的赛事，真的玩得是不亦乐乎。不论是GPT、Gemini、NanoBanana等多模态模型，还是Cursor、ClaudeCode等IDE，包括可灵、海螺、即梦等AI视频工具，真的是越玩越上头！
直到遇到TRAE SOLO（那时还没升级到WORD，还没有DESIGN），那是感觉真的是“起飞”了！因为它真的太便捷了。当时有幸拿到邀请码，然后就一路开干，把我之前的好多idea全都用TRAE SOLO搞出来了。当然都是demo级别的，我当时就是想看看它到底能把我的各种小创意落地到什么程度。
感兴趣的朋友也可以look我之前的一堆参赛贴↓
现在，我又回归了职场，没有时间折腾自己的事儿了，但是工作内我现在还是用CC和TRAE WORK两个工具，尤其是，TRAE升级后，真的对于我们产品经理来说，更便利了！
1. Demo 简介
-
驾言（JiaYan） 是一个面向汽车座舱产品经理的 AI 自主调研引擎。
传统竞品调研需要人工翻找懂车帝、汽车之家、微博、小红书等多平台用户评论，再手动整理归类，一个调研至少要 2-3 天。驾言把这个流程压缩到了 10 秒 —— 输入一个调研问题，AI 自动完成「规划 → 采集 → 分析 → 报告」全流程，输出一份带数据图表、证据锚定、机会洞察的结构化调研报告。
核心用户： 汽车座舱/智能驾驶产品经理、用户研究员、竞品分析从业者。
三大核心功能：
功能 说明 智能调研规划 输入问题自动识别分析类型（竞争分析/质量诊断/机会发现），匹配 17 维座舱分析框架 全流程可视化 3 步动画流程（规划 → 采集 → 分析），直观展示 AI 工作过程 结构化报告输出 5 章完整报告 + 雷达图 + 竞品矩阵 + 情感分布 + 原始评论证据引用，支持 PDF/图片导出
2. Demo 创作思路
-
灵感来源： 在做座舱产品工作时，每次做竞品调研都逃不开"爬评论 → 贴表格 → 写结论"的体力劳动。最痛苦的不是分析，而是采集和整理 —— 分散在 4-5 个平台的用户声音，需要花大量时间人工汇总。如果 AI 能把这块自动化，产品经理就能把时间花在真正有价值的洞察和决策上。
想解决的三个痛点：
-
多平台反馈分散 — 懂车帝、汽车之家、微博、小红书的用户评论没有统一入口，人工采集效率极低。
-
缺乏结构化框架 — 大多数调研结论零散不成体系，不同人做同一话题，输出格式千差万别。
-
结论缺乏证据 — 汇报时经常被挑战"这个结论数据从哪来"，但原始评论早已散落在各处无法追溯。
为什么做这个方向： 汽车座舱是当前新能源车的核心差异化战场，座舱产品经理对快速、低成本、可量化的用户洞察工具需求极其强烈。相比于通用型 AI 搜索，一个垂直领域的「结构化分析引擎」更有专业价值和落地场景。
-
3. Demo 体验
-
备用代码：
dist.zip (2.5 MB)
-
体验提示： 当前 Demo 为静态演示版本，数据为结构化模拟数据。如需查看导出效果，可在任意报告页点击右上角「导出 PDF」按钮体验。
4. TRAE 实践过程
-
整个项目基于 TRAE IDE 开发，技术栈为 Next.js 15 + React 19 + TypeScript + Tailwind CSS 4 + Recharts。
开发阶段拆解：
阶段 1：产品框架搭建 把我的实际工作场景和idea给到 TRAE，经过多轮对话确定 17 维座舱分析框架（座舱 7 维 + 智驾 1 维 + 整车 9 维），设计完整的 TypeScript 类型体系和 6 个 Demo 案例数据。
-
sessionID：CN.3651946188899242:b47a49cacad022f7a2669336a7bde999_6a310e3e5617cfc4501ff7be.6a310e40ddff9c1fc19525ae.6a310e3e5617cfc4501ff7bf:TRAE Work CN.1.0.0.1830.31c2fa37-be49-45e7-a065-703fcde23eef.no_ppe.T(2026/6/16 17:06:52)阶段 2：核心页面开发 依次完成首页、报告阅读页、3 步调研流程页、数据源详情页。报告页包含雷达图、竞品矩阵、维度分析卡片、条形图等复杂可视化组件，通过
dynamic import + ssr: false解决静态导出的 SSR 兼容问题。 -
sessionID：CN.3651946188899242:1c22c856ef2d48d9a3a8c481d3e967d2_6a310e3e5617cfc4501ff7be.6a311ebeddff9c1fc1952bfc.6a311ebdd5928668066d24ae:TRAE Work CN.1.0.0.1830.31c2fa37-be49-45e7-a065-703fcde23eef.no_ppe.T(2026/6/16 18:12:42)阶段 3：交互优化与功能补全 针对使用体验持续迭代：雷达图维度名称支持点击下钻跳转详情，实现 PDF 导出等细节体验优化。
-
sessionID：CN.3651946188899242:91f9b35101cd3759de7e28d4e92f76ea_6a310e3e5617cfc4501ff7be.6a33c7320624e050f8a86cd9.6a33c731a27c167d692c4edf:TRAE Work CN.1.0.0.1830.31c2fa37-be49-45e7-a065-703fcde23eef.no_ppe.T(2026/6/18 18:48:10)
5. 本项目报名审核通过的帖子链接：一个面向产品经理和决策者的，多 Agent 协作 AI 自主调研与分析系统。
====
几点备注说明：
1. 当前 Demo 的数据源
当前 6 个案例使用结构化模拟数据，每条评论均标注来源平台、日期、情感极性，字段结构与真实采集完全一致。使用模拟数据的原因是：初赛 Demo 核心目标是验证「17 维分析框架 + 证据锚定 + 报告输出」的完整流程闭环，而非数据采集能力。真实多平台采集需以产品主体身份申请各平台开放 API 权限，涉及合规审批周期。
未来真实落地时，数据采集链路已规划：优先接入各平台公开评论 API，无 API 平台采用页面级公开内容采集，全程不涉及用户隐私数据。
2. 合规设计
| 维度 | 措施 |
|---|---|
| 数据来源 | 仅限公开平台产品体验评论，不涉及个人身份信息 |
| 采集范围 | 仅提取座舱体验相关结构化文本，不采集用户画像、社交关系 |
| 隐私保护 | 原始评论展示时隐去用户昵称中的个人信息 |
| 使用授权 | 分析结论以聚合统计呈现，不引用可追溯到个人的单条评论作为商业依据 |
| 导出水印 | 报告导出均带「AI 生成内容，仅供决策参考」水印，明确使用边界 |
3. 导出样例
报告支持两种导出格式，可直接用于团队内部分享：
-
PDF 导出：完整排版 + 「驾言」水印 + 数据来源与免责声明页脚
-
高清图片导出：2x 分辨率，适合飞书/微信群快速分享关键图表（还在改bug优化中）
回应如下几个点：