【学习工作赛道】IdeaPilot|把一句模糊想法打磨成可执行项目的 AI 产品教练 🚀

【学习工作赛道】IdeaPilot|把一句模糊想法打磨成可执行项目的 AI 产品教练 :rocket:

标签:学习工作

赛道:学习工作

作者:AlbertZhang

1. Demo 简介

一句想法,怎么变成一个真的能做出来的 Demo?IdeaPilot 想解决的就是这个“从灵感到落地”的断点。它不是单纯生成一段建议,而是把模糊创意拆成目标用户、真实痛点、MVP 功能、演示路线、开发任务和 TRAE 开发提示词,让第一次做产品的人也能快速找到下一步。

IdeaPilot 是一个面向学生、职场新人和独立开发者的 AI 产品教练网站。用户只需要输入一句想法,系统就会生成一份结构化项目方案,并支持继续追问、打磨和导出。

核心功能包括:

  1. :compass: 真实 AI 分析引擎:接入 OpenAI,并用 Zod schema 约束输出结构,保证结果稳定、可读、可继续加工。
  2. :speech_balloon: 多轮研讨对话:分析完成后,AI 产品教练会继续追问和补充,支持深化痛点、压缩 MVP、生成路演稿、生成评委问答等快捷方向。
  3. :hammer_and_wrench: TRAE 开发提示词生成:确认方案后,一键生成完整开发提示词,包含项目目标、技术栈、页面路由、数据模型、功能清单、验收标准和实现阶段。
  4. :books: 用户体系与想法库:支持注册登录,分析结果会保存到数据库,用户可以回到想法库继续查看和研讨。
  5. :outbox_tray: 导出与分享:支持 PDF、Markdown 导出和公开分享链接。
  6. :technologist: 管理后台:管理员可以查看用户与想法统计,管理用户角色和赛道模板。

产品运行截图 :sparkles:

2. Demo 创作思路

很多人并不缺创意,缺的是把创意推进到 Demo 的那条清晰路径。社区、课程作业、创业讨论里经常出现这样的需求:有人想做一个帮老人买菜的 App,有人想做错题本,有人想做社交工具,但下一步该怎么拆功能、怎么判断 MVP、怎么给开发工具下需求,往往说不清楚。

现有工具通常只解决其中一段:聊天机器人能回答问题,但回答容易发散;项目管理工具能管理任务,但前提是任务已经拆好;创业课程能讲方法论,但对第一次做 Demo 的人来说仍然偏重。IdeaPilot 补的是中间这一步:从一句模糊想法,到一份结构化方案,再到一份可以交给 TRAE 实现的开发提示词。

这个方向的取舍是:不做大而全的创业平台,只聚焦“把想法打磨成可执行项目”。因此我把产品设计成三段式:先结构化分析,再多轮研讨,最后生成 TRAE 开发提示词。用户拿到的不是一段泛泛建议,而是一份可以继续推进开发、展示和迭代的项目材料。

和 LightPath 的关系 :seedling:

这次我同时提交了另一个社会服务赛道作品 LightPath 光径。如果说 LightPath 是一个面向视障者“最后 20 米导航”的具体 Demo,那么 IdeaPilot 更像它背后的创意孵化器:帮助一个模糊社会服务想法被拆解成用户场景、核心痛点、MVP 功能和可交给 TRAE 执行的开发提示词。

两个作品的关系可以理解为:IdeaPilot 负责把想法打磨清楚,LightPath 负责把其中一个真实场景落到产品里。一个偏“创意到方案”,一个偏“方案到体验”,共同展示我这次用 TRAE 完成产品创作的完整路径。

3. Demo 体验地址

在线体验地址https://ideapilot-teal.vercel.app

测试账号

  • 体验用户:demo@ideapilot.app / user123456
  • 管理员:admin@ideapilot.app / admin123456

建议体验路径:

  1. 打开在线地址,注册账号,或使用测试账号登录。
  2. 进入工作台,在输入框输入一句模糊想法,例如“我想做个帮视障者导航最后 20 米的 App”。
  3. 点击“开始分析”,查看 AI 返回的六维方案。
  4. 查看六格项目画布和电梯演讲。
  5. 在右侧 AI 产品教练面板继续多轮研讨。
  6. 点击“生成 TRAE 开发提示词”,查看完整开发提示词。
  7. 点击“复制提示词”,即可粘贴到 TRAE 新会话继续开发。
  8. 尝试下载方案 PDF 或生成分享链接。
  9. 回到“我的想法库”,确认分析结果已经保存。

4. TRAE 实践过程 :hammer_and_wrench:

IdeaPilot 全程使用 TRAE 开发。开发过程分为 5 个阶段,每个阶段都围绕“能真实体验、能持续保存、能交给 TRAE 继续开发”推进。

阶段 1:产品边界与项目规则

Session ID1910275011515216:aee9144be8b7cd555e923a61cda74f6b_6a310c97567d2861dce7e131.6a310d02567d2861dce7e160.6a310d02567d2861dce7e15e:TRAE Work CN.0.1.35.no_sid.no_ppe.T(2026/6/16 16:44:50)

在写业务代码前,先把项目边界定清楚。我让 TRAE 协助梳理数据库关系、页面路由和工程分层,把 7 张表的设计、页面清单、技术栈和命名规则写入项目规则文件。这样后续开发不会在 Repository、Service、Actions 和页面组件之间混用职责。

阶段 2:数据结构与工程分层

Session ID1910275011515216:aee9144be8b7cd555e923a61cda74f6b_6a310c97567d2861dce7e131.6a310d02567d2861dce7e160.6a310d02567d2861dce7e15e:TRAE Work CN.0.1.35.no_sid.no_ppe.T(2026/6/16 16:44:50)

TRAE 按 TDD 方式先写测试,再实现数据访问层和业务逻辑层。项目完成了 7 个 Repository 和 6 个 Service。analysisService 的测试会 mock LLM 调用,验证“创建想法、调用 LLM、存储结果、关联标签”的完整链路。后来把 mock LLM 换成真实 OpenAI 调用时,Service 层不用重写。

阶段 3:核心页面与业务闭环

Session ID1910275011515216:3e196aaa2784807210dd32448fb1e752_6a3a31bdef79c8b5043ff0c0.6a3b697b9524b9fe2860e1dd.6a3b697b9524b9fe2860e1db:TRAE Work CN.0.1.35.no_sid.no_ppe.T(2026/6/24 13:22:03)

这一阶段实现首页、工作台、想法库、详情页、历史记录和个人中心,跑通“输入想法、分析、保存、查看”的闭环。工作台使用 Server Action 提交分析请求,用 useTransition 显示加载状态,分析完成后自动保存到数据库。

阶段 4:多轮研讨与 TRAE 开发提示词

Session ID1910275011515216:3e196aaa2784807210dd32448fb1e752_6a3a31bdef79c8b5043ff0c0.6a3b697b9524b9fe2860e1dd.6a3b697b9524b9fe2860e1db:TRAE Work CN.0.1.35.no_sid.no_ppe.T(2026/6/24 13:22:03)

这是本次最重要的增强。项目新增 Conversation、ChatMessage、DevelopmentPrompt 三张数据表,实现多轮研讨服务和开发提示词生成。TRAE 先写 discussionService 测试,验证“创建研讨会话、发送消息、收到教练回复、生成开发提示词”的完整流程,再实现 DiscussionPanel 组件和独立提示词页面 /ideas/[id]/prompt

阶段 5:导出、分享与管理后台

Session ID1910275011515216:e4e955cacc1b91165cc78a56f1e5e8f7_6a422990bbd4742431e6f100.6a4fbb70edd35d4ca0ce9ffc.6a4fbb70edd35d4ca0ce9ffa:TRAE Work CN.0.1.35.no_sid.no_ppe.T(2026/7/9 23:17:04)

最后实现 PDF 导出、Markdown 导出、公开分享链接和管理员后台。导出功能使用 @react-pdf/renderer,分享功能生成 token 链接并统计访问次数,管理员后台支持用户角色管理和赛道模板维护。测试、lint 和 build 均通过后部署到 Vercel。

5. 社区报名帖

报名帖已通过审核:IdeaPilot 报名帖

6. 技术栈

  • Next.js 16 App Router
  • TypeScript
  • TailwindCSS v4
  • Prisma ORM:本地 SQLite,生产 PostgreSQL
  • NextAuth.js:Credentials Provider + JWT sessions
  • OpenAI / AI SDK:真实 LLM + mock 降级
  • Zod:结构化输出约束
  • @react-pdf/renderer:PDF 导出
  • Vitest:自动化测试
  • Vercel:部署

7. 相关链接 :link:

8. 写在最后

IdeaPilot 想做的是一座桥:把“我有个想法”连接到“我知道该怎么做,并且能让 TRAE 开始帮我做”。对第一次做 Demo 的人来说,最难的不是缺少创意,而是把创意变成能开发、能展示、能迭代的项目材料。IdeaPilot 希望把这一步变得更清楚,也更有信心。

如果 LightPath 是我交出的一份社会服务答案,那么 IdeaPilot 就是我把答案一步步推出来的那套“思考发动机”。:rocket:

1 个赞

补充:开发踩坑与心得

分享几个开发中遇到的坑和解决方式:

  1. Zod schema 约束 LLM 输出:最开始让 AI 直接返回 JSON,格式经常不稳定。后来用 Zod 定义结构化 schema,配合 AI SDK 的 generateObject,输出稳定性从约 60% 提升到接近 95%。

  2. 多轮研讨上下文管理:采用方案摘要加最近 4 条消息的策略,把早期对话压缩成摘要,控制成本的同时不丢上下文。

  3. PDF 导出服务端渲染:@react-pdf/renderer 在 Vercel Serverless 上有内存限制,大方案会超时。解决方案是限制渲染内容长度,超长方案分页导出。

  4. TRAE 开发提示词可复用性:把项目规则、技术栈、页面路由都写进提示词,粘贴到 TRAE 新会话就能开干。

如果你也在用 TRAE 做项目,欢迎交流!也欢迎到我的另一个作品 LightPath 光径看看从想法到落地的完整链路。

2 个赞