【7月22日复赛核验补充：TRAE 使用截图 + 关键任务 Session ID】
根据官方复赛核验要求，现补充至少3张 TRAE 使用截图和至少3个关键任务 Session ID，用于证明本作品由 TRAE 开发完成。
一、TRAE 使用截图
截图1｜产品结构搭建与首页/输入区开发
说明：展示在 TRAE 中将“小老板开店前风险扫描器”的产品想法拆成首页、输入区、Agent分析区、参数测算区和报告区的过程。
截图2｜财务测算模型与风险分逻辑开发
说明：展示在 TRAE 中实现前期投入、月固定成本、贡献利润、保本订单、订单缺口、风险评分等核心计算逻辑的过程。
截图3｜DeepSeek API 增强模式与失败回退修复
说明：展示在 TRAE 中接入 DeepSeek API、安全代理、JSON解析、失败回退和稳定模式验收的过程。
二、关键任务 Session ID
Session 1｜原始产品开发、自然语言解析与财务模型
完整 Session ID：4316009609838636:398be7bccf1bab7260940261bb9705e7_6a34ca327082c85d9b883787.6a34ca337082c85d9b88378a.6a34ca337082c85d9b883788:TRAE Work CN.0.1.38.no_sid.no_ppe.T(2026/6/19 12:48:51)
4316009609838636:64ff6942d76fd7ee5f47eec1d0f570f8_6a34ca327082c85d9b883787.6a3a5d72b31c253b540ce714.6a3a5d71b31c253b540ce712:TRAE Work CN.0.1.38.no_sid.no_ppe.T(2026/6/23 18:18:26)
4316009609838636:c1d57dff05bd5dfd341be7c96aa26f08_6a34ca327082c85d9b883787.6a47d40564f05817ba085f45.6a47d1e664f05817ba085f43:TRAE Work CN.0.1.38.no_sid.no_ppe.T(2026/7/3 23:23:49)
Session 2｜Agent 流程、风险报告与可视化开发
完整 Session ID：4316009609838636:d1ba6208b5f7dbfcafe17950eaa6ca8c_6a34ca327082c85d9b883787.6a4885d964f05817ba0860b7.6a4885d964f05817ba0860b5:TRAE Work CN.0.1.38.no_sid.no_ppe.T(2026/7/4 12:02:33)
4316009609838636:159ae6d4c7dfadf79e3d9d05a17a276e_6a34ca327082c85d9b883787.6a50a3155afb7e8f6e490d78.6a50a3155afb7e8f6e490d76:TRAE Work CN.0.1.38.no_sid.no_ppe.T(2026/7/10 15:45:25)
Session 3｜DeepSeek API 增强、多维风险矩阵与最终验收
完整 Session ID：4316009609838636:fbf5092d4cb63d1624dc2034bd799bc7_6a34ca327082c85d9b883787.6a5089ca5afb7e8f6e490ade.6a5089ca5afb7e8f6e490adc:TRAE Work CN.0.1.38.no_sid.no_ppe.T(2026/7/10 13:57:30)
4316009609838636:4c0593594e580683e7342ba2dba72965_6a34ca327082c85d9b883787.6a509be65afb7e8f6e490c44.6a509be65afb7e8f6e490c42:TRAE Work CN.0.1.38.no_sid.no_ppe.T(2026/7/10 15:14:46)
4316009609838636:6f94f0c7509174f47bf584b9923e77a0_6a34ca327082c85d9b883787.6a54bed2551ae36a087004ee.6a54bed2551ae36a087004ec:TRAE Work CN.0.1.38.no_sid.no_ppe.T(2026/7/13 18:32:50)
补充说明：
此前帖子中已列出相关任务短ID，但为方便官方核验，现按复赛要求补充完整 Session ID 与对应 TRAE 使用截图。
————————————————以下为原报名帖——————————————————
一句话介绍：输入一个开店想法，5 个 AI Agent 会帮你拆解参数、测算保本线、识别亏损点，最后生成一份普通人也能看懂的开店前风险体检报告。
我是谁：我曾在日本世界500强企业做过5年财务与经营分析，习惯用成本结构、保本模型和现金流去判断一个业务能不能活下去。后来朋友开店交了8万元转让费，开业后才发现每天卖不到保本线，我才意识到：普通人最需要的不是创业鸡血，而是签约前的一次冷静测算。
01｜我做这个 Demo，是因为很多亏损其实在开业前就已经发生了
很多人以为，开店失败是因为开业后经营不好。
但我做完这个 Demo 后，越来越觉得：
很多小店不是开业后才出问题，而是在签租约、交转让费、装修、加盟那一刻，风险结构就已经形成了。
一个普通人准备开店时，会接触到很多信息：
-
社交平台上“月入几万”的爆款案例
-
加盟招商里听起来很漂亮的回本周期
-
中介推荐的“位置不错、人流还可以”
-
熟人说“这个品类最近挺火”
-
自己站在店门口看了一会儿，觉得“应该能做”
这些信息不一定是假的。
真正的问题是：它们很少被放进同一个财务模型里算一次。
很多小微创业者没有意识、没有能力，也没有预算请专业机构做开店前评估。
但他们一旦做决定，投入的可能是几万、十几万，甚至几十万的积蓄和负债。
所以我想做一个很朴素的工具：
在普通人签约前，帮他先算一遍：这家店到底要卖多少才不亏？最危险的亏损点在哪里？哪些数据必须重新验证？
不是创业鸡血工具，而是开店前的风险体检工具
02｜Demo 是什么：一个 Agent 驱动的开店前风险体检工具
这个 Demo 是一个可直接运行的单页网页工具。
用户可以输入一个开店想法，例如：
我想在南宁开一家 35㎡ 奶茶店，月租 12000 元，转让费 80000 元，装修和设备投入 100000 元，客单价 14 元，预计每天 90 单，外卖占比 40%。
系统会通过 5 个 Agent 依次分析：
-
语义理解 Agent
从自然语言里识别城市、品类、面积、租金、客单价、订单数、外卖占比等关键参数。 -
市场校准 Agent
判断这个品类是不是高竞争、低客单价、高订单依赖，并提示哪些市场假设需要重新验证。 -
财务测算 Agent
计算前期投入、月固定成本、单笔贡献利润、日保本订单数和订单缺口。 -
风险审计 Agent
识别租金压力、人工压力、转让费压力、平台抽成压力、客流不确定性和回本周期压力。 -
行动建议 Agent
把复杂分析转化成普通人能执行的签约前验证清单。
最后系统会生成一份可视化报告，包括：
-
综合风险分
-
红黄绿风险等级
-
前期现金投入
-
月固定成本
-
日保本订单
-
每日订单缺口
-
成本结构图
-
红黄绿风险灯
-
关键亏损点解释
-
签约前验证清单
把一个模糊开店想法，拆成可以计算、可以验证的经营参数
03｜最有冲击力的一幕：你以为每天 90 单能撑住，系统算出118 单才保本
我在 Demo 里放了一个南宁奶茶店案例：
-
面积：35㎡
-
月租金：12000 元
-
转让费：80000 元
-
装修 + 设备：160000 元
-
客单价：14 元
-
预计日订单：90 单
-
外卖占比：40%
-
平台抽成：22%
系统输出的结论很直接：
综合风险分：100/100，高风险。
预计每天 90 单，但系统测算约 118 单才刚刚保本。
每天缺口约 28 单。
这也是我觉得这个工具最有价值的地方。
它不是告诉你“这个行业好不好”，而是直接把问题变成一个普通人能理解的数字：
你现在想象中的生意，距离活下去还差多少单？
一眼看懂：这不是“感觉不稳”，而是每天差28单。
把创业风险从一句“可能会亏”，变成一个能看懂的缺口。
04｜我为什么做这个方向：把企业经营分析方法，降到普通人能用
我曾在日本世界 500 强企业做过 5 年经营分析。
在企业里，判断一个业务不是靠感觉，而是会持续看：
-
成本结构是否健康
-
固定成本压力有多大
-
收入假设是否合理
-
现金流能撑多久
-
哪个变量最容易让业务亏损
但普通人开一个小店，往往没有这样的工具。
他们不是不努力，也不是不想算，而是没有合适的门槛。
很多财务模型太复杂，很多咨询服务太贵，很多加盟话术又只展示漂亮的一面。
所以这个 Demo 想做的是：
把企业级经营分析方法，压缩成普通人也能看懂的一张风险体检报告。
它不承诺帮用户赚钱。
它更像一个冷静的提醒器：
“这家店你可以继续看，但签约前，先把这些风险验证完。”
05｜初赛提交信息
体验文件：【小老板开店前风险扫描器_2026-07-13_更新版.zip (70.9 KB)】
使用方法：下载并解压后，双击 index.html 体验
或可直接点击：index.html (212.1 KB)
已通过审核的报名帖： 【社会服务赛道】做一个小老板开店前风险扫描器
关键 Session ID：见第 09 节，共 3 个
是否依赖后端：不依赖
是否依赖外部 API：可选择利用DeepSeek API进行LLM分析
06｜开发过程中最大的卡点：不是做出一个页面，而是让它真的像工具
这个项目一开始很简单：
输入几个参数，算一个风险分。
但做到后面，我发现它最大的问题不是“能不能算”，而是：
怎么让评委和用户觉得它不是普通表单，而是一个真正的 AI 风险扫描器。
所以我做了三次关键调整。
卡点一：从“固定表单”升级成“自然语言开店想法”
一开始用户必须手动填很多字段。
这对真实用户其实很不友好。
普通人更自然的表达是：
“我想在南宁开奶茶店，月租一万二，转让费八万，每天估计九十单。”
所以我让系统先支持自然语言输入，再由 Agent 拆解参数。
这里的难点是：用户说法很口语。
比如“装修设备 10 万”“外卖大概四成”“租金一万二”这些表达，不能要求用户写得像表格。
解决方式是：
我用 TRAE 协助补充了多种解析规则，把口语输入尽量转换成可计算参数。
普通人不用先学财务，只要先把想法说出来。
卡点二：Agent 真实分析很慢，所以我做了稳定演示闭环
我曾尝试接入本地 LLM，让 5 个 Agent 真正逐步分析。
Agent 流程确实跑通了，但也带来一个很现实的问题：
-
本地模型响应慢
-
评委不一定有同样环境
-
如果 Demo 打开后一直等待，体验会很差
-
AI 有时会输出不稳定内容，影响核心报告
所以我最后做了一个更适合初赛的方案：
默认使用缓存 Agent 输出 + 本地规则测算，保证 5-10 秒内完整跑通；真实 LLM 作为可选增强模式保留。
这样既能展示最终产品方向，也能保证评委不用配置环境就能体验完整流程。
这个取舍对我很重要。
因为初赛 Demo 最关键的不是“技术看起来多复杂”，而是用户能不能顺利走完一次真实体验。
Agent 是产品方向，稳定闭环是初赛体验保障。
卡点三：报告不能只给文字，必须让普通人一眼看懂
如果输出一大段商业分析，普通人很可能看不下去。
所以我把最终结果做成了可视化报告：
-
风险分：82/100
-
风险等级：红黄绿
-
保本订单：149 单
-
预计订单：90 单
-
每日缺口：59 单
-
成本结构图
-
现金流压力条
-
签约前验证清单
这个设计的目标是：
哪怕用户不懂财务，也能看懂“哪里危险、差多少、下一步该查什么”。
不是给用户一堆术语，而是把风险翻译成可行动的提醒。
07｜最终解决方案：一个稳定可体验的完整闭环
现在 Demo 的默认体验路径是：
打开网页
↓
点击“一键演示：南宁奶茶店 Agent 分析”
↓
5 个 Agent 依次分析
↓
自动生成风险报告
↓
看到 82/100 风险分、149 单保本、59 单缺口
↓
查看成本结构、红黄绿风险灯和签约前验证清单
同时，也可以手动修改参数，测试不同城市、品类、租金、客单价、订单数下的风险变化。
这就是我希望完成的闭环：
开店想法 → Agent 拆解 → 财务测算 → 风险可视化 → 签约前验证清单。
从“我想开店”，到“我知道该不该签约”。
08｜TRAE 在这个项目里具体帮我做了什么
这不是一个只让 AI 写页面的项目。
我在 TRAE 里完成了几个关键阶段：
-
产品结构搭建
从“开店前风险扫描器”的想法，拆成首页、输入区、Agent 分析区、参数测算区和报告区。 -
Agent 流程设计
把分析流程拆成语义理解、市场校准、财务测算、风险审计、行动建议 5 个 Agent。 -
财务测算逻辑开发
实现前期投入、月固定成本、贡献利润、保本订单、订单缺口、风险评分等核心计算。 -
UI 与交互优化
反复调整风险卡片、红黄绿标签、成本结构图、保本缺口图，让结果更像一个产品，而不是一篇说明文。 -
稳定性修复
将真实 LLM 调用降级为可选增强，默认使用缓存 Agent 输出和规则测算，保证评委打开就能体验。 -
颜色和结论逻辑修复
修复高风险/低风险状态下颜色、文案和结论不一致的问题，让报告更可信。
09｜关键任务 Session ID
以下是我用 TRAE 完成 Demo 开发的关键任务记录：
- 原始产品开发、自然语言解析与财务模型Session ID：6a34ca327082c85d9b883787
- 数据依据增强与多品类一致性测试Session ID：6a54c216551ae36a0870059a
- 开发过程核验与参赛补充材料整理Session ID：6a54c222551ae36a087005af
10｜为什么我觉得它值得进入复赛
我觉得这个 Demo 有三个价值：
1. 痛点真实
小微创业者不是没有热情，而是缺少开店前的理性验证工具。
很多风险不是开业后才出现，而是在签约前就已经写进了成本结构里。
2. Demo 能跑
它不是停留在想法层面，而是已经能完整体验：
输入想法 → Agent 分析 → 财务测算 → 风险报告 → 验证清单。
3. 复赛有明确迭代方向
如果进入复赛，我会继续做三件事：
-
接入更多真实城市与行业参数，让风险判断更贴近本地市场；
-
增加“两个铺位对比”功能，帮助用户比较哪个方案更危险；
-
增加“加盟话术验证”模块，让用户输入招商方案后自动反推保本条件。
最终我希望它不是一个“帮人创业成功”的工具，而是一个更现实的工具：
帮普通人在投入之前，先知道自己可能会在哪里亏钱。
11｜写在最后
这个项目做完后，我最大的感受是：
很多 AI 工具喜欢告诉用户“你可以做什么”。
但在真实商业里，有时候更重要的是告诉用户：
“这件事现在不要急着做。”
如果一个普通人在签合同前，因为这个工具多算了一遍保本线，多去现场记录了三天客流，最后避免了一次几十万的错误投入，那它就有意义。
这就是我做“小老板开店前风险扫描器”的原因。
12｜ 7/13功能追加~~
收到评论区关于“开店亏本不只受财务影响，还会受到地理位置、周边环境、路况、选品类别等因素影响”的建议后，我继续对 Demo 做了一轮迭代。
这次最大的改进是：风险扫描不再只看租金、客单价、日订单、毛利率这些财务参数，而是新增了“经营扰动因素”模块。
现在系统会把开店中更容易被忽略的现实变量纳入判断，例如：
- 客流稳定性
- 天气/季节敏感
- 管制/合规风险
- 投诉/邻避风险
- 竞品扎堆
- 体力强度
- 食品安全
- 油烟异味
- 库存积压
- 技师依赖
- 口碑复购
这些变量不是简单写死在某一个案例里，而是会根据不同品类自动出现。比如夜市炸串会默认考虑天气、管制、油烟、食品安全、体力强度和客流波动；美发店则不会强行加入食品安全，而是重点考虑技师依赖和口碑复购；零售类则会更多关注库存积压和款式过时。
这次优化后，系统的判断也更接近真实开店场景。比如“夜市炸串摊”原本从账面上看投入低、租金低、保本线低，容易被判断成低风险。但加入天气、管制、投诉、竞品、体力强度等因素后，系统会把它调整为“黄色需谨慎”，并提示用户不能只按账面盈余判断安全，而应该先做低客流压力测试和现场验证。
开发中遇到的难点是：如果把所有现实因素都塞进财务公式，模型会变得很复杂，也不容易解释。最后我采用了“两层模型”的方式：
第一层仍然用规则模型稳定计算财务结果，包括前期投入、月固定成本、贡献利润、保本订单和订单缺口。
第二层加入经营扰动变量，用低/中/高三档影响综合风险分和验证清单。用户可以自己勾选、取消或调整这些因素。
这样既保留了财务模型的稳定性，也让分析结果不再停留在“账面能不能赚钱”，而是更进一步提醒用户：
账面可行，不代表真实经营一定安全。
我觉得这也是这个工具目前最重要的卖点：它不是创业鼓励器，而是签约前的风险预演器。它会把那些容易被忽略、但真正会让小店亏钱的因素提前暴露出来，让普通人在投入积蓄之前，先多问几个关键问题。
5个Agent分别完成语义理解、市场校准、财务测算、风险审计和行动建议，最后的红黄绿风险灯和签约前验证清单，确实做到了"把企业级分析压缩成普通人能看懂的一张报告"。