我做过不少 AI 小实验,但“成长指南针”是第一个真正让我感到产品落地有重量的项目。

这个项目后来接入了真实用户、数据、支付和积分规则,也经历了注册审核、接口调试、域名备案这些一点都不酷、却决定产品能不能上线的环节。

产品的起点很简单:我想给 8—14 岁的孩子做一份容易看懂、能给家长提供陪伴建议的成长报告。

我先问清:这份测评给谁看

调研时我发现,市面上很多心理测评默认读者是成年人:题目多、术语重,最后给出一串分数和类型。孩子坐不住,家长拿到报告也不一定知道下一步能做什么。

我想做得更轻一点:

  • 题目控制在 25 道左右,尽量让孩子五分钟内完成;
  • 8—9 岁使用更少的选项,10—14 岁再增加区分度;
  • 把同理心、逻辑、抗挫等维度转成家长能理解的建议,而不是只给一个类型。

这份报告更像一张观察地图,帮助家长发现值得继续聊的地方。测评不能用于诊断,也不能替代专业心理服务,这条边界必须说清楚。

从“豪华 AI 团队”到混合模型

一开始我把事情想复杂了。

我在 Cursor 里模拟了一整套产品团队:产品经理、前后端、设计、测试、质量和儿童心理顾问。每一轮都让多个角色互相评审,质量确实不错,Token 也烧得飞快。

那段时间我第一次真切感到:最贵的不一定是单次调用,而是反复返工。

后来我试过 OpenCode 的免费额度,也自己搭了 OpenClaw Agent。便宜模型处理简单任务很合适,可一旦碰到复杂逻辑,反复修改、修一个 Bug 再冒出两个 Bug,最后花掉的时间和调用量并不便宜。

我最后采用的是混合方式:让能力强的模型负责计划、核心逻辑和难题,把部署、格式转换、批量整理这类边界清楚的工作交给成本更低的模型。具体模型会变,分工原则没怎么变。

AI 写完代码,产品才刚开始

代码能跑之后,我才碰到真正耗时间的部分。

微信商户要注册审核,支付接口要联调,域名要备案,用户流程要一遍遍走。任何一个环节卡住,产品都只是躺在硬盘里的代码。

这段经历让我重新理解“从 0 到 1”:一个陌生用户能完成注册、使用、支付或获取积分,出了问题还能被追踪和修复,产品才算真正进入现实流程。

现实世界的摩擦,才是 Demo 和产品之间的距离。

上线后,问题没有按岗位排队

早期报告经常出现“建议多参加活动”“具有同理心倾向”这类听起来正确、实际没用的话。

我做了一个质量检查环节,专门找空话、重复和缺少行动建议的段落。不合格就重写。后来这套做法也变成了我处理文章和口播稿的习惯:先产出,再让另一个角色挑毛病。

另一个问题是积分。新用户送多少、一次测评扣多少、邀请双方各得多少,会直接改变用户行为,不能只把它们当成数据库里的几个数字。

当时版本采用的是新用户送 100 积分、一次完整测评消耗 50 积分、邀请双方各得 40 积分。它未必是最终答案,但至少让我开始用真实数据而不是感觉来调整产品。

第一版上线后,有人连续点击造成重复提交,也有 14 岁用户被年龄边界误挡。

这些问题在测试文档里很难一次想全。我让多个 AI 角色并行排查,再由测试和质量角色复核,把当时发现的两个边界问题补上。这样做最大的帮助,是我能同时跑几条排查线,最后再统一验收。

便宜模型为什么有时更贵

我不再只看每百万 Token 的单价,而是看完成一次任务的总成本:用了多少轮、返工几次、有没有引入新问题、我花了多少时间验证。

简单任务用便宜模型,当然划算。复杂任务如果需要十轮修正,一次做对的贵模型反而更省。

这也不意味着要无脑追最新模型。先把任务拆清楚:哪一步需要判断,哪一步只是执行,哪一步必须由人验收。

写在最后

做完成长指南针之后,我开始理解怎么把一个想法送进真实世界。AI 能帮我更快地写代码和排查问题,需求是否真实、边界是否安全、用户愿不愿意继续用,仍然需要我自己盯着。

先做出一个能用的版本,再根据真实问题改。生成出页面,只是这段路的开头。

本文来自「小天说FDE」,全平台同名。

我会持续分享普通人能用上的 AI 工具、内容工作流和真实实践,欢迎联系我,一起交流 AI。