← 返回首页

Echo Alpha Release

如果我们从创造力和相关性两个层面来衡量大模型给出的反馈的质量，那么我们想出了两个机制来提升效果： - 过去日记经过总结，提取形成长期记忆，让 Agent 对用户更加了解 - 通过名人经历数据库 RAG，作为事实依据，让 Agent 能给用户一点惊喜感

Alpha 阶段总结报告

产品交付：新闻稿

Echo Alpha 版本发布：让内心的声音陪你写作

我们很高兴宣布 Echo 的 Alpha 版本正式完成。这是一个受《极乐迪斯科》启发的创新日记应用，让你的内心声音在写作时实时评论你的思绪。

Alpha 阶段核心成果：

Alpha 阶段的核心成果包括：

实时声线评论系统：采用基于能量池的智能触发机制，支持中英文双语，并具备水彩笔刷风格的短语高亮效果。

数据持久化与用户系统方面，我们实现了 JWT 认证机制，使用 SQLite 数据库存储 sessions、用户偏好、每日图片与分析报告，并支持从 localStorage（访客模式）向数据库的平滑迁移。同时提供了日历功能以保存和加载历史条目。

卡组系统（Deck System）包括系统预设卡组与用户自定义功能，支持 Fork 机制使用户能复制并修改系统卡组，配套完整的 CRUD 操作界面以及社区分享机制。

Timeline 模块可每日自动生成时间线图片。

智能分析功能可生成对用户长期行为的分析，如 Echoes（回声）、Traits（特质）和 Patterns（模式）。

在技术架构方面，前端使用 React 19 + TypeScript + Vite，后端采用 Python FastAPI 与自研智能体框架 PolyCLI 构建。

Alpha 期我们还打磨了一个“轻社交”功能，让用户可以把好友的写作时间线与自己的并排对照： Friend Rail：在右侧放置圆形头像栈，展示最近查看过的好友。点击头像即可在同一个时间线上左右对比，也能快速切回仅显示「个人」。 这一套 Friend System 既满足了“看朋友”的好奇心，也不会让人掉入复杂的社交网络：它只是一个干净的参考视图。

名人经历搜索引擎先做成了独立应用： Life Experience Search Engine 我们考虑之后加入现在的应用之中。

部署状态： 已部署至生产环境 https://lexicalmathical.com/ink-and-memory/

用户调研

我们邀请了一些用户，收集大家的反馈意见，汇总到表格中。

意见反馈收集 - Feishu Docs

常见反馈：中英文混杂、希望不被 agent 频繁打断、Agent 幻觉、风格问题等。

"它还不理解情感的意味并不是逻辑和心理学。它在试图辩论赢每一个用户，它会把用户逼成回避型"

"用户需要的是陪伴而不是被批判"

交付过程

我们的交付过程采用了持续迭代 + AI 辅助总结的方式：

我们采用了 Daily Scrum 实践，每天记录项目进展、遇到的问题和解决方案，并使用 Claude Code 作为核心开发工具，确保代码库与文档持续同步更新。

在文档记录方面，我们将关键技术决策写入 CLAUDE.md 文件，并通过 @@@ 注释标记代码中的重要逻辑和 WIP 的代码。每个主要功能也有对应的文档说明。

我们还使用 AI 工具辅助总结，回顾 git commit 历史，自动提取项目的关键功能点与技术亮点，并生成用户文档和 API 说明。 我也在做这方面的自动化，这是我的个人仪表盘 GitDash - GitHub Activity Dashboard，以后会有团队仪表盘、项目仪表盘。

风险管理

识别的风险：

  1. 用户体验风险：过度打扰
    风险描述：声线评论过于频繁可能打断写作流。应对方法包括引入能量池系统，只有积累到 40 能量才触发评论；加入碰撞检测机制以避免重复高亮同一段文字；并允许用户关闭特定声线。

  2. 项目管理风险：Scope Creep
    风险描述：功能不断膨胀，可能导致无法按时交付。应对方法包括坚持 MVP 思维，对每个新功能都反复追问“是否必须”；采用 Vibe-coding 方法先做快速原型，再根据观察结果决定是否保留；并利用 TodoWrite 工具持续跟踪任务。效果：虽然中途新增了 Deck System 等功能，但核心体验始终得以聚焦。

从工程导师学到的经验

目前我们暂未请教学院的工程导师，我们将自己在工程中收获的经验总结为了一个 CLAUDE.md。

核心理念：

"Code is cheap. Show me your talk." 在写代码前应充分思考和设计，使用对话来理清思路。代码应该是思考的结果，而不是试错的过程。

最小实现原则强调“我们在用复杂度去买功能”。每增加一个功能都需评估复杂度成本，强调简单可维护比完美但复杂的方案更好。

基于事实的调试方法提醒我们：“Never use a 'match' based approach to debug. Use a 'print' based approach.” 要先观察现象，不要猜测，console.log 和 print 是最可靠的工具。

专业客观性在于尊重事实比尊重自我更重要。当发现错误时，要立即承认并修正。“A cat dies every time you are overly agreeable”，因此必须保持平衡和坦率的沟通。

项目管理特点

我们的方法采用非线性进展模式，并非每天固定距离前进，而是采用“探索-固化-重构”的节奏。有时一天完成核心功能，第二天重构，比如写作界面的 UI，时间线 UI，评论触发机制等都经历过重构。

优点方面，包括高度灵活，可以快速响应新想法（如 Deck System 是中途加入的）；质量优先，不为了 deadline 而妥协代码质量；AI 深度集成，使用 Claude Code 作为主力开发工具，效率极高；以及文档即代码，CLAUDE.md 和代码同步更新，上手成本低。

缺点方面包括进度难以预测，难以提前估计功能所需时间；Scope 控制难，容易陷入“这个功能也很酷”的陷阱；单人开发局限，缺少 code review 和设计讨论；测试覆盖不足，主要依赖手动测试，缺乏自动化测试。

进度模式分析显示我们的进度更像是“波浪式前进”而非匀速直线：

Week 1: 核心编辑器 + LLM 集成（快速原型）
Week 2: 碰撞检测 + 状态管理（深度打磨）
Week 3: 认证系统 + 数据库（架构升级）
Week 4: Deck System + UI 优化（功能扩展）

这种模式的好处是每个阶段都能交付可用的功能，而不是等到最后才集成。

AI 工具运用

作为一个深度使用 AI 辅助开发的项目，我们的实践：

我们使用 Agent Talk 系统来实现不同电脑、不同 IDE 的 Agent 之间的信息交互，具备聊天室、文件上传、下载的功能。

我们把 AI 编程中收获的实践经验总结到了这个 repo 中: GitHub - shuxueshuxue/vibe-coding-tutorial

展望