echo - beta stage plan
2025-12-03
blog
Take away
- Build in public, 开放给更多人使用
- 总结提炼应用新的 AI 编程范式 GitHub - shuxueshuxue/vibe-coding-tutorial: Collections of my vibe coding thoughts and practices.
- UI 设计主题确定，广泛地应用 AI 美术。要有灵魂
- Prompt 和 model 优化，timeline reflection 功能优化，稳定且炫酷
团队成员的变化（有新的成员）
林伟权退出，宋尚文加入
根据 postmortem 会议的总结，你们会在 beta 阶段做什么不一样的改进（项目管理和其它软件工程方面）
以下按优先级排序：
| 任务 | 预计工时（小时） | 备注 | 负责人 |
|---|---|---|---|
| 用户引导机制设计 | 4 | 蔡 | |
| 给出更合适的社交功能设计 | 6 | 蔡 | |
| 找到合适的设计主题 | 10 | 蔡 | |
| 更合适的 built in prompt | 2 | 迭代与测试几版提示词模板 | 王 |
| 不同的模型的测试 | 3 | 选型、对比评估、切换与回退方案 | 费、王 |
| timeline 部分 UI 重写，reflections 可视化 | 6 | 交互重设计 + 2D 呼吸图效果实现 | 费 |
| 后端 API 效率优化，减少延迟 | 4 | 监控瓶颈、缓存/批处理、简单压测 | 费 |
| 更细致的生图，结合艺术疗愈理论 | 2 | 设计生成规则 + Prompt 模板 + 调参 | 费、王 |
| 自动生成 Agent 贴纸代替现在的头像 | 4 | 生成管线 + 前端接入 | 费 |
| 社交媒体宣传，引流，获得用户反馈 | 3 | 制作物料 + 发帖 + 搭建基础反馈渠道 | 王 |
| 名人经历搜索完善、融入 Agent | 6 | 费 | |
| 卡组的自动评测 | 5 | 规则/模型设计 + 后端实现 + 简单前端展示 | 费 |
| 长时间的 context 积累，Agent 记忆系统 | 5 | 记忆结构设计 + 存储方案 + 简单检索融合 | 费 |
| 声音交互（补声音反馈、背景音乐部分） | 4 | 语音合成选型集成 + BGM 播放控制 | 费 |
| Banner as greeting：使用 gemini 3 生成 | 4 | Prompt 设计 + 接入生成与展示 | 费 |
| workflow 优化、测试覆盖 | 12 | 姜 |
目前总计 80 小时。预留 30 小时左右。
在 postmortem 上发现的 “踩过的坑”，未能处理的风险，你们发现了什么根本原因，如何改进，避免？
1.大家都有想要实现的“新功能”
之前几次开会，大家都有自己感兴趣的新功能，然后会议的主题就被带跑偏了，大家开很久的会，但是最后盘点下来，却没有什么核心和明确的新方向。所以在新阶段，我们提前确认好了核心的几个任务，所以的发展个更新都围绕这些新任务展开，即使有新的想法，也只是先记录下来，之后在拓展
2.专注自己想要的，忽略了真实的客户需求
在前期，我们设置了很多“小巧思”“小惊喜”的功能在产品的不同界面，但是真的给身边朋友使用的时候却发现，大家打开页面，连最基本的几个功能都不知道如何使用，甚至忘记了设置语言切换。客户想要的基本功能我们都没有实现，导致一阶段测试的时候，部分用户都没有继续使用的想法。所以在新阶段，我们以真实的用户体验为核心路径，但同时也进行挑选，不尝试满足所有用户的所有需求。
做好的软件，满足用户的需求，在这方面你们有什么需要改进的？注意：不要搞功能数量的线性增加，而是在目前有限的资源，变化（人员变动）条件下，如何让典型用户在典型场景中满意？
1.真实场景下的使用与反馈之后，记录真实的需求
2.尽量让功能简洁，避免用户需要过多的操作
3.转换思维，以初次使用的用户视角来审视产品
4.捉住产品核心功能进行拓展，避免在无关紧要的功能上浪费过多的时间
以好的方式来做软件：如何让软件工程的质量得到提高：
新人能快速上手么
可以，在 vibe coding 的过程中，我们记录了详细的 AGENTS.md 和 operation_book.md，即便新人不用 AI 也能快速理解项目。
vibe coding 的设计详见 vibe-coding-tutorial/Envision of next generation IDE.md at main · shuxueshuxue/vibe-coding-tutorial · GitHub
每天有自动的 持续集成，持续构建，持续测试，持续发布么？（如何利用AI 工具？）
- 后端：Docker 容器 + SQLite 数据卷 + 运行时注入 models.json（GH secret）。
- 前端：Vite 构建出的静态文件，通过 Nginx 直接服务。
- CI（PR）：构建 + 后端烟雾测试（容器起、init DB、注册用户、创建 deck）。
- CD（main）：推镜像 + 远程拉取并重新启动容器；前端同步 rsync/scp 静态资源。
部署方式对比（后端 vs 前端）
- 后端：Dockerfile → GHCR 镜像 → 服务器 docker run -d -p 127.0.0.1:8765:8765 -v data:/app/data -v models.json:/app/models.json:ro；Nginx 反代 /ink-and-memory/api → 127.0.0.1:8765。
- 前端：npm ci && npm run build → frontend/dist/ 静态文件 → 同步到 /var/www/lexicalmathical.com/ink-and-memory/，由 Nginx 直接返回。
代码是可维护的么，能通过自动代码质量扫描么？（如何利用AI 工具？）
是可维护的，我们使用 pyright 来进行代码扫描，可以预防例如缺少依赖、冗余代码等问题
我们 beta 阶段计划的产品，真的解决了新闻稿中描述的用户核心痛点吗？
新闻稿“Echo是一个AI驱动的写作伙伴，在写作过程中提供多视角实时评论。核心创新：渐进式评论（写作过程中自然出现，不打断思路）+多声音系统（12种AI人格，多视角反馈）。”
已完成（AI人格现有30+，卡组10+）
我们的发布和上手流程，足以支撑“获得很多用户”吗？
网页版——无需安装部署
已解决使用复杂、语言不通等问题
Beta阶段提升用户体验——语音输入等
已制定beta计划，基本路线未进行大规模修改
软件工程课所有 Beta 计划打分
FocusPet 65 分
新闻推荐 70 分
PQ 80 分
笔记软件推荐 75 分
Echo 90 分
MaMage图库 80 分：采访对象比较丰富
AI 量化 80 分
三角洲 70 分：比较神秘
笔记软件的思维导图 75 分
端到端基因组 75 分：太专业了不太懂
汪洁布道 85 分