9 个月，我把「想变好」做成了一个 AI 产品

「你告诉我这个项目 78 分，然后呢？」

这是 9 个月里，一个试用者问我的问题。我当场答不上来。

也正是这一问，把整个产品的方向推翻重来了一次。这篇文章想完整讲一遍：我原本要做什么、为什么走错了、后来收敛成了什么，以及这一路做对的三个决定。

一、最初我想做的，是一个「给万物打分」的工具

起点是一个很朴素的观察：我们每天都在判断很多东西——一份职业规划、一项能力、一个项目、一套商业模式，甚至自己的财务状况——但大多数判断依赖感觉，很少有一套可以持续记录、比较和复盘的方法。

于是最早的产品叫 RankIt，定位是「多资产评级平台」：用户输入信息，系统输出评分、维度拆解和分析报告。

前几个月我几乎都花在模板、维度和评分算法上。系统能跑通，报告也做得挺漂亮。当时我真心相信：只要分析足够全面、报告足够专业，产品就有价值。

现在回头看，这个信念里藏着一个错了的前提——我把「结论」当成了交付物。

二、转折点：报告不是终点

报告做得再漂亮，也可能只是一次性的「看完就走」。

用户看到了问题，却不一定知道明天该做什么；知道了短板，也不一定能坚持补上；拿到一堆建议，过一段时间却很难判断自己到底有没有变好。

那句「然后呢」，问的其实就是这件事。

我开始反复问自己同一个问题：

如果 AI 已经告诉用户答案，接下来呢？

这个问题让方向发生了变化：评估不再是终点，而是起点；报告不再只是结论，而是路线的入口。

产品的中文品牌最终收敛为「伴行纪」——「陪伴」加「记录成长轨迹」。我越来越确定，自己真正想做的不是一个冷冰冰的评分器，而是一套能够长期理解用户、记录用户、在用户卡住时给出下一步的系统。

三、收敛成一条主链路

方向确定之后，最大的工作反而变成了减法。最终留下的核心链路只有五步：

输入背景与目标 → AI 多维评估 → 生成成长路线 → 每日任务与专注执行 → 复盘与知识沉淀。

• 评估把零散输入整理成结构化的多维诊断，输出优势、短板、风险和优先级，重点不是分数，而是「为什么是这样」。
• 路线把大目标拆成阶段、模块和里程碑，再落到今天可以完成的一件小事。
• 执行是每天真实发生的那一步：今日任务、专注会话、任务状态记录。
• 沉淀让这次行动不随任务结束而消失：复盘记录结果和问题，知识库保存可复用的内容，技能树呈现能力结构。

这条链路的每一步，都在回答同一个问题：下一步是什么。

四、这 9 个月，我认为做对的三个决定

第一，先做减法，再做加法。 我删掉了很多「看起来很酷」但用户用不上的功能，把原本想做的大而全平台，收敛成一条主干。功能越多，用户越不知道该从哪里开始——这句话我是在自己产品上验证的。

第二，先写用户故事，再写技术实现。 9 个月里我最大的变化，是从一个只想把功能做出来的工程师，变成先问「用户在哪一步会卡住」的人。技术选型也因此从「怎么炫」改成「怎么稳」：后端 NestJS + Prisma + PostgreSQL，两端是 Next.js 与 React Native，AI 回答用流式输出，而不是让用户对着转圈等。

第三，把反馈做成机制，而不是靠记性。 那句「然后呢」之所以能改变产品，是因为它被当成了一次真实的用户信号，而不是一句需要解释掉的质疑。这也是为什么产品里最终会有复盘中心——让模糊的感觉变成可回看的数据。

五、接下来

上线不是终点。接下来我想推进四件事：让 AI 评估更懂具体的人（考虑你的经历、限制条件和可投入时间）；让成长路线根据执行情况持续调整，而不是生成一次就固定；让 AI 从「回答问题」走向「在对的时候推动行动」；把每一次执行和复盘沉淀成可复用的知识条目、路线模板或匿名案例。

我不期待 AI 替每个人做决定。它更该做的，是减少「我不知道从哪里开始」的摩擦。

先把现状看清楚

如果你也卡在类似的地方，可以从最小的一步开始：不用急着规划全年，先认真盘一次现状。我们写过一份可以直接照着填的框架，见《现状评估怎么做：一份可以照着填的自查框架》。

盘完之后，再把目标拆成路线（《把目标拆成一条能走的路线》），最后用一次 15 分钟的复盘把它闭环（《15 分钟做完一周复盘》）。

如果想少写几张表，直接让伴行纪跑一遍「评估 → 路线 → 任务」也可以：新用户注册送 3 次完整评估，从首页开始。