atypica.AI

一场从用户发掘分步研究, 最终成为对话式研究助手的演进之旅

import { fetchUserChatById } from "@/data";
import { authOptions } from "@/lib/auth";
import { getServerSession } from "next-auth/next";
import { forbidden, redirect } from "next/navigation";
import { Metadata } from "next/types";
import { StudyPageClient } from "./StudyPageClient";

export async function generateMetadata({
  searchParams,
}: {
  searchParams: Promise<{ id?: string }>;
}): Promise<Metadata> {
  const id = (await searchParams).id;
  if (!id) {
    return {};
  }
  const studyUserChatId = parseInt(id);
  const studyUserChat = await fetchUserChatById(studyUserChatId, "study");
  return studyUserChat.title ? { title: studyUserChat.title } : {};
}

export const dynamic = "force-dynamic";

export default async function StudyPage({
  searchParams,
}: {
  searchParams: Promise<{ id?: string }>;
}) {
  const { id } = await searchParams;
  if (!id) {
    redirect("/");
  }
  const studyUserChatId = parseInt(id);
  const studyUserChat = await fetchUserChatById(studyUserChatId, "study");

  const session = await getServerSession(authOptions);
  if (!session?.user) {
    redirect("/auth/signin?callbackUrl=/study");
  }
  if (studyUserChat.userId !== session.user.id) {
    forbidden();
  }

  return <StudyPageClient studyUserChat={studyUserChat} readOnly={false} replay={false} />;
}
            
atypica@localhost:~

git log --oneline | head -3

ee7febb update headers and usermenu, add pricing and study history on page header
044ebf3 add study list page
1ebfa76 fix lint issues
                    

cat README.md | grep -i "atypica"

# atypica.AI

atypica.AI 是一个面向主观世界建模的用户研究平台,通过大语言模型驱动研究流程,帮助研究者快速获取洞察并生成研究报告。

欢迎提交Issue和PR,一起改进atypica.AI!
                    

./storytell.sh --format timeline

正在讲述 atypica.AI 的演进故事...
                    

$ ./story --highlight "journey"

atypica.AI 的故事始于2025年3月初,当时我们面临一个问题:

"用户研究太耗时了,从寻找目标用户,到进行访谈,再到整理报告,通常需要几周甚至几个月。能否利用AI来加速这个过程?"

带着这个问题,我们开始了一段为期两个多月的高速迭代开发,演进出了四个不同阶段的产品形态,每一个都比前一个更加强大和易用。

版本一:用户发掘工具 2025.3.8-3.13

一切始于一个简单的功能:使用AI来搜索和分析小红书用户数据,自动生成用户画像。

产品形态
  • 单一的scout页面,用户输入研究目标
  • AI自动搜索相关用户数据并分析
  • 生成并保存用户画像(personas)

"第一次看到AI能自动从网上收集用户信息并生成画像时,我简直不敢相信自己的眼睛。这个过程通常要花我一整天。" — 早期测试用户

scout.tsx
import { fetchUserChats } from "@/data";
import { Message, useChat } from "@ai-sdk/react";

export function ScoutChat() {
  const {
    messages,
    input,
    handleSubmit,
    status,
  } = useChat({
    api: "/api/chat/scout",
    body: {
      scoutUserChatId: scoutUserChatId,
    },
  });

  return (
    <div>
      <div>
        {messages.map((message) => (
          <ChatMessage
            key={message.id}
            role={message.role}
            content={message.content}
          />
        ))}
      </div>
      <form onSubmit={handleSubmit}>
        <textarea
          value={input}
          placeholder="输入你的研究主题..."
        />
      </form>
    </div>
  );
}
                                    
里程碑: 2025年3月12日首次成功从小红书数据自动生成用户画像

版本二:分步式研究流程 2025.3.14-3.19

基于第一版的成功,我们扩展了功能边界,构建了完整的用户研究流程,每一步都有AI辅助和引导。

产品形态
scout
personas
analyst
interview
report
  • 多页面分步流程,每步都有详细引导
  • 研究者在一页完成一个任务,再进入下一步
  • AI辅助每个环节,减少手动操作
  • 研究结果在各步骤间无缝传递

"分步式的设计非常直观,我只需按照流程一步步走就能完成整个研究。每个页面的引导提示也很贴心,让我这个新手也能轻松上手。" — 市场研究员

Analyst

研究主题创建与管理

Interview

AI驱动的用户访谈模拟

Report

HTML报告生成与渲染

里程碑: 2025年3月15日实现了完整的分步研究流程,通过引导减少用户操作负担

版本三:对话式研究助手 2025.3.20-3.27

最终,我们实现了革命性的突破:将整个研究流程集成到单一的对话界面中,用户只需与Study Agent对话,所有步骤都会自动在背后完成。

产品形态
  • 单一对话界面完成全部研究流程
  • 分屏设计:左侧对话,右侧工具控制台
  • 实时展示AI执行过程与结果
  • 无需跳转页面,一站式完成研究

"这简直是魔法!我只需要告诉AI我想研究什么,然后就可以看着它自动完成所有工作,从寻找用户到生成报告,一切都在我眼前实时发生。" — 产品经理

study.tsx
对话界面
我想了解年轻妈妈对婴儿奶粉的选择因素
AI
我将帮您研究年轻妈妈选择婴儿奶粉的关键因素。我会自动进行以下步骤

1. 寻找目标用户群体
2. 生成用户画像
3. 设计并执行访谈
4. 分析结果并生成报告
工具控制台
$
scoutTaskChat
在小红书搜索年轻妈妈关于婴儿奶粉的讨论...
$
savePersona
已保存3个典型用户画像:
- 25岁初次当妈妈,关注安全性
- 28岁二孩妈妈,注重性价比
- 32岁职场妈妈,优先考虑便利性
$
interview
正在进行访谈...1/3 完成
里程碑: 2025年3月20日推出统一对话界面,实现了study agent协调其他agent的工作模式

版本四:商业化与平台优化 2025.3.28-5.12

在完善了核心研究功能后,我们转向了商业化运营与全球部署,添加了订阅、令牌计费、多语言支持等功能。

产品形态
  • 完整的SaaS服务,包含免费和付费层级
  • 多语言界面与全球部署支持
  • 令牌消费统计与充值流程
  • 研究历史与学习列表
  • 高级访谈项目功能

"Token计费模式非常公平,我只需为实际使用的研究支付费用。而且,我可以随时查看消耗统计,了解每个研究项目的成本。" — 企业用户

Tokens

令牌消费统计与计费

i18n

多语言支持与全球部署

Subscription

专业版订阅与权限管理

里程碑: 2025年4月20日推出完整的订阅和Token计费模式,实现商业化运营

$ ./analyze --type "evolutionary_leaps"

01 操作方式的演进

  • v1 多步骤手动操作
  • v2 分步引导式操作,减少用户负担
  • v3 对话式一站操作,AI自动执行全流程
  • v4 商业化一站式研究平台,全球化部署

02 界面形态的变化

  • v1 单功能页面
  • v2 多页面串联流程
  • v3 单页面分屏设计,左对话右执行
  • v4 统一全局导航,多语言支持,移动响应式设计

03 AI协作模式的升级

  • v1 单一AI助手
  • v2 多个独立AI功能点
  • v3 指挥官模式,Study Agent统筹协调
  • v4 多模型策略,根据任务智能切换不同LLM

$ ./analyze --type "commercial_model"

04 商业模式的演进

  • v1-v3 功能验证阶段,无商业模式
  • v4 引入令牌经济与订阅制,平衡用户体验与可持续发展

主要收入来源

按需付费令牌
充值即用
专业版订阅
月付/年付
企业解决方案
定制化

$ ./architecture --visualize

多Agent协作系统

Study Agent

全流程协调者,引导用户明确研究需求

Scout

发现目标用户

Interviewer

执行专业访谈

Persona

模拟用户回答

工具集成
reasoningThinking

深度思考分析工具

interview

自动化访谈管理

scoutTaskChat

用户发现与画像构建

generateReport

报告生成与渲染

$ ./conclusion

在短短两个多月内,atypica.AI完成了从单一功能工具到商业化研究平台的蜕变,核心演进是从"多步骤操作"到"分步引导式操作",再到"对话式一站操作",最终成为"商业化一站式研究平台"。

最新版本不仅保留了简洁的用户体验,还实现了商业可持续性,支持全球化部署和多语言环境,通过令牌经济和订阅模式为各类用户提供了强大而直观的主观世界建模工具。

"atypica.AI的发展历程体现了我们团队的核心理念:通过技术创新持续降低用户研究的门槛,让每个人都能轻松获取深度洞察,同时建立可持续的商业模式,确保产品能持续为用户创造价值。" — 项目负责人

atypica@localhost:~

cat roadmap.txt

未来计划:
- 扩展AI模型选择,优化不同任务的性能表现
- 增强跨语言和跨文化研究能力
- 研发更高级的数据可视化工具
- 添加企业级团队协作与权限管理
- 构建开发者API,实现自定义研究工具
- 优化令牌使用效率,降低研究成本
                        

git commit -m "Continue the journey..."

[main 3a7b56c] Continue the journey...
Ready for next chapter