物言AI
物言解决的是地方特产小商家和一人内容运营在下班前制作小红书笔记时，反复翻找爆文、寻找角度、确定语气、撰写正文和规划配图，导致一条内容迟迟发不出去的问题，让没有专业内容团队的商家也能准点完成今天的发布并下班。不同于普通 AI 根据一句提示直接生成一段文案和低保真图案，物言会从同类目高互动内容中提炼可验证的爆款 DNA，先判断产品、目标人群和场景适合的内容结构，再生成可直接发布的笔记和配图建议，并通过商家后续发布数据持续保留、观察或淘汰不同风格DNA，因此节省的不只是打字时间，更是运营人员搜索、判断和反复试错的时间。
我们为什么能追踪爆款笔记，可以看下面：
## 素材来源与合规边界
### 商家自有数据
商家使用平台后主动提交的笔记、产品资料和发布数据，可用于 DNA 分析或模型优化。使用前会向用户单独取得授权，并限定用途、范围和保存期限。
### 签约商家数据
后续与地方特产优质小红书商家签署合作协议。合同明确数据使用目的、使用范围、保存期限、删除方式和撤回授权机制。
### 公开趋势样本
通过人工精选、公开观察或实验性采集，发现近期可能上升的内容风格。这类数据只用于发现候选 DNA，不直接复制原文或图片，也不把他人的整篇内容当作模板发布。
## DNA 生命周期
### 1. DNA 提取（规划能力）
例如，一篇参考素材是：
> 标题：下班后 30 元吃到一大桌，这家老店太会了
>
> 正文：……
>
> 图片：第一张是菜品近景，第二张是店内环境，第三张是菜单价格。
未来会用多模态模型分析文本和图片，提取可复用的细粒度 DNA：
```json
[
{
"fragmentId": "scene_001",
"type": "scene",
"value": "下班后本地餐饮推荐"
},
{
"fragmentId": "valuePromise_001",
"type": "valuePromise",
"value": "低价格带来超预期体验"
},
{
"fragmentId": "hook_001",
"type": "hook",
"value": "价格对比 + 结果反差"
},
{
"fragmentId": "structure_001",
"type": "structure",
"value": "反差开场 → 3个证据 → 价格位置 → 到店建议"
},
{
"fragmentId": "tone_001",
"type": "tone",
"value": "第一人称、口语化、朋友推荐"
},
{
"fragmentId": "visualStyle_001",
"type": "visualStyle",
"value": "菜品近景首图，暖色自然光，菜品→环境→菜单"
}
]
```
每条 DNA 还会带上状态、分数和证据：
```json
{
"fragmentId": "hook_001",
"state": "candidate",
"score": 0.25,
"evidenceIds": ["已发布笔记标识"]
}
```
新提取的 DNA 不会直接进入正式素材库，而是先进入缓存区，经过后续验证后再晋级。当前 MVP 使用的是预置 Mock 素材库，提取和缓存区尚未接入主流程。
### 2. DNA 匹配（当前已实现）
用户输入：
> 新品椒麻鸡，人均 32 元，主要想吸引附近下班后的年轻人到店。
系统会根据素材分数，为 6 个维度分别召回 Top 10 候选：
```text
scene：Top 10
valuePromise：Top 10
hook：Top 10
structure：Top 10
tone：Top 10
visualStyle：Top 10
```
一次 LLM 调用会综合产品信息和这 60 条候选，为每个维度各选出 1 条最合适的 DNA。被选中的 6 条 DNA 会同时提供给 Creator，用来指导标题角度、正文结构、表达语气和配图方向。
DNA 分数未来主要由三个维度组成：
1. **`performanceScore`**：DNA 被用于多篇笔记后，根据平均收藏率、分享率、评论率等互动指标加权计算。
2. **`freshnessScore`**：距离最近一次有效数据越近，分数越高。
3. **`confidenceScore`**：根据样本数量和跨时间窗口的一致性衡量可信度。例如 1 篇笔记约为 0.25，4 篇且表现方向一致约为 0.70，10 篇且跨多个时间窗口表现一致约为 0.90。
当前 MVP 为了保证演示稳定，使用 JSON 中预置的静态 `score` 排序；真实表现分数和自动更新将在后续接入。
### 3. DNA 指导生成（当前已实现）
Analyzer 返回的 6 条 DNA 会组成一份策略简报，Creator 根据这份简报生成：
- 小红书标题和正文
- 话题标签
- 核心卖点
- 3-6 条配图拍摄建议
结果页展示的“本次 DNA 片段组合”就是 Analyzer 选择后的结果，不是前端随机拼接的文本。若 LLM 调用失败，系统会使用每个维度当前 Top 1 作为兜底，以保证演示可以完成。
### 4. DNA 追踪与淘汰（后续能力）
产品接入一键发布后，每篇笔记会保存 DNA 配方和发布信息：
```json
{
"recipeId": "recipe_001",
"fragments": [
{"id": "scene_001", "version": "1.0"},
{"id": "valuePromise_001", "version": "1.0"},
{"id": "hook_003", "version": "1.0"},
{"id": "structure_002", "version": "1.0"},
{"id": "visualStyle_004", "version": "1.0"}
],
"publication": {
"publicationId": "pub_001",
"publishedAt": "2026-08-29T18:30:00+08:00",
"platform": "xiaohongshu",
"url": "xxxx",
"info": "xxx"
}
}
```
后期通过定时脚本在一个周期内持续追踪笔记数据。达到 DNA 样本数量阈值后，定期淘汰分数处于后 10% 的 DNA，保留表现稳定或持续上升的片段。追踪脚本的已有实现可参考：[xiaohongshu-auto-comments](https://github.com/blockafka/xiaohongshu-auto-comments)。
