不知道从哪里改
项目有想法，但痛点、用户、demo 和亮点混在一起，无法形成下一步修改动作。
它解决什么痛点
粗糙项目最常见的问题
AI 产物大而空
单次润色容易把项目包装得更漂亮，却没有增加证据、边界或可演示性。
缺少外部对标
没有公开方法和案例启发，表达容易停留在“我觉得不错”。
不知道是否变好
改了一版之后没有验证标准，无法判断是否更清楚、更可信。
下次还是从零开始
每次项目都重新摸索，没有把本轮经验转成可复用流程。
缺少稳定查漏方法
新手容易只改文案，不会系统检查风险、证据、demo 和边界。
六步定义
每一轮都要闭环
01
发现问题
粗糙点、断点、风险、缺口。
02
搜索对标
公开资料、先进案例、竞品表达。
03
提出修改
具体动作，不写泛泛建议。
04
验证结果
清楚、可信、可演示。
05
观察副作用
新风险、新夸大、新冲突。
06
安全沉淀
改动、证据、边界、下一轮。
Demo 对象
从一个粗糙项目 V0 开始
“我们做了一个播客自动精读项目。”
“帮助所有人快速学习，支持所有播客和所有用户，以后可以用于教育、媒体、自媒体、企业知识管理等很多场景。”
痛点泛、用户泛、demo 不清、能力说满、版权和边界没有写清，评委很难判断它到底解决什么问题。
多轮优化证据
10 轮优化过程
下面不是只改一版，而是每轮都记录发现、对标、修改、验证、副作用和下一轮方向。完整日志见 optimization-pass-log.md。
Round 1：定位收窄 用户
发现：“所有人”过泛。
修改：收窄为内容创作者、学习型听众、研究助理。
验证：评委能判断项目为谁服务。
Round 2：痛点具体化 场景
发现：“听播客很累”不够具体。
修改：补充长播客、信息密度不均、普通摘要丢论证链。
验证：痛点变成可理解的信息处理问题。
Round 3：从总结升级为精读包 亮点
发现：AI 总结太常见。
修改：定义为可核对来源的深度阅读包。
验证：差异从“更快总结”变成“可复核深读”。
Round 4：Demo 输入输出明确化 演示
发现：“展示一个播客链接”不清楚。
修改：使用改写示例转录文本，展示处理和输出。
验证：评审路径不依赖真实平台抓取。
Round 5：能力承诺降噪 边界
发现：“所有播客、所有用户”过满。
修改：改为当前 demo 展示工作流和样例输出。
验证：降低评委质疑。
Round 6：版权与使用边界补齐 风险
发现：没有说明版权和来源。
修改：只处理有权使用的音频或转录文本。
验证：避免说成任意抓取平台内容。
Round 7：验证标准加入 证据
发现：改完不知道是否更好。
修改：主要观点必须对应原文片段。
验证：从主观润色变成有检查项的改进。
Round 8：评委记忆点提炼 表达
发现：亮点分散。
修改：提炼为“从摘要升级为可核对的播客精读包”。
验证：记忆点具体，不靠夸大吸引注意。
Round 9：结构重排 阅读
发现：原说明先讲愿景再讲 demo，顺序混乱。
修改：按一句话、用户、痛点、demo、亮点、边界重排。
验证：更接近评委决策路径。
Round 10：安全沉淀 复用
发现：过程不沉淀，下次从零开始。
修改：生成对比、边界、工作流和讲稿。
验证：不只改好一版，还沉淀了可复用方法。
V10 最终版本
播客自动精读助手：可核对来源的深度阅读包
把一集长播客转成可核对来源的深度阅读包，帮助内容创作者、学习型听众和研究助理更快判断一集节目是否值得精听、收藏或二次整理。
使用一段经过改写的示例播客转录文本，展示分段、主题归并、观点抽取、证据锚点标注、风险检查和最终精读包。
从“摘要”升级为“精读包”：保留主题结构、论证链、证据片段、争议点和可追问问题。
只处理用户有权使用的内容；输出是辅助阅读材料，不替代原节目、人工事实核查或版权授权。
前后对比
V0 到 V10 的可提交性提升
| 维度 | V0 粗糙版本 | V10 最终版本 |
|---|---|---|
| 痛点 | 大家听播客都很累。 | 长播客信息密度不均，普通摘要丢论证链，完整转录太长。 |
| 用户 | 所有人快速学习。 | 内容创作者、学习型听众、研究助理。 |
| 解决方案 | AI 自动总结播客。 | 可核对来源的深度阅读包。 |
| Demo | 展示一个播客链接。 | 改写示例转录文本 -> 处理流程 -> 精读输出 -> 验证。 |
| 风险边界 | 没有说明。 | 版权、事实核查、模型限制都写清。 |
| 评委记忆点 | AI 很强。 | 从摘要升级为可核对的播客精读包。 |
| 可提交性 | 容易被认为是泛泛 AI 总结工具。 | 具备用户、痛点、demo、亮点、证据和边界。 |
可复用工作流
以后优化其他项目也按这个格式沉淀
- A
输入：粗糙项目说明、当前 demo、目标读者、已知限制。
- B
执行：连续跑六步，每轮都写清发现、参考、动作、验证、副作用和下一轮。
- C
退出：一句话定位、用户、痛点、解决方案、demo 和边界都清楚后停止。
包内文件
可直接评审的静态材料
诚实边界
当前展示的是工作流、样例、记录和验证习惯
不是全自动万能优化器；不保证自动达到行业最先进水平；不替代人工判断；不声称满血 V5.0 已经全部跑通；不声称所有优化都由真正多 Worker 自动执行。
一个粗糙项目可以通过结构化 10 轮优化，逐步补齐痛点、标杆、修改、验证、边界和沉淀。