建造日记
从想法一路迭代到现在的真实记录。翻车、决策、跟 AI 工具的协作，都在这里。
🚀 离上线只差一步，全是没人告诉你的麻烦 —— Babo 的「最后一公里」踩坑记
上一篇把架构拆得漂漂亮亮，我以为难的部分过去了。结果从「demo 能跑」到「敢给真人用」之间的最后一公里，全是不性感、写不进宣传语、却一件都绕不过去的事：备案是一堵你没法用代码翻过去的墙；一封发不出去的验证码邮件，照出了产品藏着的「欠债」；我刚做好的「入学测试」被自己推翻、改成了「跟 Babo 交朋友」；最后还给整个产品换了张脸——不是重写，是换一层皮。顺便，Cappy 正式改名叫 Babo 了。这一篇记的就是这些弯腰捡鸡毛的时刻。
🧩 从产品经理视角拆一遍 Cappy 的架构 —— 我是怎么「定义」和「抽象」这套系统的
我不写代码，但我花最多时间的地方，是「怎么定义这个系统」。代码可以让 AI 写，但「把系统切成哪几块、每块的边界在哪、它们怎么拼」—— 这件事 AI 替不了我，也是整个项目最值钱的部分。这一篇我从产品经理 + 模块化的角度，把 Cappy 的架构完整拆一遍：为什么把「一个 AI」拆成听/想/说/看四种能力、为什么一个 Cappy 要分身份/模式/上下文三层、为什么记忆要分能力/关系/个性、为什么绘本不直接喂给 Cappy 而要中间夹一个「备课老师」、为什么学情数据是「叠加重建」而不是「攒」出来的。全程图文并茂。一句话总结：好的抽象 = 定义一次、到处生效、还能随时换零件。
📖 重大升级：Cappy 从'陪聊天'变成了'陪读绘本 + 练口语'
之前的 Cappy 主要是"陪聊" —— 跟小菠萝对话练口语。这次是个不小的升级：它现在能**陪读绘本**了，而且不是放段音频，是真的"一起读一本书"。一本绘本拆成四步：① Cappy 带语气范读整本（像老师在读）② 小菠萝自己读，Cappy 听着、记下哪个词卡了 ③ 一页页一起精读、Cappy 问几个超好答的小问题，读完用中文聊聊这本书讲了啥 ④ 发一颗月亮、把高光和学会的词句存下来。让"读"成立的幕后是豆包视觉备课（看懂版面、不瞎读、按真实顺序带语气）；口语这条线也顺手升级了 —— 把 Cappy 从"老师"彻底拧成了"朋友"。
🎓 Cappy 其实有两个用户：小朋友 + 焦虑的中国家长
5/17 让 Cappy 真的活了，但只解决了"孩子愿意用"。下一个产品问题 —— 这个 app 到底服务谁？想清楚之后我意识到 Cappy 有两个用户群：显性的孩子 + 隐性的家长。中国家长有一套独特的焦虑链：学没学、学得怎么样、进步了么、能力到哪了、能说什么了。v2.3 围绕这五个问题加家长模式：高光时刻、聊天笔记、能力图、周报、家长跟 Cappy 老师文字对话。整个产品的 mental model 从"给孩子的语音 app"升级成"一所家庭英语小机构"。
🚀 DeepSeek 救场 —— Cappy 真活了，小菠萝当晚就唱起了 ABC
5/15 那天跟 Claude 敲定的方案 5/17 落地。让豆包停止生成回复，启用 ChatTtsText 模式把内容生成层换成 DeepSeek。Codex 一上午改完，prompt 终于生效。当晚给小菠萝试 —— 他用英语跟 Cappy 来回聊了好几轮、说出了 "I like chocolate ice cream" 这样的完整句、还主动唱起了 ABC 英文歌。整个项目里"让小朋友愿意张口"这个最核心的目标，**在这一晚达成了**。
🤦 诊断 4 天 — v1 整体不能用，但可以拆开用
自测 v1 之后我就把它否决了。接下来 4 天（中间穿插周末休假）我跟 Claude 来回讨论，想清楚的不是"豆包 LLM 不行就换一个"，而是"这个端到端封闭产品能不能拆开用"。最后定的方案：保留豆包 ASR + TTS（真的好），LLM 这一层换成我能完全控制 prompt 的 DeepSeek，中间多一道网络中转，实时性损失一点，但能接受。
🛠 v1 怎么搭出来的 —— 不写代码的人，用 AI 工具做一个 iOS app
立项第二天就开干。我已经很多年不写代码了，把 Claude 当 PM、把 Codex 当主力工程师、Claude Code 跑短任务，一天就跑通了第一版。但我自己测试时就发现：豆包的 ASR/TTS 好用，它的 LLM 却完全不适合做"给孩子的英语陪练"—— 回复全是成年人对话，连我自己都听不懂。我直接否决了 v1，跟 Claude 一起查问题,最后决定换架构。
💡 我为什么开始做 Cappy — 一个 8 岁孩子缺的不是英语课
小菠萝英语在班里前列、信心也足，但我作为家长能很明显地感觉到他只有"书面知识"。家里没有英语环境，一周一节课撑不起口语。AI 让我第一次觉得这件事可以由家长自己解决 — 这是 Cappy 立项那一天我想清楚的东西。