# 北广之星艺考路径诊断小程序 MVP 执行包

更新时间：2026-06-12

## 1. 产品定位

北广之星小程序第一阶段不是录播课、社区或完整独立 App，而是一个 30 天验证版 MVP：

- 面向艺考生和家长，用 3 分钟测评生成艺考路径诊断报告。
- 把报告后的自然动作设计成“预约老师解读”，承接到线下测评、试听、集训咨询。
- 把测评、作品、文化课、报告、预约和销售结果沉淀为可训练、可分析、可迁移的数据资产。
- 预留微信 AI 生态接入能力，让微信 AI 未来可以识别、推荐、调用小程序里的诊断、院校建议和预约服务。

参考外部环境：2026 年 6 月 8 日，微信宣布面向开发者提供接入微信 AI 生态的能力，开发者可在“小程序管理后台-AI能力”授权接入，并有自动模式与开发模式两种接入选项；当前能力仍处内测，用户暂不可体验。

## 2. MVP 范围

### 必做

- 诊断首页：第一屏突出“3 分钟生成艺考路径诊断”。
- 测评问卷：收集年级、专业意向、文化课分数、目标院校、作品或视频。
- 路径报告：输出专业匹配度、文化课风险、院校梯度方向、90 天训练重点、到校测评建议。
- AI 智能体：定义可调用服务能力，而不是简单聊天框。
- 预约解读：报告后再留资，收集手机号、意向校区、预约时段、跟进状态。
- 案例库：只展示已授权、已脱敏案例。
- 后台线索表：销售团队能看到报告摘要、线索等级、预约状态、跟进结果。

### 不做

- 不做录播课商城。
- 不做开放社区。
- 不做全国老师平台。
- 不做完整 iOS/Android App。
- 不做多模型复杂路由；先用一个模型跑通报告闭环。

## 3. 用户流程

```mermaid
flowchart LR
  A["学生/家长进入小程序"] --> B["完成免费测评"]
  B --> C["生成路径诊断报告"]
  C --> D{"是否需要老师解读"}
  D -->|是| E["手机号授权 + 选择时段"]
  E --> F["销售/规划老师跟进"]
  F --> G["到校测评 / 试听 / 集训咨询"]
  D -->|暂不| H["收藏报告 / 查看案例库"]
  C --> I["AI 整理解读问题"]
  I --> E
```

## 4. 页面需求

### 诊断首页

- 主 CTA：开始免费测评。
- 副 CTA：查看 AI 助手或授权案例。
- 必须明确“不是录播课平台”，核心是测评、规划、训练复盘和家长沟通。

### 测评问卷

- 基础字段：学生年级、所在省份、意向专业、文化课预估分、目标院校、备考阶段。
- 作品字段：上传图片、音频、视频或作品链接；未授权内容默认仅用于内部测评。
- 转化字段：家长手机号、微信授权手机号、意向校区、可联系时间。

### 路径报告

- 免费报告展示：匹配度、风险、90 天训练重点、是否建议到校测评。
- 预约后解锁：老师点评、院校梯度建议、训练优先级、家长沟通话术。
- 合规底线：不得承诺录取，不制造焦虑，不暗示保过。

### AI 智能体

- 用户可以自然语言提问，如：“孩子文化课 420，想学播音，怎么规划？”
- AI 先整理信息缺口，再调用诊断、院校梯度或预约能力。
- AI 输出必须带“建议性质”说明，不能替代老师最终判断。

### 销售/规划后台

- 线索等级：A/B/C。
- 跟进状态：新线索、已预约、已联系、已到校、已试听、已报名、无效。
- 必看信息：报告摘要、文化课风险、意向专业、目标院校、用户最焦虑的问题。

## 5. 数据字段表

| 实体 | 字段 | 类型 | 是否敏感 | 用途 |
| --- | --- | --- | --- | --- |
| user_profile | user_id | string | 否 | 用户唯一标识 |
| user_profile | role | enum(student,parent) | 否 | 区分学生/家长 |
| user_profile | phone | string | 是 | 预约和销售跟进 |
| assessment | grade | enum | 否 | 判断备考阶段 |
| assessment | province | string | 否 | 关联省份政策和院校策略 |
| assessment | intended_major | enum | 否 | 生成专业报告 |
| assessment | culture_score | number | 否 | 计算文化课风险 |
| assessment | target_school_tier | enum | 否 | 生成院校梯度 |
| portfolio_asset | asset_type | enum(image,audio,video,link) | 是 | 老师点评和作品标签 |
| report | major_fit_score | number | 否 | 专业匹配度 |
| report | culture_risk_level | enum(low,medium,high) | 否 | 风险提示 |
| booking | preferred_slot | datetime | 是 | 预约老师解读 |
| lead | lead_grade | enum(A,B,C) | 否 | 销售优先级 |
| lead | sales_status | enum | 否 | 漏斗追踪 |
| conversion | paid_status | enum | 是 | 验证商业闭环 |

## 6. AI Skill 设计

第一阶段只定义 3 个 Skill：

1. `generate_path_diagnosis`
   - 输入：测评问卷、文化课分数、作品标签、目标院校。
   - 输出：专业匹配、文化课风险、90 天训练重点、到校测评建议。

2. `generate_school_ladder`
   - 输入：专业方向、省份、文化课分数、目标层级、训练基础。
   - 输出：冲刺、稳妥、保底三类院校建议草案。

3. `book_teacher_interpretation`
   - 输入：用户身份、手机号、报告 ID、预约时段、意向校区。
   - 输出：预约记录、销售跟进任务、用户确认文案。

第一阶段推荐先接一个模型：DeepSeek 或豆包。ChatGPT 作为复杂规划、多轮解释和高质量报告生成的备用模型。

## 7. 30 天验证计划

### 样本

- 30 个已有意向客户。
- 30 个冷流量客户。

### 指标

- 测评完成率：目标 45% 以上。
- 报告后预约率：目标 15% 以上。
- 销售有效跟进率：目标 60% 以上。
- 家长分享率：目标 20% 以上。
- 到校率、试听率、报名率作为二级指标。

### 访谈问题

- 家长是否觉得“终于知道下一步怎么走”？
- 学生是否觉得“报告说中了我”？
- 销售是否觉得“线索质量比普通表单更高”？
- 老师是否觉得“AI 报告能节省前置沟通时间”？

## 8. 收购叙事

对大厂有价值的不是页面，而是这些资产：

- 艺考垂类高意图数据：专业意向、作品、文化课、目标院校、家长焦虑。
- 微信分发场景：自然语言触发小程序服务。
- 线下履约网络：老师、校区、测评、集训、升学规划。
- 合规交付能力：未成年人授权、成绩脱敏、无录取承诺。
- 可扩展品类：播音、表演、导演、音乐、舞蹈、美术、服装表演。

## 9. 实施默认值

- 第一版前端：微信小程序原生或 Taro/uni-app 均可；若团队未定，优先原生小程序以降低微信 AI 接入风险。
- 第一版后端：微信云开发或轻量 Node API 均可；若没有现成后端团队，优先微信云开发。
- 第一版模型：只接一个模型，配置层保留 `provider` 字段，后续再做多模型路由。
- 第一版后台：先用可导出的线索表，不急着做复杂 CRM。
- 第一版案例：只展示已授权、已脱敏内容。