beige/plans/俊达产品-底层逻辑逆向.md

俊达产品 · 底层逻辑逆向

目的：抛开界面/字段/提示词原文（那些辨认不全也不该抄），只逆向"这套系统为什么这么转、内核机理是什么、能抽象出什么可迁移的底层模型"。 素材：口述【确证】+ PPT明示 为主——底层逻辑恰好是俊达大方分享的方法论层，是现有资料里最可靠的部分。 定位：这是"原理图"，不是"原文图纸"。可直接用来指导北哥 Clover 的设计取舍。

---

§0 一句话内核

把"靠人、且经验留不住"的小红书电商内容生产，重构成"靠系统、且系统随用随聪明"的复利机器。

拆成两个动词：

• 重构：人做的每一步（选题/生成/选优/改稿/审核/追单/复盘）都拆成系统里一个"会进化的环"，而不是一次性工具。
• 复利：人干活时产生的每一个决策，都被捕获成数据、沉淀成资产、回灌进下一次生成——用得越多，系统越聪明，人越省力。

---

§1 第一性：他到底在解决什么本质问题

小红书电商有三个结构性矛盾，俊达整套系统每一块都对着其中之一：

本质矛盾	通俗说	俊达用什么对它
产能 vs 质量	要量大（铺笔记），又要篇篇能转化，人手不够	流水线生成 + 飞轮选优（§2§3）
经验 vs 流失	高手知道怎么写爆款，但经验在脑子里，人走了就没了	资产化沉淀（§4），把经验变成库
跑量 vs 平台规则	量一大就判重/限流/封	平台对抗工程化（§5）

关键洞察：别人把 AI 当"生成器"，俊达把 AI 当"会积累的生产系统"。 生成只是表面，积累才是内核。这是他和"套个GPT写文案"的根本区别。

---

§2 复利内核：数据飞轮怎么转（最重要的一层）

这是整套系统的发动机。逆向出来的机理：

2.1 飞轮的四个动作（缺一不转）

①捕获信号  →  ②聚合偏好  →  ③回灌生成  →  ④再捕获
   ↑                                              │
   └──────────────── 闭环 ───────────────────────┘

• ①捕获：人的每个决策都是信号——选了哪条文案、选了哪张图、审核通过/打回（带理由）、把AI草稿改成了什么。
• ②聚合：把一段时间内的信号统计成"偏好画像"（爱什么角度、拒什么理由、改稿往哪个方向改）。
• ③回灌：下次生成时，把偏好画像拼进 prompt，让 AI 一开始就贴着人的口味产出。
• ④再捕获：新产出又被人决策，信号继续进库。

2.2 为什么"改稿diff"是最强信号（俊达的杀手锏）

其他信号是二选一/打分（信息量低：只知道A比B好）； 改稿diff 是"人主动写出了正确答案"（信息量最高：直接告诉系统"应该长这样"）。

机理：选优信号教系统"别犯错"，改稿信号教系统"照这样做"。前者是负反馈，后者是正反馈+监督样本。一条改稿 ≈ 几十条选优。这是俊达飞轮转得比别人快的根因。

2.3 冷启动怎么破（飞轮的鸡生蛋问题）

飞轮要数据才转，但一开始没数据。逆向出他的解法：

• 种子期靠人：FDE驻场/一把手先用，快速喂前几十条决策（口述里的"1+1起步、任务包"就是在攒种子信号）。
• 够量了才自动：信号攒过阈值，系统从"等人喂"切到"自动贴偏好生成"。
• → 对应 Clover 代码里已有的 FLYWHEEL_COLD_START=5 / FLYWHEEL_LOOKBACK=50，这俩常量就是冷启动阈值和记忆窗口，方向完全一致。

2.4 飞轮的隐藏前提：信号必须"归属清晰"

多租户/多客户场景，A客户的偏好不能污染B客户。 → 对应 Clover 的 workspace_id 逻辑隔离 + 飞轮事件带 data_ownership 字段。俊达必然也有这层，否则SCRM多客户会串味。

---

§3 流水线引擎：为什么每个环节都做成"会进化的agent"

3.1 工具 vs 流水线 vs 进化体（三级跳）

俊达口述的"工具→系统、生成→流水线、定型→进化"，逆向成机理就是：

阶段	形态	问题
工具	一次性生成，用完即弃	经验不沉淀，每次从零
流水线	多环节串成自动流	能跑量，但不会变好
进化体	每环节是个会被飞轮喂养的agent	跑得越多，每环越聪明

内核：俊达把"流水线"和"飞轮"焊死在一起——流水线负责"跑量"，飞轮负责"每跑一轮都进化"。单有流水线 = 量大但平庸；单有飞轮 = 聪明但产能低。两者咬合才是他的护城河。

3.2 "环"的统一结构（可复用的抽象）

逆向出他每个环节（选题/生成/选优/改稿/追单/复盘）都是同一个模子：

输入 → agent生成 → 人决策(产生信号) → 信号进飞轮 → 喂养这个环的下一次

所以"加一个新能力" = "加一个符合这个模子的新环"，而不是重写系统。这解释了他为什么能从内容中台长出SCRM——同一个模子复制到销售场景。

---

§4 资产化引擎：经验为什么不会随人流失

4.1 核心动作：把"一次性产出"变成"可复用资产"

普通玩法：写完一篇笔记 → 发出去 → 结束。 俊达玩法：写完一篇 → 拆成零件入库（标题进标题库、配图进图库、卖点进卖点库、结构进结构库、关键词进词库）→ 每个零件打标评级 → 下次生成直接调库。

机理：他把"内容"拆成可组合的最小单元，每个单元独立沉淀、独立进化。这样高手的经验不是存在某个人脑子里，而是长在库里——人走了，库还在，新人调库就能产出接近高手的东西。

4.2 爆款拆解 = 给资产库"喂外部养料"

自己产的内容是"内循环"，会越来越同质。 爆款拆解（逆向别人的爆款 → 拆出配方 → 进库）是"外循环"，持续从市场吸收新配方，防止资产库近亲繁殖。

内核：内循环保证"稳定复用"，外循环保证"不断进化"。资产库要两条腿走路。

4.3 评级是资产化的灵魂

入库不打标 = 垃圾场。俊达给每个资产打"参考等级"（爆款级/可用级/淘汰级）。 → 对应 Clover fission.py 里已有的 reference_level 字段。这个字段就是资产评级的载体，表已建好，只是还没接线。

---

§5 平台对抗引擎：为什么"跑量"能持续不被封

俊达系统能持续跑量，背后是一整套对抗工程，逆向出三个动作：

对抗动作	解决什么	机理
提示词全动态	防文案查重/同质判定	每次prompt都变 → 产出天然不同，不触发平台判重
消两层水印 + 锐化/去摩尔纹	防图片溯源/判搬运	图片指纹被打散
双通道生图+后台选优	防单一模型风格被识别 + 保质量	便宜通道走量、官方通道保底，后台评分选最优

内核：跑量的天敌是平台规则，所以"对抗"必须工程化、自动化——不能靠人工每次改。俊达把对抗做进了流水线，所以能无人化跑量。这是"能跑量"和"敢跑量"的区别。

---

§6 交付与商业逻辑：为什么是"驻场陪跑"而不是"卖软件"

逆向他的商业模式内核：

• 不卖工具，卖"长进客户业务里的系统"：任务包模式 + FDE驻场 + 1+1起步——本质是降低客户"用起来"的门槛，因为飞轮要客户真用才转得起来。
• 一把手工程：必须老板亲自推，否则一线不喂信号，飞轮空转。
• 商业飞轮 = 产品飞轮的镜像：客户用得越深 → 数据越多 → 系统越聪明 → 客户越离不开 → 续费/扩单。产品的复利和商业的复利是同一个飞轮。

内核：他卖的不是"AI能写文案"，是"一套会跟着你公司一起变聪明的生产系统"——这东西越用越值钱，所以能驻场收费、能续费。

---

§7 可迁移底层模型（抽象出来，套到北哥任何品类）

把俊达整套抽象成一个与品类无关的模型——这才是真正能借鉴的东西：

                    ┌─────────────────────────────┐
                    │   会进化的内容生产系统          │
                    └─────────────────────────────┘
   [流水线]              [飞轮]              [资产库]
   把人做的每步         捕获人的每个决策      把产出拆成
   拆成agent环    ←→   聚合成偏好回灌   ←→   可复用零件入库
   (负责跑量)          (负责进化)           (负责不流失)
        │                  │                  │
        └──────────────────┼──────────────────┘
                    [平台对抗层]
              (动态化/去指纹，保证能持续跑量)
                           │
                    [交付:驻场陪跑]
              (一把手+FDE，保证飞轮被真正喂养)

四条可迁移定律：

1. 任何重复的人工决策，都是飞轮信号——能捕获就别浪费（尤其改稿diff）。
2. 任何一次性产出，都该拆成可复用资产——入库、打标、评级。
3. 流水线和飞轮必须咬合——光跑量不进化=平庸，光进化不跑量=没产能。
4. 能无人化跑量的前提是对抗工程化——对抗不能靠人工。

这个模型和品类无关。素颜霜能套，北哥的品类也能套——只需要换掉每个环里的prompt和资产维度，骨架不变。

---

§8 落到北哥 Clover：底层逻辑层面我们缺什么

底层引擎	Clover现状	缺口
流水线	✅ 13环目标导向已是流水线	基本到位
飞轮-捕获	🟡 有选优/审核信号	缺改稿diff信号（最强那条）← 一期就补
飞轮-聚合回灌	✅ preference_aggregator已有	改稿样本要接进来
资产库	🟡 fission表已建(reference_level在)	没接线，经验还没真正资产化
平台对抗	❓ 待确认Clover做到哪	需排查动态prompt/去指纹
交付	—	商业层，非代码

结论：底层逻辑上，Clover的"流水线"和"飞轮回灌"骨架已对齐俊达，差的是两块——①飞轮少了最强信号(改稿diff)，②资产库建了表没接线。这两块恰好就是配套映射文档里定的一期/二期增量，方向完全自洽。

---

§9 这份逆向的可信度声明

• §1-§7 的底层逻辑/机理/可迁移模型：来源是口述【确证】+PPT明示，是俊达大方分享的方法论层，可信、可直接借鉴。
• §2.3 / §4.3 / §8 里凡提到 Clover 具体常量/字段（FLYWHEEL_COLD_START、reference_level等）：来源是我们自己的代码，确证。
• 全程不含俊达的prompt原文、评分权重、界面字段——那些辨认不全也不该抄，逆向底层逻辑根本不需要它们。
• 一句话：逆向的是"他为什么这么设计"，不是"他具体写了什么"。前者是原理，能借；后者是knowhow，不抄。