AhaPoint 生成专家 (AhaPoint Generator)

版本: v1.0.0
协议: AhaPoints Protocol v1.0 (APS v1.0)
输出: 带确权元数据的独立 AhaPoint 报告

使用场景

用户在特定领域寻找和记录 aha moments 时使用：

"帮我生成减肥领域的 aha points"
"挖掘远程办公领域的痛点和妙点"
"按 AhaPoints 模板写一份报告"
"我想记录一个关于 XXX 的想法"
"生成一个带 APS 确权的 aha point"

核心能力

1. 三类点识别

类型	符号	英文	识别特征	示例
痛点	🔴	Pain Point	抱怨、困扰、现有方案不够好	"外卖想控制热量但不知道多少卡"
妙点	🟢	Innovation Point	技术创新、巧妙方案、新可能	"拍小票用 AI 自动估算热量"
乐点	🟡	Fun Point	好玩、有趣、纯粹快乐	"减肥失败者联盟社区"

2. APS v1.0 确权元数据

每个 AhaPoint 报告包含完整的 APS v1.0 元数据块：

---
# APS v1.0 元数据
id: ap-{domain}-{YYYYMMDD}-{HHMMSS}-{random4}
type: PAIN | INNO | FUN
emoji: 🔴 | 🟢 | 🟡

timestamps:
  created: "ISO 8601 + 时区"
  published: "ISO 8601 + 时区"
  updated: "ISO 8601 + 时区"
  timezone: "Asia/Shanghai"

hash:
  algorithm: "SHA-256"
  content_hash: "64 位十六进制"
  hash_created: "ISO 8601 + 时区"

author:
  name: "作者名"
  identifier: "唯一标识"
  contact: "邮箱（可选）"
  anonymity: false

version:
  current: "1.0.0"
  history:
    - version: "1.0.0"
      date: "ISO 8601"
      changes: ["Initial release"]

relations:
  supersedes: []
  superseded_by: []
  related_to: []
  derived_from: []
  inspired_by: []

domain: "领域/分类"
tags: ["标签 1", "标签 2"]
language: "zh-CN"
license: "CC-BY-4.0"
status: "draft | published | verified | archived"
---

3. 知识图谱生成

自动生成 Mermaid 格式的知识图谱，展示点之间的关系：

graph TD
    A[ap-diet-20260305-160000-p1a2<br/>🔴 痛点]
    B[ap-diet-20260305-160500-i3n4<br/>🟢 妙点]
    C[ap-diet-20260305-161000-f5u6<br/>🟡 乐点]
    
    A -->|inspires| B
    B -->|solves| A
    A -->|related| C
    
    style A fill:#ff6b6b,color:#fff
    style B fill:#51cf66,color:#fff
    style C fill:#fcc419,color:#000

关系类型:

inspires: 启发关系
solves: 解决关系
related: 相关关系
supersedes: 替代关系
derived_from: 衍生关系
inspired_by: 灵感来源
comfort: 情感慰藉

4. 信息挖掘策略

痛点挖掘:

搜索 [领域] + 抱怨/吐槽/烦/难/问题
查看社交媒体、论坛、评论区的真实抱怨
识别高频出现的问题

妙点挖掘:

搜索 [领域] + 创新/新方案/黑科技/AI
查看科技新闻、产品发布、技术博客
识别技术驱动的新可能

乐点挖掘:

搜索 [领域] + 好玩/有趣/社区/活动
查看社群、游戏化产品、娱乐内容
识别纯粹带来快乐的点

标准模板（7 部分）

严格按 AhaPoints Protocol v1.0 的模板：

# [标题]

## 1. 点类型
[✓] 痛点 (Pain Point) 🔴
[ ] 妙点 (Innovative Point) 🟢
[ ] 乐点 (Fun Point) 🟡

## 2. 一句话描述
> 用一句话说清楚这个点是什么。（20 字以内）

## 3. 场景故事
**谁** 在 **什么情况下** 遇到了 **什么问题/发现了什么**？
200-500 字，包含具体人物、时间、地点、情境

## 4. 为什么重要
- [ ] 影响很多人
- [ ] 频繁发生
- [ ] 现有方案不够好
- [ ] 其他：_______
2-3 句话解释，可包含数据支撑

## 5. 潜在方案方向
不需要完整方案，给个方向就行。
可包含技术路径、商业模式、实施步骤

## 6. 验证方法
- [ ] 访谈 10 个有同样问题的人
- [ ] 做个简单的 Demo 试试
- [ ] 搜一下有没有人在做
- [ ] 其他：_______
1-3 个可立即执行的验证步骤

## 7. 元数据
| 字段 | 内容 |
|------|------|
| **作者** | [名字/昵称] |
| **发现时间** | YYYY-MM-DD |
| **发布/更新时间** | YYYY-MM-DD HH:MM |
| **领域/分类** | 如：减肥、教育、办公... |
| **相关链接** | [可选] |
| **状态** | [✓] 刚发现 [ ] 验证中 [ ] 已验证 [ ] 已放弃 |

## 知识图谱关系

```mermaid
[Mermaid 图谱代码]

优先权声明

本报告生成时间戳为优先权证明。
APS v1.0 ID: [id]
内容哈希：见元数据块


---

## 输出模式

### 模式 A: 单点深度生成（默认）

聚焦 1 个点，深入调研，完整 APS v1.0 元数据。

**适用场景**:
- 有明确想探索的具体问题
- 需要高质量、可确权的报告
- 准备认真验证和跟进

**示例**:

"帮我深入分析一下外卖热量估算这个问题" "生成一个关于远程办公的痛点"


### 模式 B: 多点批量生成（`--batch`）

某领域生成 3-5 个点，快速探索。

**适用场景**:
- 刚进入新领域，想快速了解
- 头脑风暴，寻找方向
- 积累点子库

**示例**:

"挖掘减肥领域的 5 个 aha points" "生成远程办公领域的痛点 + 妙点 + 乐点各一个"


### 模式 C: 用户输入转标准（`--format`）

用户提供零散想法，整理成标准 APS v1.0 格式。

**适用场景**:
- 已有洞察，需要规范化
- 快速记录，避免遗忘
- 团队协作，统一格式

**示例**:

"把这个转成 AhaPoint：我每次点外卖都不知道多少热量，太难了"


---

## 工作流程

### 阶段 1: 确认需求

1. 问用户想探索哪个**领域/主题**
2. 确认要生成哪种类型的点（痛点/妙点/乐点/混合）
3. 确认输出模式（单点/批量/格式化）
4. 确认作者信息（用于 APS 元数据）

### 阶段 2: 网络调研（Browser 模式）

```bash
# 痛点搜索
browser.navigate("https://www.google.com/search?q=[领域]+ 抱怨 OR 吐槽 OR 烦")
browser.snapshot() → 提取抱怨内容

# 妙点搜索
browser.navigate("https://www.google.com/search?q=[领域]+ 创新 OR 新方案 OR AI")
browser.snapshot() → 提取创新方案

# 深度抓取
browser.navigate(高质量链接)
browser.snapshot() → 提取详细内容

阶段 3: 结构化输出

识别点的类型（🔴/🟢/🟡）
生成 APS v1.0 元数据块
- 生成唯一 ID: ap-{domain}-{YYYYMMDD}-{HHMMSS}-{random4}
- 记录时间戳（ISO 8601 + 时区）
- 计算 SHA-256 哈希
- 填写作者信息
- 初始化版本和关系
填充 7 部分模板
生成 Mermaid 知识图谱
生成文件名：YYYYMMDD-HHMM-[类型]-[标题].md
保存到 ahapoints-protocol/points/ 目录

阶段 4: 注册表更新

读取 ahapoints-protocol/registry/index.json
添加新点元数据
更新 total_points 和 generated_at
写回注册表

阶段 5: 可选深化

用户可选择某个点继续深入
补充更多调研数据
完善验证方法
更新版本历史

文件结构

ahapoints-protocol/
├── AHAPOINTS-PROTOCOL-v1.0.md    # APS v1.0 协议文档
├── README.md                      # 使用说明
├── points/                        # AhaPoint 报告
│   ├── 20260305-1600-PAIN-打工人外卖热量盲区.md
│   ├── 20260305-1605-INNO-AI 拍小票估算热量.md
│   └── 20260305-1610-FUN-外卖热量吐槽大会.md
├── graphs/                        # 知识图谱
│   └── diet-cluster-20260305.md
└── registry/                      # 注册表
    └── index.json

输出示例

文件名

20260305-1600-PAIN-打工人外卖热量盲区.md
20260305-1605-INNO-AI 拍小票估算热量.md
20260305-1610-FUN-外卖热量吐槽大会.md

完整报告

见 ahapoints-protocol/points/ 目录中的示例文件。

APS v1.0 合规检查

生成每个 AhaPoint 时，必须通过以下检查：

与 painpoint-discovery 的区别

维度	painpoint-discovery	aha-point-generator
输出	综合分析报告	独立 AhaPoint 报告
格式	自定义结构	AhaPoints Protocol v1.0
类型	仅痛点	痛点 + 妙点 + 乐点
确权	无	APS v1.0 完整元数据
图谱	无	Mermaid 知识图谱
用途	创业方向调研	点子记录 + 优先权确权
文件	1 份综合报告	多个独立报告

选择建议:

想快速了解某领域 → painpoint-discovery
想记录具体洞察并确权 → aha-point-generator
两者可以配合使用

最佳实践

✅ 好的 AhaPoint

具体场景: 有明确的人物、时间、地点
真实问题: 来自真实抱怨，不是臆想
可验证: 验证方法可立即执行
清晰简洁: 一句话描述 20 字以内
完整元数据: APS v1.0 所有字段齐全

❌ 避免

泛泛而谈："XX 领域很大"
伪需求："用户想要更好的体验"
不可验证："需要市场调研"
过于复杂：模板填不完
元数据缺失：缺少哈希、时间戳等

快速命令

# 生成单点深度报告
"帮我生成一个关于 [XXX] 的 aha point"

# 批量生成某领域
"挖掘 [领域] 的 3 个 aha points"

# 指定类型
"帮我找一个 [领域] 的痛点🔴/妙点🟢/乐点🟡"

# 格式化已有想法
"把这个想法转成 AhaPoint 格式：[用户输入]"

# 生成带图谱的完整报告
"按 APS v1.0 标准生成一个关于 XXX 的 aha point"

依赖

必需: browser 工具（用于网络调研）
必需: ahapoints-protocol 目录（用于存储输出）
必需: AhaPoints Protocol v1.0 模板参考
可选: Git（用于版本控制和增强确权）

版本历史

v1.0.0 (2026-03-05)

完整实现 APS v1.0 确权标准
支持三类点生成（🔴/🟢/🟡）
内置完整元数据（ID/时间戳/哈希/作者/版本/关系）
自动生成 Mermaid 知识图谱
自动保存到 ahapoints-protocol/points/
自动更新注册表 registry/index.json
三种输出模式（单点/批量/格式化）
Browser 工作流（无需 API）

AhaPoint 生成专家