OPC 方案生成器核心工作流
问题
OPC（一人公司）的产品研发面临的核心矛盾：一个人的时间和认知带宽有限，无法同时覆盖情报采集、行业分析、方案设计、竞品研究等多个环节。传统模式下，这些职能需要一个3-5人的产品/研发团队。
方案生成器 解决的是：让AI替代产品研发团队中的情报员、分析师、方案设计师三个角色，一个人完成从信息输入到方案输出的全链路。
核心架构
信息输入层 → AI处理层 → 方案生成层 → 知识沉淀层
↓ ↓ ↓ ↓
情报采集 结构化分析 多模板方案 知识库归档
(RSS/API) (LLM处理) (业务规则) (可检索/可复用)
1. 情报采集层
做什么： 自动从多个数据源采集目标行业的最新信息。
数据源示例：
- RSS/Atom feeds（行业媒体、政策公告）
- API接口（招标信息、政策数据库、学术论文元数据）
- Web scraping（对标公司动态、行业论坛）
- 社交媒体监测（X/Twitter、微信公众号）
处理参考：
收集多个来源 → 解析数据 → 去重 → 按优先级排序 → 存储到待处理队列
2. AI处理层
做什么： 对采集到的原始信息进行结构化处理。
处理流程：
1. 信息清洗 — 去除广告、重复、低质量内容
2. 结构化提取 — 提取5W1H（时间、地点、主体、事件、原因、影响）
3. 关联分析 — 与已有知识做关联（"这个政策和上次的XX方案有什么关系？"）
4. 优先级打分 — 基于用户预设的业务方向评估相关性
关键认知： 这一层的核心不是"让AI写东西"，是"让AI把非结构化信息变成结构化数据"——这是方案生成器区别于普通AI写作工具的本质。
3. 方案生成层
做什么： 基于结构化情报，结合业务规则模板，生成可交付的方案。
方案类型：
- 政策应对方案：新政策出台→分析影响→给出应对建议
- 投标/项目方案：招标信息→需求分析→方案框架→预算评估
- 竞品分析报告：竞品动态→差异分析→应对策略
- 行业洞察报告：趋势信号→关键判断→行动建议
业务规则嵌入：
方案生成器的核心壁垒不是AI能力，是业务规则层。例如：
- 预算评估时，自动对比当地补贴政策
- 方案推荐时，基于用户实施能力做筛选
- 风险提示时，关联用户项目进度和资金状况
业务规则示例：
if 方案预算 > 用户可用资金 × 1.5:
标记为"预算超出可承受范围"
if 方案复杂度 > 用户实施能力:
建议"分阶段实施，先从模块A开始"
4. 知识沉淀层
做什么： 每次方案生成的结果自动沉淀到知识库，形成可检索、可复用的"第二大脑"。
沉淀内容：
- 生成的方案全文（结构化存档）
- 关键判断和决策依据
- 未被采用的方案（留档备查）
- 业务规则优化建议
推荐存储： 本地Markdown知识库 / Obsidian / Notion / 任何支持全文检索的笔记系统
实战案例：行业方案生成
输入
目标: 为某行业初创公司生成落地方案
数据源: 政策公告 + 竞品动态 + 技术资料
处理流程
- 采集行业最新政策（监管框架、补贴标准）
- 提取竞品的方案框架
- 关联用户已有技术栈
- 生成含预算/时间/交付物/风险点的完整方案
输出
行业方案 v1.0
├── 需求分析（基于招标/客户沟通记录）
├── 技术方案（架构图 + 技术选型 + 部署方案）
├── 预算评估（3档：标准/进阶/完整）
├── 实施计划（按周划分里程碑）
├── 风险评估（技术/商务/政策）
└── 附录：参考案例 + 数据来源
OPC模式的价值定位
| 传统产品团队 | OPC + 方案生成器 |
|---|---|
| 3-5人：产品经理+分析师+研发+测试+运维 | 1人：系统建构者 |
| 调研周期2-4周 | 情报采集自动化，24小时更新 |
| 方案产出3-5天 | AI辅助生成+人工精修，3-5小时 |
| 知识分散在个人头脑和文档 | 每份方案自动沉淀为可检索知识 |
快速部署指南
最小可行版本（3小时搭建）
- 确定1个目标行业
- 配置2-3个数据源（RSS/API/Web）
- 编写1套方案模板（Markdown格式）
- 设置定时采集+自动处理
完整版本
- 数据库存储情报+方案
- Web前端展示方案生成结果
- 用户反馈回路优化业务规则
- 多数据源并行采集+去重
配套技能推荐
本技能可与以下OPC技能组合使用：
- OPC内容创作流水线——内容产出与知识沉淀互为输入输出
- OPC交付SOP——方案生成后的执行环节
自检清单
- [ ] 方案生成器是否覆盖了从情报到方案的全链路？
- [ ] 业务规则是否正确反映了你的行业知识？
- [ ] 方案输出是否可以直接交付客户/用于投标？
- [ ] 知识沉淀是否完整、可检索？
- [ ] 每次迭代是否有反馈回路优化规则？
