# 禾新农事助手项目案例 ## 项目定位 禾新农事助手是一款面向新农人的农业生产决策 Web App。它不把自己定位为单点“拍照识别工具”，而是围绕新农人从种植到售粮的关键决策链路，提供作物建档、异常诊断、施肥管控、农事提醒、售粮指南和数据可信机制。 ## 问题洞察 新农人常见痛点不是“完全没有信息”，而是信息过多、真假难辨、缺少行动顺序： - 叶片发黄、卷曲、病斑等现象可能来自病害、虫害、缺素、水分胁迫或药害，单靠经验难以判断。 - 施肥建议经常以经验口径传播，新手不知道何时施、施多少、为什么施。 - 售粮公告分散在不同官方渠道，质量要求、库点、时间窗口不易快速理解。 - 自媒体农技内容质量不稳定，高风险用药建议如果直接触达用户，可能带来生产损失。 ## 目标用户 - 城市大学生返乡创业者：有学习能力，但缺少农业生产经验。 - 新型经营主体新人：需要按标准流程完成巡田、施肥、记录和售粮准备。 - 农服机构实习/新人：需要快速形成对作物异常和农事节奏的理解。 ## 产品方案 ### 0. 土地资源评估 用户先选择地区省份、面积规模、地块平整度、灌溉条件和投入偏好。系统生成一份种植计划草案，帮助 0 基础新农人先判断“这块地适合怎么开始”，再进入作物建档。 ### 1. 作物建档 用户输入或沿用系统推荐的作物、面积、地区和生长阶段。系统将这些信息作为后续诊断、施肥和售粮筛选的上下文，降低用户重复输入成本。对于无法判断生长阶段的新手，产品提供“标准阶段参考”作为近似答案。 ### 2. 作物异常诊断 拍照上传后，系统展示稳定的模拟诊断结果。第一版覆盖： - 病害 - 缺氮 - 缺磷 - 缺钾 - 水分胁迫 诊断结果避免绝对化表达，统一使用“疑似”“可能原因”，并展示置信度、风险等级、处置建议、复查周期和依据来源。 ### 3. 肥料管控 系统根据作物、面积、生长阶段估算施肥总量，并把当前异常诊断联动到施肥解释中。例如疑似缺氮时，当前阶段的氮肥建议会提示优先复查养分供应。 ### 4. 农事任务 把诊断和施肥建议转化为可执行任务，如复查叶片、核对施肥窗口、巡田记录。目标是让新农人知道下一步该做什么，而不是只看到知识文本。 ### 5. 售粮指南 按地区和作物筛选样例公告，展示库点、质量要求和收购窗口。正式版本中，过期公告不会进入行动推荐。 ### 6. 数据可信机制 数据采集和产品知识库之间增加一层治理流程： - A/B/C 来源分级 - 去重并保留高可信来源 - 同一主张多来源交叉验证 - 冲突内容进入人工审核 - provenance 记录保留处理链路 ### 7. 农业小课堂 补充平台原创基础知识和可信外部链接，帮助用户理解生长阶段、巡田、自查、用药风险和售粮公告，而不是只依赖一次性诊断结果。 ## 核心取舍 - 第一版选择静态 Web App，而不是直接做小程序：为了快速形成可部署、可演示、可迭代的作品。 - 第一版使用 Kimi K2.6 做图像辅助初筛，而不训练或宣称自有病害确诊模型：保证上线成本可控，并把重点放在产品闭环、风险边界和人工复核。 - 第一版先做公开数据采集和可靠性治理，不追求全自动判断真假：农业建议风险高，人工审核兜底更符合产品责任。 ## 项目成果 - 完成可运行 Web App：`index.html` - 完成产品文档：PRD、Figma 原型说明、数据准备指南 - 完成数据可靠性工具链：来源评级、去重、交叉验证、审核表、溯源记录 - 在产品页展示可信统计与审核样例，让数据治理机制进入用户体验 - 完成公开网页采集脚本：支持把公开农技文章整理为 staging CSV - 完成验证脚本和标准库测试 - 完成一键验收脚本与 CSV schema 校验，支持交付前自动检查 - 补充北极星指标、核心漏斗、埋点事件和 analytics event schema，说明后续如何衡量产品价值 - 补充用户研究与可用性测试方案，说明如何验证痛点、流程和风险提示理解度 - 补充需求追踪矩阵，将原始需求、实现证据和验收证据对应到同一张表 ## 可量化表达 - 设计 6 个核心模块，覆盖建档、诊断、施肥、任务、售粮、可信机制。 - 建立 5 步数据治理流程：采集、评级、验证、审核、呈现。 - 为农业知识定义 A/B/C 三级来源策略，并对高风险建议设置拦截规则。 - 输出 3 类项目材料：可演示产品、产品文档、数据工具链。 ## 后续规划 - 接入真实公开链接，扩充农技知识库和售粮公告样例。 - 根据真实图片数据建立作物异常样例库。 - 将静态 Web App 迁移为 React/Vite 项目，补充路由和状态管理。 - 在 Figma 中完成高保真原型和交互连线。 - 进一步接入真实病虫害识别 API 或轻量模型。