从手搓相亲到 AI 赛博月老：我如何用 AI 编程，把一场青年社群恋爱盲盒做成可复制产品

这篇复盘，来自我做「AI 恋爱盲盒」这个项目的心路历程。

也算是我参加AI出海航海的一个小小里程碑，它不是一个纯技术教程，更像是一次从真实需求出发，用 AI 把社群活动流程产品化的经历。

如果用一句话概括：我原本只是想让团队少一点人工匹配的痛苦，最后却意外跑通了一个 AI 产品 MVP，也完成了自己从「活动执行者」到「产品经理」的一次转变。

💡 项目摘要

• • 项目定位： 一款将私域流量、传统青年社交活动与 AI 编程技术深度融合的 To B / To G 数字化活动产品。
• • 核心痛点： 传统单身盲盒活动完全依赖纯人工匹配与个人经验 ，面对百人规模时存在数据量巨、沟通成本极高、团队容易崩溃等执行灾难 。
• • 最小可行性产品 (MVP) 闭环： 拒绝复杂庞大的 APP 或小程序开发，采用“腾讯文档收集数据 → Python 清洗数据 → 核心算法智能匹配 → 批量导出网页为个人 PDF 恋爱报告 → 微信客服分发与互选统计”的极简轻量级链路，以最低成本和最快速度实现全流程自动化闭环 。
• • 算法内核： 采用“硬过滤 + 软打分”机制 ，并引入全局贪心分配算法 ，通过程序实时监控并限制单人最高被推荐次数 ，科学解决相亲市场优质资源被挤爆的“马太效应”，保障全场整体公平与用户体验 。
• ◦ V1版（呼伦贝尔）： 2026年情人节前落地超百人脱单活动，跑出11对左右互选成功，活动上线当天收款提示不断 。
• ◦ V2版（上海）： 跨区域复制到 2 万人规模的成熟头部青年社群 ，完成了在“全局存量结果不变的情况下，单独为新加入成员跑全局匹配”的增效升级 。
• ◦ To B/G 延伸： 成功接入事业单位与政府官方青年联谊活动策划，实现柔性赋能 。
• • 超级个体认知： 借助 Cursor、Codex 等 AI 编程工具，“口喷需求”让 AI 承担了算法匹配、批量生成、数据统计等重体力劳动。过去需要 5 个人协同完成的重度活动，现在 1-2 个人即可全盘搞定 ，让创作者能够将精力真正释放到宣发、审美、用户体验和人情味链接等大模型无法替代的核心商业环节中 。

一、先说结果：一个社群快闪活动，变成了可以复制的 AI 工具产品

我们现在已经完成了呼伦贝尔和上海两大青年活动社群的 AI恋爱盲盒V1、V2 版实验活动，结果都非常好。

第一版 AI 恋爱盲盒发生在 2026 年情人节前。我们在呼伦贝尔本地青年社群里做了一次大规模脱单活动，最后有一百多人参与，跑出了十对左右互选成功的结果。

更有意思的是，上一年纯手工版本（2025年情人节前）里，有人通过那次匹配后来结婚了，我们还收到了喜糖和请柬。

到了AI赛博月老版本，又出现了很多神奇反馈：

• • 有小伙伴拿到恋爱档案后，发现 AI 推荐的人他已经相亲过了；客服人工调整为第二合适人选后，他发现第二个人也相亲过了。参与小伙伴也非常惊奇，强烈预定下一期来参加。
• • 有一对互相推荐的参与者，互选后发现对方是失散多年的高中同学。
• • 还有在投递小纸条之后就脱单的，没有等到匹配那一关（可以当许愿池里的王八了）

结束后拿到很好反馈的那一天，我的直观感受是：AI 真的可以颠覆全行业，包括活动行业。它不是取代我们，而是给我们加成，让我们的壁垒更高，让我们好像拿到了一张进入未来行业顶部的入场券。

过去这类事情需要很多人工、很多时间、很多经验，而这次我用 AI 编程和算法，把原来非常重的人力环节沉淀成了一个可以反复使用、可以继续升级的产品。

二、项目背景：为什么小城市青年社群特别需要「恋爱盲盒」？

这个项目最早我发起在「野韭菜青年研究站」，这是我们在 2024 年 10 月左右发起的一个呼伦贝尔青年活动社群。

到现在为止，它成长得非常快，已经成为呼伦贝尔最大的青年活动社群。

一开始，我们只是做场快闪活动。这个社群的起因，是当时做小红书呼伦贝尔的外人节分会场。

我是金融券商行业转型做活动策划公司创业，同时为了资源不浪费，在上海做青年活动社群。

那时候大城市已经有人在尝试探索活动社群商业化这条路径，而且小红书当时也在积极探索素人活动+品牌这条道路；而当时呼伦贝尔（我的家乡）那边还没有类似社群，于是小伙伴找到我，希望我回去帮忙做两场小红书外人节落地在呼伦贝尔有当地特色的活动。

我找到了现在的社群执行合伙人，问他能不能一起做两场当地有特色的活动，我们做了骑马和非遗体验，效果非常好。

两次快闪活动结束后，我们询问了很多参与者。

大家普遍反馈：在呼伦贝尔海拉尔地区，年轻人的生活比较单调，娱乐活动有限。由于地处偏远，信息相对闭塞，年轻人的思维活力和活跃度通常不及大城市同龄人。日常生活中，除了吃饭、唱歌、喝酒、玩桌游和剧本杀之外，很难接触到更有新意、更有趣的活动。

于是我们意识到：这里确实存在一个需求。

大城市里的社群模式已经非常成熟，竞争也非常激烈。以上海为例，有脱口秀社群、户外社群、社交社群，各种「圈层」概念深入人心。但在小城市，社会关系更偏向传统人情社会，陌生人之间的关系更多依赖熟人桥梁，很难是完全的陌生人社交。

我当时提出要举办面向陌生青年的活动，让大家去认识不一样的人，连我妈妈都不是很理解。她说：陌生人怎么能在一起吃饭？怎么在一起露营？

但比较出乎意料的是，很多年轻人很快接受了这个模式，而且很喜欢探索新鲜事物。初期我们做了很多「血染钟楼」这类社交活动，仅用两个月时间，成员规模就迅速增长至上千人，小红书账号粉丝也长得很快。

这让我们意识到：我们抓住了当地年轻人的痛点。

我们的成员画像也很清晰：

• • 95% 以上是已经工作的23-45岁之间的青年；
• • 70% 以上是有编制的人员，比如事业编制、公务员等；
• • 普遍高学历、高认知；
• • 交友圈窄，尤其是外地考到海拉尔工作的年轻人更缺朋友；
• • 已工作成员中，单身比例可能占到 80% 左右。

所以在这个社群里，大家「找朋友、找对象」的需求排在第一位，大城市里核心需求的「找快乐、找合作、找成长」反而可能排在后面。

一切都是先满足基本需求后才能扩散生长。

三、从手搓恋爱盲盒开始：效果很好，但执行是灾难

恋爱盲盒这个 idea，最早来自我和上海一个社群小伙伴的交流。

我发现社群做大之后，大家都会面临一个共同需求：能不能帮忙脱单？很多大型社群后期都会发展青年交友、介绍对象等服务，主理人甚至会把它做成一门生意。

我觉得这件事对呼伦贝尔的社群很有意义。相比上海这种人多、在茫茫人海中寻找志同道合小伙伴的城市，呼伦贝尔的人际圈和社交圈更固化，找对象其实比大城市更难。

当时上海小伙伴也做过恋爱盲盒，但基本是人工操作，手动帮找。2024 年，大家做相亲还是靠月老、手工匹配、一对一介绍对象。来了一个需求，就在已知的、认识的人里帮忙介绍对象。资料慢慢积累，匹配效果很依赖牵线人的个人经验和认知。

我把这个模式带回了呼伦贝尔，刚好在距离 2025 年情人节还有一个月的时候，于是决定做一次大规模脱单实验。

第一次活动完全是手工操作。

我们设计了一个腾讯文档收集表格，让大家填写自己的信息，然后给每个人编号。

填完以后，我手工把这些信息变成一张张恋爱小纸条，上面有姓名、性别、编号、身高、毕业院校等基础信息。男孩子用蓝色纸条，女孩子用粉色纸条。

当时报名一百多人，我就手工复制粘贴了一百多张。

*当时手搓盲盒匹配的盛况，让我觉得月老不是那么好干的

我的小伙伴们把纸条打印出来，三个人坐在一起帮大家手动匹配。

如果为每个人匹配三位合适对象，就意味着需要为每个人筛选一遍。哪怕男女各半，工作量也非常庞大。当时小伙伴们花了一整天，搞得头昏脑胀。

匹配标准也是她们现场讨论，没有一个定量标准，全靠“量身定制”：比如个子太高的女生不匹配个子太低的男生；条件优秀、适配范围广的人，也不能匹配所有人。所以在设定筛选条件和穷尽匹配时，非常费事，完全是一次人工操作。

匹配完成后，客服还要一对一沟通，收集大家的选择反馈：我们把三位候选人的小纸条发给每位参与者，让他们选一位。之后再把联系方式提供给对方。如果双方互选，我们还赠送小礼物，比如电影票，促进他们线下见面。

最后这个活动效果确实非常好，后面的一年里，我们不断听到好消息，甚至有人结婚来送喜糖。

但对执行者来说，这是一个巨大灾难：巨量数据、巨量沟通、巨量人工判断。而且活动几乎是半公益性质，门票费很大一部分返给大家，给互选的人买电影票，剩下可能连工作餐都覆盖不了（因为太费脑了，人均2杯咖啡，还有奶茶薯条汉堡这些顶了一天）。

虽然这件事给我们带来很大精神动力和成就感，也带来一个很现实的问题：如果每次都这样手搓，执行团队真的会崩溃。

四、关键转折：我在生财 AI 航海里学到的不是产品，而是方法

到了 2025 年底，我们又开始想下一年恋爱盲盒要不要再做。一想到这个，团队里大家都挺头疼。

当时也接到了很多G端单位对于做青年相亲活动的需求，做创新也是一件很难的事。这时 AI 技术已经发展得不错了。我是一个非常喜欢研究新技术的人，因为懒，也非常喜欢省事。所以我就在想：能不能把 AI 结合进这些相亲活动，甚至放在自己社群的恋爱盲盒活动里，让我们更省事一点？

2025 年 10 月，我参加了生财有术刘小排老师的 AI 出海航海项目。当时做决策时其实很纠结，一方面觉得 AI 是大势所趋，另一方面又觉得课程不便宜。但理智告诉我，我一定要参加，我觉得未来我一定会和 AI 绑定。

事实证明，这可能是我参加过最划算的一次航海课。

我不是一个非常优秀的学习者。小排老师经常说「慢就是快」，但我学得真的很“慢”，到现在也没看完。

前面还有兴趣跟着学、打卡，后面工作一忙，就慢慢懈怠了。严格来说，我可能只学了不到三分之一。

但我学到了最核心的东西：

1. 1. 技术：口述需求，让 AI 帮我写代码、写逻辑；
2. 2. 技巧：不会就问 AI，哪里不会点哪里，截图发给它；
3. 3. 心态：先跑通 MVP 闭环，不要一开始就追求完美。

我原本也想像老师一样做 AI SaaS 出海，但后来发现，不是每个人都适合从零找一个陌生 idea 做工具站。对我来说，最容易产生灵感的地方，是我最熟悉的地方：活动创意、活动执行。

所以我没有照着老师一步一步做一个出海产品，而是把学到的方法，用在了自己的场景里。

我开始问自己：能不能把 AI 编程用在恋爱盲盒？能不能让程序和 AI 帮我们匹配人，而我们只做数据收集和分发？

这就是 AI 恋爱盲盒的起点。

这是最开始为B端活动做的一个简单的匹配小卡片，用在活动过程中的

五、MVP 思路：不做复杂系统，先做一个能跑通的「聪明盲盒」

一开始，我和 Gemini 讨论了可行性，发现是可行的，于是让 Gemini 帮我做了一版初稿。

但当时我只学了很浅显的 AI 编程，编程能力有限。我可能只会调 UI，对逻辑没有那么熟，而且那时的工具还没有现在这么智能。一改就可能面目全非，最后生成一堆「屎山代码」。

所以我决定先从最小逻辑开始：

• • 不需要 UI 用户入口和界面；
• • 不需要 Supabase 这类专业数据后台；
• • 数据收集继续用腾讯文档；
• • 我把数据喂给程序/算法；
• • 算法帮我输出匹配结果；
• • 最后生成 PDF 恋爱报告，发给参与者。

这就是一个非常朴素的 MVP。

我的目标不是做一个完整 APP，而是先替代掉最痛苦、最耗人力的匹配环节。

整个过程就是典型的「干中学」：一步一个坑，一步一个脚印地往前拱，日拱一卒。我记得最初框架花了一两天，最后算法调整写了整整一天，从清晨到深夜，废寝忘食，饭都凉了也来不及吃，但我真的乐在其中，非常沉浸。

除了写算法，一场线上活动还要设计数据收集表格、活动海报、推广话术。整套下来大概花了三五天，说起来轻松，但当时真的挺难。

六、产品流程：从腾讯表格到 AI 月老 PDF

这套 AI 恋爱盲盒的完整流程，大概是这样：

1. 问卷设计

我们最后确定了四十道问题。

问卷不仅收集硬性条件，比如年龄、身高、学历、婚育状况、生活习惯（抽烟喝酒熬夜）等，也会收集偏软性的内容，比如恋爱观、对伴侣的期待、对关系的期待等。

我希望它不仅是「找对象」，也是「见人见己」。

我不仅想帮你在整个报名池里找到适合你的人，也想让你知道你自己是什么样的人，在哪些方面可以继续优化。如果你想找到理想伴侣，这份报告也像一面镜子。

2. 数据清洗

数据从腾讯文档导出，先是 Excel，再转成 CSV，放到项目文件夹里。

然后我写了一个 Python 小程序，把原始数据清洗成可以直接使用的格式。

3. 匹配算法

我的专业其实是数学，上学的时候必须要学编程基础，也组队参加过数学建模比赛。巧的是，最后和 AI 讨论下来的匹配算法，正好是我以前建模比赛时候用到的算法，也算是学有所归了。

为了避免有人被推荐几十次，有人一次都没有–社交产品最核心的“长尾流量分配”问题，所以我没有采用简单的‘高分盲目配对’，而是引入了加权打分+全局贪心分配。因为相亲市场存在‘马太效应’（优质男女被挤爆，普通男女无人问津）。通过算法限制单人最高被推荐次数（利用 count_hot.py 监控），既保护了‘人气王’的隐私，又保障了全场每个付费用户的基本体验，实现了整体公平。毕竟是一场活动，这也是To B交付时官方最看重的‘阳光普照’原则。

简单来说，算法流程是：

算法原则

• • 核心是规则算法，按问卷字段做筛选、打分、推荐。
• • 先硬过滤，再软打分
• • 相似度匹配为主
• • 加权打分+全局贪心分配
• • 所有可匹配组合按分数从高到低排序。

中间会有很多约束条件，比如：

• • 是否介意身高；
• • 年龄区间；
• • 学历要求；
• • 抽烟喝酒；
• • 婚姻状况等等。

这些条件会分成强约束、弱约束和无所谓条件。比如婚姻状况、抽烟喝酒这类比较硬的要求，会作为强约束；年龄、身高可以有一定容忍度；否则跑出来的结果会很奇怪：有人被推荐十几次、二十几次，有人一次都没有被推荐。

所以最后的数据输出不是简单地「谁和谁分数最高」，而是一个全局调配过程。我们要在个体适配和整体公平之间找到平衡。

4. 生成恋爱档案

跑完匹配数据后，系统会输出一个网页页面，里面包含：

• • 「2026 年你的恋爱签」：对恋爱状态的 AI 解读；
• • AI 月老为你选出的两个候选人；
• • 你的恋爱报告：提示你在哪些方面可以调整自己。

*最终呈现给参与者的结果

后来我又让 AI 帮我写了个小程序，把这些页面批量生成 PDF。因为一百多个人不可能一个个手动保存 PDF。

5. 客服分发和互选统计

大家拿到自己的恋爱档案 PDF 后，在里面选一个人，我们的客服再发送对方联系方式。

以往互选统计也要人工完成，但我发现 AI 可以解放我这样的「懒人」，我随便让 AI 写了一段小程序，一秒钟就跑出了互选结果。

七、工具升级：从 Gemini 到 Cursor 到 Codex，效率完全不一样

最开始，我是让 Gemini 帮我写第一版匹配代码+终端命令去跑数据。

后来学习过程中发现可以用cursor。在 Cursor 之前，体验很割裂。

因为我不懂代码，经常跑错；错了以后发给 Gemini，它也不一定知道错在哪里；改完覆盖到前一版，跑来跑去还是不对。

当时我甚至还不知道要用 GitHub 备份，有的时候改的面目全非，自己都要气死，后来发现这个问题以后，我才开始用 GitHub。

整个项目里有很多小 Python 程序：

Python 程序说明

• • convert_form_to_responses.py 负责中文选项到数字/代码的映射。
• • match_top2.py 核心匹配程序。
• • generate_mock_responses.py 生成模拟问卷数据，用于测试匹配流程，不是正式业务算法。
• • view_cards.py 命令行查看某个用户的匹配结果。
• • count_hot.py 统计每个人被推荐了多少次。
• • find_love.py 活动后统计“互选成功”。
• • export_pdfs.py 用于批量打开网页结果并导出 PDF。

每一步最初都要打开终端执行。

后来我在飞书里做了一个文档，把每一步逻辑和命令写下来。运行时只要导出数据、复制命令、粘贴到命令行，一步步执行。虽然原始，但至少跑通了。

接入 Cursor 后，我又优化了很多逻辑。

Cursor 可以全局通览项目，帮我读取、替换、优化代码，也能一键拉取和覆盖到 GitHub；改 UI 也方便：一边打开本地网页，一边截图告诉 Cursor 哪里要改、哪些语言要调整。

后来我发现，如果一直让 AI 改 UI，很浪费 token，细枝末节改得让我也很抓狂。

于是我开始自己学一点调试 CSS，找到网页布局文件后自己调。这个过程让我学到很多编程调试经验，也节省了不少 token。

当然了，现在有了codex，我的cursor已经失宠了，真的是太强大了。

八、宣发和运营：AI 月老上线那天，收款提示一直响

产品demo用测试数据跑了一下，跑通后，就是活动宣发。

海报对我来说现在已经比较轻松。以前我用 Canva，现在更喜欢用即梦。我经常刷即梦首页，看很多有创意的作品，遇到喜欢的就收藏，再复用提示词生成图片。

第一年主题色是粉色，第二年主题色是紫色。选定主题色后，加上海报文字，就形成一系列海报。

宣传文案基本沿用之前的，我本来就比较擅长写文案，所以这一块不难。

第一天宣发我印象很深。我们的「AI 月老」上线那天，刚好我带着妈妈从海拉尔回上海。负责收款的小伙伴送我去唱的路上跟我说，他的微信当天一直「叮叮叮」响个不停，一直在收钱。

当然，钱没有那么多，这次活动定价也是偏公益了。

但那天在我们那个小城市影响确实很大。他还收到了很多家长的信息，直接把孩子资料扔给他，说「帮我也找个对象」。

不过我们鼓励的是：人要主动，缘分要主动争取。朋友帮朋友填可以理解，但不太鼓励家长替孩子填。因为如果当事人不主动，女生选了他，他却不加别人，就会很被动。为了保护积极参与者，我们拒绝了家长投递来的信息。

活动宣传分为首期、中期和尾期。

头尾两端宣传更频繁，中间会播报参与人数，加上小红书的造势，激发大家参与热情。

在收集信息过程中，我一直监控男女比例。几次活动下来发现，女生参与度通常高于男生，比例基本是 2:1，有时甚至到 3:1。

有段时间一度女生男生比例超过 3:1，我就暂停女生报名，积极宣传吸引男生。我发现男生对这种社交活动的参与度没有女生积极，尤其在小城市，男生在婚恋市场没有女生那么着急。

最后我们把比例控制在女生约为男生两倍。后来在做上海的时候发现，上海也差不多是这个比例，也算是个小小的社会观察了。

九、第二次复制：在上海社群做 V2，证明它不只是一次性活动

呼伦贝尔社群跑通后，我拿着结果回到上海，找到了一个做大社群的伙伴，也就是给我最初灵感的伙伴。

她的青年社群有2万人，经常做青年交友活动，这方面刚好匹配，而且团队里还没有这种比较先进、偏算法的东西。

而且我们两个很互补很聊得来。他偏文科，我偏理科，更喜欢数据、整理数据和看数字。

我把项目从头到尾讲给她听，她也很喜欢新鲜事物，觉得可以尝试。于是我们决定在上海，再做一次AI恋爱盲盒（赛博月老）的合作。

这就是 AI 恋爱盲盒的第二次进阶。

一个产品如果只用一次，性价比太低。我一直希望手里有一个产品，它能不断带来新的合作方向和动力。

第二版大概在 2026 年 3 月开始准备，4 月发布，5月初截止。我们讨论了很久，包括定价、问题收集、用户体验、输出结果等。他作为第一个个性化定制用户，提出了很多修改建议和适合自己社群风格的修改办法。

我也在视觉上做了定制，比如在最后的文档呈现中嵌入他的 logo，修改成她的社群的版本。

算法上也做了更新，增加更严格、更多的约束条件，加强了AI在匹配输出部分的参与度。

最终上海版AI恋爱盲盒最终参与人数在150人左右，达到预期。

更重要的是，我在第二版做了一个增效升级：第一版是截止就截止，但上海版还可能截止后有新人加入，所以我升级成可以在新人加入后，在全局存量结果不变的情况下，单独为新人再跑一次全局匹配，这个我们未来计划升级成一个独立服务。

这让系统从「一次性快闪活动」变得更灵活。

十、我对这个产品的判断：它适合 To B，尤其适合社群、党政单位

做完呼伦贝尔和上海两个版本后，我也把这个比较完整的项目推荐给了一直服务的政府单位。

因为党政/事业单位经常涉及举办青年交友联谊活动，恋爱盲盒可以柔性接入线下活动，就给青年活动的调性和创新创意有了很大的提升。同时它既可以做轻量版，也可以做线下辅助版，比较灵活。

政府老师听完后也非常感兴趣，因为这个产品确实能替代很多人工繁琐工作，省事且准确，并且规划进了下一次联谊活动的策划中。

同时现在也在积极推广到各种青年社群和B端客户中去，提供定制化服务，完成了从纯活动策划执行到一个项目经理的一点点转变。

我认为这就是 AI 恋爱盲盒，也就是 AI 月老最重要的价值所在：

• • 它不是一个普通相亲交友 APP；
• • 它不是完全去人化的程序；
• • 它是给社群主理人、团委、工会、B 端活动负责人赋能的工具；
• • 它保留了私域社群的人情味，又用 AI 和程序解决了最重的数据和匹配工作。

如果真的做成一个 APP，让大家发布和抽取，那和市面上的交友产品没有太大区别，而且那也是红海市场。

我们这个方式多了一些仪式感，也多了主理人的参与。一方面是算法在帮你全局匹配；另一方面，主理人又通过经验和智慧帮你选择、做参谋，而且同社群天然就带着某些相同的属性标签。这正是私域社群的意义所在。

十一、最大的认知升级：AI 让我不再有小团队羞耻感

这次项目给我最大的认知升级，是我发现：一个人也能做出过去一个团队才能完成的事情。

以前我觉得，做生意或者创业，一定要有很大团队才叫成功。但 AI 的进化让我意识到，一个人也能做出一个大团队的事情。

比如这么大型的活动，我们两个人就搞定了。如果客服更轻量，甚至我一个人也能搞定。我一个人能做出之前五个人的工作，而且用时更少。

所以面对别人问「你团队有多少人」时，我不再有小团队羞耻感。我更觉得，现在好的大模型，效率比很多人效都高。

我也一直在想：AI 时代里，人不可替代的东西到底是什么？

我现在的答案是：

• • 你对行业的深度认知；
• • 你对真实需求的敏感；
• • 你的审美；
• • 你对人的理解；
• • 你把技术放进具体场景里的能力。

AI 可以帮你规划、帮你找全局最优、帮你找最便宜最划算的方案，这些都是数据和电脑能搞定的事情。

但文化的产生、体验的设计、人和人之间的交流，仍然需要人去发起和创造。活动、旅行、社群这些行业，本质上仍然是以人为本的行业。

所以我越来越相信：在自己最熟悉的地方挖掘灵感和需求，再用 AI 做跨界，是普通人最容易跑通 MVP 的方式。

十二、写给生财圈友的几点可复制经验

1. 不一定要做陌生赛道，先回到你最熟悉的地方

我也曾经想像老师一样做 SaaS 出海，但后来发现，不是每个人一开始都能凭空想出好 idea。

对我来说，最熟悉的地方是活动、社群、执行和沟通。恋爱盲盒的需求不是我拍脑袋想出来的，而是从真实社群里长出来的。

所以，如果你不知道 AI 能做什么，可以先问自己：

• • 我现在做的事情里，哪一步最重复？
• • 哪一步最耗人力？
• • 哪一步最依赖经验但又可以结构化？
• • 哪一步如果交给 AI，会立刻节省时间？

2. MVP 不需要一开始就漂亮，能跑通最重要

我一开始没有做 UI，没有做后台，没有做 APP，甚至没有部署。

我只是用腾讯文档收集数据，用 Python 清洗和匹配，再批量生成 PDF。它看起来很原始，但完整跑通了数据收集、算法匹配、结果分发和反馈闭环。

先跑通，再优化。

3. AI 编程的核心不是你多会写代码，而是你多会提问和拆解

我不是一个专业程序员。虽然学过数学，也接触过 C、C++，但真正写这个项目时，所有步骤几乎都是通过和 AI 交互产生的。

我只需要知道业务逻辑：恋爱盲盒这个游戏怎么玩，匹配规则大概是什么，什么结果算合理。

至于具体怎么实现，我就不断问 AI、截图、调试、再问。

4. 不要舍不得花工具钱，关键工具能直接改变效率

我一开始觉得不花钱也可以，后来发现钱是一定要花的，模型也一定要用好的。

用了 Cursor 后，我才发现之前割裂式操作有多痛苦。对于非程序员来说，一个能全局理解项目、帮你修改和调试的工具，会极大降低门槛。

5. AI 不一定替代人，但可以让人的价值更突出

在这个项目里，AI 解决了算法、匹配、批量生成、统计这些重活。

但它没有替代活动主理人的价值。相反，它让我们更有精力去做宣发、沟通、判断、线下承接和用户体验。

这也是我觉得 AI 月老有意思的地方：它不是冷冰冰的相亲工具，而是私域社群里一个带有仪式感、情感价值和人情味的产品。

结尾：这可能是我第一次真正完成 AI 产品闭环

说回生财 AI 航海，其实也挺惭愧，我可能到最后没有做出海产品，但我用另一种方式实现了一个 MVP 闭环。

老师一直强调，想做事情就一定要做 MVP 闭环。创业这么久，我在生财上学到的创业知识很多，也给我打下了很好的心理基础。

这次 AI 恋爱盲盒，等于是我自己独立完成的一个 AI 产品，并且真实跑通、真实交付、真实拿到反馈。

我非常激动，也非常开心。

如果用「道、术、势」来总结：

• • 生财让我看到了 AI 这个「势」；
• • 航海老师教了我 AI 编程和 MVP 的「术」；
• • 而真正属于我的「道」，是在自己的行业、自己的场景、自己的用户里慢慢摸索出来的。

这次项目让我确信：AI 不只是一个工具，它会把很多普通人原本做不到、不敢想、不敢启动的事情，变成可以尝试、可以跑通、可以产品化的事情。

而我只是因为懒，想让团队少手搓一点，最后意外打开了一扇新门。

期待我这篇帖子可以给做AI产品的同学们一些启发，也期待有对青年社群/社交玩法/B端G端活动需求的小伙伴一起交流共创！