# 戒烟系统产品需求文档（PRD）
## 1. 产品背景与目标
### 1.1 背景
吸烟是一种典型的成瘾性行为，其形成与维持并非源于“信息不足”，而是由固定场景、情绪触发、习惯路径与尼古丁依赖共同导致。大量现有戒烟类产品仅停留在记录或宣教层面，难以对真实吸烟行为产生实质性干预。
### 1.2 产品目标
设计并实现一个以“行为改变”为核心的戒烟系统，在关键时刻对吸烟行为进行识别、预测与干预，帮助用户逐步减少吸烟频率并最终实现戒烟。
### 1.3 核心目标指标（KPI）
* 单用户日均吸烟次数下降率
* 成功延迟吸烟的比例（想抽但未抽）
* 用户连续使用 30 天留存率
* 自评戒烟信心提升幅度
---
## 2. 目标用户与使用场景
### 2.1 目标用户
* 有明确戒烟意愿，但多次尝试失败的吸烟者
* 日均吸烟 5–20 支的轻至中度成瘾用户
* 愿意使用手机进行自我管理的成年人
### 2.2 核心使用场景
* 饭后、起床、工作压力大时
* 情绪波动（焦虑、烦躁、无聊）
* 社交或独处时的惯性吸烟时刻
---
## 3. 产品整体设计原则
1. 行为优先于记录：减少一次吸烟比多记录一次更重要
2. 即时干预优先于事后统计
3. 降低羞耻感，避免惩罚性设计
4. 小成功累积，而非一刀切戒断
5. 系统应逐步“理解用户”，而非要求用户适应系统
---
## 4. 系统功能架构
### 4.1 功能分层结构
* 行为感知层（数据输入与信号采集）
* AI 认知与预测层（个体模型构建）
* 智能干预决策层
* 正反馈强化层
* 数据记录与分析层
---
## 4A. AI 智能设计总览
本产品中的 AI 不承担“聊天”或“说服”角色，而是作为**行为预测与决策引擎**存在，其目标是：
* 预测用户的吸烟冲动发生概率
* 在最合适的时机选择最合适的干预方式
* 通过长期学习不断降低干预成本、提升成功率
AI 的价值体现在 更少打扰、更高命中率 上，而不是更花哨的表达。
---
## 5. 核心功能需求
> 以下功能均由 AI 进行个体化驱动，不同用户将呈现不同的系统行为
### 5.1 吸烟与冲动记录（基础模块）
**功能描述**：
* 用户可快速记录“已吸烟”或“想抽但忍住”
* 每次记录可选填触发场景（时间 / 地点 / 情绪）
**设计要点**：
* 操作路径 ≤ 2 步
* 不强制填写完整信息
---
### 5.2 AI 行为模式识别与风险预测（核心）
**功能描述**：
* AI 基于用户历史吸烟、忍住、时间分布、场景与情绪标签
* 构建个人吸烟冲动概率模型（Personal Craving Model）
* 预测未来 1–3 小时内的吸烟风险
**输入信号包括**：
* 时间序列吸烟数据
* 记录失败 / 成功的比值
* 场景标签（饭后、压力、独处等）
* 用户对干预的响应结果
**输出示例**：
* “未来 30 分钟内吸烟冲动概率：72%”
* “你在疲劳 + 晚间场景下的成功率最低”
---
### 5.3 AI 驱动的即时干预机制（核心能力）
**触发方式**：
* AI 判断进入高风险状态时主动触发
* 用户主动点击“我现在很想抽”
**智能决策逻辑**：
AI 根据以下因素动态选择干预策略：
* 当前风险等级
* 近期干预成功率
* 用户历史偏好
* 最近失败后的心理敏感期
**干预策略池**：
1. 延迟倒计时（时长由 AI 自适应调整）
2. 替代行为推荐（基于过往有效性排序）
3. 情绪打断式短提示（语言强度自适应）
**成功定义**：
* 在 AI 设定的窗口期内未发生吸烟记录
---
### 5.4 正反馈与激励系统
**功能描述**：
* 统计并突出展示“成功忍住”的次数
* 可视化展示吸烟下降趋势
* 金钱节省与健康收益估算
**设计原则**：
* 不因失败清零成果
* “少一支也是进步”
---
### 5.5 复盘与自我认知模块
**功能描述**：
* 系统定期生成个人行为摘要
* 提示哪些场景最容易失败，哪些策略最有效
---
## 6. 非功能性需求
* 高隐私性：所有个人数据默认本地或匿名处理
* 低打扰性：通知频率可控
* 高可达性：单手操作，弱网可用
---
## 6A. UI 与业务逻辑设计（核心界面级别）
> 本章节描述具体页面结构、用户操作路径与背后的业务与 AI 决策逻辑
---
## 6A.1 首页（核心干预入口）
### UI 结构
* 当前状态卡片（居中）
* 文案示例：
* “当前吸烟风险：低 / 中 / 高”
* 或“你已 2 小时未吸烟 👍”
* 主操作按钮（唯一主按钮）
* 「我现在很想抽」
* 次级操作
* 「我刚刚抽了一支」
### 业务逻辑
* 页面加载时：
* AI 风险预测模块计算当前时间窗吸烟概率
* 决定是否高亮风险状态
* 点击「我现在很想抽」：
* 立即进入【即时干预页】
* 点击「我刚刚抽了一支」：
* 记录吸烟行为
* 更新模型失败样本
---
## 6A.2 即时干预页（黄金 5 分钟）
### UI 结构
* 倒计时进度环（占屏 1/2）
* 文案区（单句）
* 替代行为按钮（1–3 个）
* 喝水 / 深呼吸 / 站起来走走
### 业务逻辑
* 倒计时时长由 AI 决定（3–10 分钟）
* 倒计时过程中：
* 若用户返回首页且未记录吸烟 → 判定为一次“成功忍住”
* 若点击“我还是抽了” → 判定为干预失败
---
## 6A.3 事后确认弹窗（低羞耻设计）
### UI 结构
* 中性文案：
* “这次没忍住也没关系，要记录一下吗？”
* 按钮：
* 「记录吸烟」 / 「暂不记录」
### 业务逻辑
* 不强制记录，避免用户逃避使用
* 若记录：
* 标记该干预策略在当前场景下失败
---
## 6A.4 行为趋势页（反馈而非审判）
### UI 结构
* 吸烟 vs 忍住 双曲线趋势图
* 核心指标卡片：
* 本周少抽 X 支
* 成功忍住 X 次
### 业务逻辑
* 展示变化趋势而非绝对值
* 默认不展示“最差的一天”
---
## 6A.5 个人行为洞察页（AI 解释层）
### UI 结构
* 洞察卡片（AI 生成）
* “你在晚上 + 疲劳时最容易失败”
* “延迟 5 分钟在你身上效果最好”
### 业务逻辑
* AI 从历史数据中抽象可解释结论
* 不给概率细节，只给结论级提示
---
## 6A.6 通知与后台干预逻辑
### UI 结构
* 系统通知（非 App 内）
* 示例：“这是你容易想抽的时候，要不要缓一缓？”
### 业务逻辑
* AI 判定高风险窗口
* 检查最近打扰频率
* 满足条件才发送通知
---
## 6A.7 业务状态机（简化）
状态：
* 稳定状态
* 高风险状态
* 干预中
* 成功抑制
* 已吸烟
状态转换由 AI + 用户行为共同触发
---
## 7. MVP 范围定义
### 7.1 必须包含
* 吸烟 / 忍住记录
* 高风险时间段识别
* 倒计时延迟干预
* 基础趋势反馈
### 7.2 暂不包含
* 医疗诊断或处方建议
* 社交排行与强对比机制
* 强制戒断目标
---
## 8. 成功标准
* 用户能清楚回答：
* “我什么时候最想抽？”
* “我什么时候最容易忍住？”
* 产品能在“想抽 → 真抽”之间发生介入
---
## 9. 风险、伦理与 AI 边界
* AI 不使用羞辱、恐吓或极端激励语言
* 不进行健康诊断或医疗替代决策
* 不制造“失败人格化”标签
* 所有模型决策提供可理解的解释提示（可解释 AI）
* 用户可一键关闭 AI 主动干预，仅保留记录功能
---
* 不替代医疗建议
* 不制造道德压力
* 不诱导用户焦虑或自责
---
## 10. 大模型（LLM）接入设计（DTx 合规版）
### 10.1 设计原则（必须满足）
* 大模型不进入行为预测与决策闭环
* 大模型不直接影响用户真实行为选择
* 大模型输出仅作用于“表达”“解释”“反思”层
* 所有关键行为由可解释逻辑或传统模型控制
核心原则一句话：**LLM 只决定“怎么说”，不决定“做什么”**。
---
### 10.2 LLM 在系统中的合理位置
#### 10.2.1 文案生成层（表达层）
**作用**：
* 将系统既定干预意图转化为自然、低压力的语言
**输入（结构化）**：
* 干预类型（延迟 / 替代 / 提醒）
* 当前风险等级（低 / 中 / 高）
* 语言风格参数（冷静 / 温和 / 极简）
**输出（自然语言）**：
* 单句、中性、非说教文案
**约束**：
* 不得出现命令式、道德化、医疗化语言
* 不得新增任何策略或判断
---
#### 10.2.2 AI 洞察解释层（可解释辅助）
**作用**：
* 将系统已确认的行为模式与统计结论转化为用户可理解的描述
**输入**：
* 已确认的触发因子
* 已验证有效的干预策略
**输出示例**：
* “你在晚上疲劳时更容易想抽，而延迟 5 分钟往往对你更有效。”
**边界**：
* 不展示预测概率
* 不进行因果夸大或人格归因
---
## 1. 产品背景与目标
### 1.1 背景
吸烟是一种典型的成瘾性行为，其形成与维持并非源于“信息不足”，而是由固定场景、情绪触发、习惯路径与尼古丁依赖共同导致。大量现有戒烟类产品仅停留在记录或宣教层面，难以对真实吸烟行为产生实质性干预。
### 1.2 产品目标
设计并实现一个以“行为改变”为核心的戒烟系统，在关键时刻对吸烟行为进行识别、预测与干预，帮助用户逐步减少吸烟频率并最终实现戒烟。
### 1.3 核心目标指标（KPI）
* 单用户日均吸烟次数下降率
* 成功延迟吸烟的比例（想抽但未抽）
* 用户连续使用 30 天留存率
* 自评戒烟信心提升幅度
---
## 2. 目标用户与使用场景
### 2.1 目标用户
* 有明确戒烟意愿，但多次尝试失败的吸烟者
* 日均吸烟 5–20 支的轻至中度成瘾用户
* 愿意使用手机进行自我管理的成年人
### 2.2 核心使用场景
* 饭后、起床、工作压力大时
* 情绪波动（焦虑、烦躁、无聊）
* 社交或独处时的惯性吸烟时刻
---
## 3. 产品整体设计原则
1. 行为优先于记录：减少一次吸烟比多记录一次更重要
2. 即时干预优先于事后统计
3. 降低羞耻感，避免惩罚性设计
4. 小成功累积，而非一刀切戒断
5. 系统应逐步“理解用户”，而非要求用户适应系统
---
## 4. 系统功能架构
### 4.1 功能分层结构
* 行为感知层（数据输入与信号采集）
* AI 认知与预测层（个体模型构建）
* 智能干预决策层
* 正反馈强化层
* 数据记录与分析层
---
## 4A. AI 智能设计总览
本产品中的 AI 不承担“聊天”或“说服”角色，而是作为**行为预测与决策引擎**存在，其目标是：
* 预测用户的吸烟冲动发生概率
* 在最合适的时机选择最合适的干预方式
* 通过长期学习不断降低干预成本、提升成功率
AI 的价值体现在 更少打扰、更高命中率 上，而不是更花哨的表达。
---
## 5. 核心功能需求
> 以下功能均由 AI 进行个体化驱动，不同用户将呈现不同的系统行为
### 5.1 吸烟与冲动记录（基础模块）
**功能描述**：
* 用户可快速记录“已吸烟”或“想抽但忍住”
* 每次记录可选填触发场景（时间 / 地点 / 情绪）
**设计要点**：
* 操作路径 ≤ 2 步
* 不强制填写完整信息
---
### 5.2 AI 行为模式识别与风险预测（核心）
**功能描述**：
* AI 基于用户历史吸烟、忍住、时间分布、场景与情绪标签
* 构建个人吸烟冲动概率模型（Personal Craving Model）
* 预测未来 1–3 小时内的吸烟风险
**输入信号包括**：
* 时间序列吸烟数据
* 记录失败 / 成功的比值
* 场景标签（饭后、压力、独处等）
* 用户对干预的响应结果
**输出示例**：
* “未来 30 分钟内吸烟冲动概率：72%”
* “你在疲劳 + 晚间场景下的成功率最低”
---
### 5.3 AI 驱动的即时干预机制（核心能力）
**触发方式**：
* AI 判断进入高风险状态时主动触发
* 用户主动点击“我现在很想抽”
**智能决策逻辑**：
AI 根据以下因素动态选择干预策略：
* 当前风险等级
* 近期干预成功率
* 用户历史偏好
* 最近失败后的心理敏感期
**干预策略池**：
1. 延迟倒计时（时长由 AI 自适应调整）
2. 替代行为推荐（基于过往有效性排序）
3. 情绪打断式短提示（语言强度自适应）
**成功定义**：
* 在 AI 设定的窗口期内未发生吸烟记录
---
### 5.4 正反馈与激励系统
**功能描述**：
* 统计并突出展示“成功忍住”的次数
* 可视化展示吸烟下降趋势
* 金钱节省与健康收益估算
**设计原则**：
* 不因失败清零成果
* “少一支也是进步”
---
### 5.5 复盘与自我认知模块
**功能描述**：
* 系统定期生成个人行为摘要
* 提示哪些场景最容易失败，哪些策略最有效
---
## 6. 非功能性需求
* 高隐私性：所有个人数据默认本地或匿名处理
* 低打扰性：通知频率可控
* 高可达性：单手操作，弱网可用
---
## 6A. UI 与业务逻辑设计（核心界面级别）
> 本章节描述具体页面结构、用户操作路径与背后的业务与 AI 决策逻辑
---
## 6A.1 首页（核心干预入口）
### UI 结构
* 当前状态卡片（居中）
* 文案示例：
* “当前吸烟风险：低 / 中 / 高”
* 或“你已 2 小时未吸烟 👍”
* 主操作按钮（唯一主按钮）
* 「我现在很想抽」
* 次级操作
* 「我刚刚抽了一支」
### 业务逻辑
* 页面加载时：
* AI 风险预测模块计算当前时间窗吸烟概率
* 决定是否高亮风险状态
* 点击「我现在很想抽」：
* 立即进入【即时干预页】
* 点击「我刚刚抽了一支」：
* 记录吸烟行为
* 更新模型失败样本
---
## 6A.2 即时干预页（黄金 5 分钟）
### UI 结构
* 倒计时进度环（占屏 1/2）
* 文案区（单句）
* 替代行为按钮（1–3 个）
* 喝水 / 深呼吸 / 站起来走走
### 业务逻辑
* 倒计时时长由 AI 决定（3–10 分钟）
* 倒计时过程中：
* 若用户返回首页且未记录吸烟 → 判定为一次“成功忍住”
* 若点击“我还是抽了” → 判定为干预失败
---
## 6A.3 事后确认弹窗（低羞耻设计）
### UI 结构
* 中性文案：
* “这次没忍住也没关系，要记录一下吗？”
* 按钮：
* 「记录吸烟」 / 「暂不记录」
### 业务逻辑
* 不强制记录，避免用户逃避使用
* 若记录：
* 标记该干预策略在当前场景下失败
---
## 6A.4 行为趋势页（反馈而非审判）
### UI 结构
* 吸烟 vs 忍住 双曲线趋势图
* 核心指标卡片：
* 本周少抽 X 支
* 成功忍住 X 次
### 业务逻辑
* 展示变化趋势而非绝对值
* 默认不展示“最差的一天”
---
## 6A.5 个人行为洞察页（AI 解释层）
### UI 结构
* 洞察卡片（AI 生成）
* “你在晚上 + 疲劳时最容易失败”
* “延迟 5 分钟在你身上效果最好”
### 业务逻辑
* AI 从历史数据中抽象可解释结论
* 不给概率细节，只给结论级提示
---
## 6A.6 通知与后台干预逻辑
### UI 结构
* 系统通知（非 App 内）
* 示例：“这是你容易想抽的时候，要不要缓一缓？”
### 业务逻辑
* AI 判定高风险窗口
* 检查最近打扰频率
* 满足条件才发送通知
---
## 6A.7 业务状态机（简化）
状态：
* 稳定状态
* 高风险状态
* 干预中
* 成功抑制
* 已吸烟
状态转换由 AI + 用户行为共同触发
---
## 7. MVP 范围定义
### 7.1 必须包含
* 吸烟 / 忍住记录
* 高风险时间段识别
* 倒计时延迟干预
* 基础趋势反馈
### 7.2 暂不包含
* 医疗诊断或处方建议
* 社交排行与强对比机制
* 强制戒断目标
---
## 8. 成功标准
* 用户能清楚回答：
* “我什么时候最想抽？”
* “我什么时候最容易忍住？”
* 产品能在“想抽 → 真抽”之间发生介入
---
## 9. 风险、伦理与 AI 边界
* AI 不使用羞辱、恐吓或极端激励语言
* 不进行健康诊断或医疗替代决策
* 不制造“失败人格化”标签
* 所有模型决策提供可理解的解释提示（可解释 AI）
* 用户可一键关闭 AI 主动干预，仅保留记录功能
---
* 不替代医疗建议
* 不制造道德压力
* 不诱导用户焦虑或自责
---
## 10. 大模型（LLM）接入设计（DTx 合规版）
### 10.1 设计原则（必须满足）
* 大模型不进入行为预测与决策闭环
* 大模型不直接影响用户真实行为选择
* 大模型输出仅作用于“表达”“解释”“反思”层
* 所有关键行为由可解释逻辑或传统模型控制
核心原则一句话：**LLM 只决定“怎么说”，不决定“做什么”**。
---
### 10.2 LLM 在系统中的合理位置
#### 10.2.1 文案生成层（表达层）
**作用**：
* 将系统既定干预意图转化为自然、低压力的语言
**输入（结构化）**：
* 干预类型（延迟 / 替代 / 提醒）
* 当前风险等级（低 / 中 / 高）
* 语言风格参数（冷静 / 温和 / 极简）
**输出（自然语言）**：
* 单句、中性、非说教文案
**约束**：
* 不得出现命令式、道德化、医疗化语言
* 不得新增任何策略或判断
---
#### 10.2.2 AI 洞察解释层（可解释辅助）
**作用**：
* 将系统已确认的行为模式与统计结论转化为用户可理解的描述
**输入**：
* 已确认的触发因子
* 已验证有效的干预策略
**输出示例**：
* “你在晚上疲劳时更容易想抽，而延迟 5 分钟往往对你更有效。”
**边界**：
* 不展示预测概率
* 不进行因果夸大或人格归因
---
