BetMind · 产品需求文档

PRD V1.0 · MVP 版本
← 报告 需求文档
2026年7月 · 4周交付目标

一、产品定义

一句话定位

一个 对话式 AI 驱动的体育博彩行为管理工具。用户通过自然语言记录投注,AI分析行为模式,帮助用户理解自己的决策偏差。

核心价值主张

"你投注了100次,赢了45次,却亏了¥8,000。不是因为你运气差——是因为你每次连黑后翻倍追注。"

这种洞见,只有AI能从你的行为数据里挖出来。

不做的事

· 不给投注建议
· 不接博彩平台
· 不碰资金流转
· 不上传原始数据到服务器
· 不涉及境外博彩

二、目标用户与用户故事

🎯 策略玩家
作为一个每周投注3-5次的竞彩玩家,我想要用一句话记录我的每次预测和投注,以便我不再用Excel手动记账、能快速看到我的真实胜率和盈亏。
📊 进阶玩家
作为一个想提升投注水平的玩家,我想要AI告诉我"你过去30天在英超的胜率是52%,但在法甲只有31%",以便我知道自己擅长什么、不擅长什么。
🤖 AI依赖者
作为一个已经在用AI辅助决策的玩家,我想要一个能自动分析我投注行为的产品,以便我可以把精力放在研究比赛上而不是管理数据。

三、MVP 功能清单

P0 · 必须有 对话式投注记录

用户通过自然语言输入投注信息,AI解析并结构化存储。不需要表单、不需要选日期、不需要选盘口类型。

P0 · 必须有 盈亏仪表盘

总盈亏、胜率、收益曲线。打开第一屏就是真相。不美化、不回避。

P0 · 必须有 数据本地存储

所有投注记录存储在用户设备本地(IndexedDB)。不上传服务器。隐私第一。

P1 · 应该有 基础统计面板

按联赛/盘口/时间段分解胜率。平局率、场均进球、热门/冷门标签。

P1 · 应该有 投注历史列表

可搜索、可筛选、可编辑的历史记录。支持导出CSV。

P1 · 应该有 AI首周分析报告

注册满7天自动生成。行为模式发现、偏差警示、改善建议。纯行为建议,不涉及具体投注推荐。

P2 · 可以有 多联赛支持

竞彩/足彩/中超/五大联赛自动识别。

P2 · 可以有 PWA 离线支持

添加到主屏幕、离线记录、联网时同步AI分析。

P3 · V2 社区/社交/对比

匿名排行榜、策略分享、跟单追踪。MVP不碰。

四、核心交互:对话式录入

4.1 交互流程

💬
用户输入
🧠
NLU解析
确认实体
追问补全
💾
结构化存储

4.2 输入示例

用户输入AI解析结果
"法国让平半,500块" 比赛: France vs Spain · 盘口: 法国 -0.25 · 金额: ¥500 · 方向: 主队 · 时间: 默认当前
"昨晚英格兰v阿根廷买小2.5输了200,然后今天凌晨德国独赢买了300" 两注:
① 英格兰 vs 阿根廷 · 小2.5 · ¥200 · 结果: 输 · 时间: 昨天
② 德国 · 独赢 · ¥300 · 时间: 今天凌晨
"巴萨大2.5赢了" 比赛: 巴萨 vs ? · 盘口: 大2.5 · 金额: 未知 · 结果: 赢
→ AI追问: "巴萨对谁的比赛?金额是多少?"
"前天曼城让半球1k,然后平局买了500,都输了" 两注:
① 曼城 vs ? · 曼城 -0.5 · ¥1000 · 输 · 前天
② 曼城 vs ? · 平局 · ¥500 · 输 · 前天
→ AI追问: "曼城是和谁比的?"

4.3 NLU 实体定义

实体示例必填默认值/追问
比赛法国vs西班牙 / 巴萨 / 曼联追问对手
盘口类型独赢 / 让球 / 大小球 / 半全场追问
盘口值-0.25 / 2.5 / 平手可选可空
方向主队 / 客队 / 大 / 小从盘口推断或追问
金额500 / 1k / 一千 / 0.5u建议追问
时间昨晚 / 前天 / 凌晨 / 7月14日当前时间
结果赢了 / 输了 / 走水 / 输半待定
赔率@1.92 / odds 2.0可空

五、数据模型

5.1 核心实体:投注记录 (Bet)

{
  id: "uuid",
  created_at: "2026-07-15T14:30:00+08:00",
  updated_at: "2026-07-16T03:45:00+08:00",
  
  // 比赛信息
  match: {
    home_team: "England",
    away_team: "Argentina", 
    home_cn: "英格兰",
    away_cn: "阿根廷",
    league: "世界杯",        // 世界杯/英超/中超/竞彩
    round: "半决赛",
    kickoff_time: "2026-07-16T03:00:00+08:00"
  },
  
  // 盘口信息
  market: {
    type: "totals",          // h2h(独赢)/spread(让球)/totals(大小)/ht_ft(半全场)...
    line: 2.5,               // 盘口值
    side: "under",           // home/away/over/under/draw
    odds: 1.92,              // 赔率(可选)
    stake: 200               // 金额(人民币元)
  },
  
  // 结果
  result: {
    status: "settled",       // pending/settled/void
    outcome: "won",          // won/lost/half_won/half_lost/push/void
    actual_score: "1-2",     // 实际比分
    profit: +184             // 盈亏金额(可为负)
  },
  
  // 元数据
  source: "chat",            // chat/manual/import
  tags: ["半决赛", "英格兰"], // 自动标签
  notes: "梅西首发,追的临场" // 用户备注
}

5.2 统计聚合

{
  // 实时聚合(打开App即时计算)
  user_id: "xxx",
  period: "all",             // all/7d/30d/90d/2026
  
  summary: {
    total_bets: 156,
    won: 72,
    lost: 78,
    void: 6,
    win_rate: 0.480,         // 72/(156-6)
    total_stake: 31200,
    total_profit: -1842,
    roi: -0.059,             // -5.9%
    avg_odds: 1.88
  },
  
  // 按维度分解
  by_league: {
    "世界杯": { bets: 45, win_rate: 0.533, profit: +320 },
    "英超":   { bets: 38, win_rate: 0.421, profit: -850 },
    "中超":   { bets: 22, win_rate: 0.409, profit: -520 }
  },
  
  by_market: {
    "h2h":    { bets: 52, win_rate: 0.442 },
    "spread": { bets: 43, win_rate: 0.512 },
    "totals": { bets: 61, win_rate: 0.492 }
  },
  
  by_pattern: {
    "chase_after_loss": {      // 连黑后加倍追注
      occurrences: 12,
      total_profit: -2600
    },
    "late_night": {            // 23:00后下注
      bets: 34,
      win_rate: 0.382
    }
  }
}

六、MVP 页面结构

#页面路由核心内容
1 对话录入 / 对话输入框 · 最近5条解析确认 · 快速查看今日盈亏卡片
2 仪表盘 /dashboard 总盈亏大数字 · 胜率曲线 · 本赛季概览 · 最近10场列表
3 统计分析 /stats 按联赛/盘口/月份分解 · 胜率雷达图 · ROI趋势
4 历史记录 /history 可搜索列表 · 筛选 · 编辑 · 导出CSV
5 AI报告 /report 每周AI生成的行为分析报告 · 偏差发现 · 改善建议
6 设置 /settings 数据导出 · 隐私设置 · 默认盘口偏好 · 关于

七、技术架构

MVP 技术栈

层级技术选型理由
前端框架Next.js 14 + ReactSSR + 路由 + PWA 最佳实践
本地存储IndexedDB (Dexie.js)结构化查询 · 大容量 · 浏览器原生支持
NLU引擎LLM API (DeepSeek/GPT)意图识别 + 实体提取 · Prompt Engineering
统计分析WASM 本地计算隐私优先 · 即时计算 · 离线可用
图表Recharts / Chart.js轻量 · React友好
后端(最小)Node.js + Supabase仅用于用户认证 + AI报告生成(可选本地全栈)
部署PWA + 阿里云App Store绕行 · 国内访问

数据流架构


用户输入 (浏览器)
  │
  ├─→ LLM API ─→ 结构化投注记录
  │                 │
  │                 ├─→ IndexedDB (本地存储)
  │                 │       │
  │                 │       ├─→ 本地统计引擎 ─→ Dashboard数据
  │                 │       │
  │                 │       └─→ 匿名行为向量 ─→ (仅授权时) AI训练
  │                 │
  │                 └─→ UI 确认卡片 ─→ 用户确认/修正 ─→ 更新DB
  │
  └─→ 追问引擎 ─→ (不完整的实体) ─→ 追问用户

八、MVP 验收标准

#验收项标准测试方式
AC1 对话录入准确率 常见句式(20种)解析准确率 > 85% 人工测试20条输入
AC2 录入速度 单条投注录入 < 8秒(从打开到确认) 5人用户测试均值
AC3 多注解析 一句话包含2-3注,正确分离 > 90% 人工测试15条复合输入
AC4 追问智能度 不完整信息被正确识别并追问 > 90% 100条不完整输入测试
AC5 仪表盘实时性 新增投注后统计刷新 < 200ms Performance API
AC6 数据本地化 网络断开后所有功能可用(除AI分析) 断网测试
AC7 数据导出 CSV导出包含所有字段,Excel可打开 1000条记录导出测试
AC8 首周保留 注册7天后回访率 > 40% 数据埋点

九、里程碑与排期

里程碑交付物
W1 项目启动 + 数据模型完成 技术选型确定 · IndexedDB schema · NLU prompt设计 · 设计稿初版
W2 对话录入引擎完成 对话输入框 · NLU解析API · 确认卡片UI · 追问逻辑
W3 仪表盘 + 历史列表完成 盈亏仪表盘 · 胜率曲线 · 历史列表 · CSV导出
W4 AI报告 + 测试 + 上线 首周AI报告 · 8项AC验收 · PWA打包 · 内测发布

十、成功指标

北极星指标

7日留存率

用户一周后还在用 = 产品提供了持续价值

关键指标

周留存> 40%
人均月记录> 20条
AI报告打开率> 60%
付费转化> 3%
NPS> 30

BetMind PRD V1.0 · 2026年7月 · 龙哥