投放自动日报与异常分析 Demo

为什么做这件事

在小红书聚光投放工作中，每天需要下载并整理账户、计划、素材、关键词等多个层级的数据。数据统计和日报复盘接近两个小时，真正用于素材分析、计划调整和测试判断的时间反而被压缩。

这个项目不是从“想做一个 AI 工具”开始，而是从一个每天重复发生的工作问题开始：哪些步骤必须由人判断，哪些步骤可以交给程序和大模型先完成。

我把它做成了什么

我先整理日常复盘中的真实需求和判断规则，再使用 GPT 将需求形成 PRD，并借助 Codex 搭建本地运行的自动日报 Demo。

Demo 将数据整理、指标计算、异常标注、分析初稿和日报输出连接在同一流程中。AI 的作用不是替代最终决策，而是帮助我更快定位值得进一步检查的计划、素材和关键词。

我负责需求梳理、PRD、数据结构、异常规则、Prompt 测试和版本迭代，并使用 Codex 辅助完成实现。

它是怎么工作的

AI 分析严格基于已经计算的指标；当数据不足时，流程会标记“暂时无法判断”。工具不声称自动采集实时平台数据，最终调整动作始终由人工确认。

从第一版到现在

最初版本能够跑通数据，但局部需求修改容易影响已有功能。模型有时会在修复一个细节时改动其他模块，使代码结构和变量不断增加。

我通过逐步冻结核心流程、拆分模块、保留稳定版本和单变量验证，累计迭代约 25 个版本，逐渐稳定数据处理链路。

最终将原本约两小时的数据整理压缩至 30 分钟以内。当前项目定位为可运行 Demo，重点证明业务需求、分析规则和 AI 工作流能够被真正连接起来。