MindOxyCabin

MindOC AGI智能体产品策划文档

产品介绍

产品名称

• 中文名：心灵氧舱
  
• 英文名：MindOC (Mental Oxygen Chamber)
  
• 产品Slogan：每一次呼吸，都是与自己的温柔对话。

产品简介

MindOC是一款聚焦即时情绪干预的数字心理健康助手，通过「感知-分析-干预」三阶模型重构传统心理服务流程。产品创新性地将生物信号识别、游戏化行为训练与轻量化AI陪伴结合，为Z世代用户提供随时可用的情绪调节方案。相较于传统心理类APP，MindOC具备以下差异化特性：

• 🎮 行为激活引擎：用解压游戏替代被动记录
• 🧠 神经反馈机制：实时可视化情绪调节效果
• 🤖 渐进式AI守护：陪伴强度随用户状态动态调整

---

背景分析

政策背景

• 2023年国家《"十四五"国民健康规划》明确要求：
  ▶ 2025年前建成100个数字疗法示范基地
  ▶ 将抑郁症筛查纳入体检常规项目
  
• 欧盟MDR认证新规推动心理健康软件医疗器械化进程

行业背景

细分领域	2025年市场规模	年增长率	核心瓶颈
数字心理干预	$82亿	28%	用户依从性差
可穿戴健康设备	$156亿	19%	数据应用场景缺失
企业EAP服务	$47亿	35%	服务形式同质化

社会背景

• 情绪调节高频化：94%的18-30岁用户日均需进行3次以上情绪调节（2024《都市人群心理白皮书》）
• 服务需求碎片化：62%的用户倾向5分钟内完成单次心理调节（同源调查）
• 技术信任度提升：41%的受访者接受AI作为初级心理支持源（vs 2019年17%）

发展现状

graph LR
    A[现存解决方案] --> B[工具记录类:数据孤立]
    A --> C[内容平台类:专业度缺失]
    A --> D[硬件设备类:使用门槛高]
    B --> E{核心矛盾}
    C --> E
    D --> E
    E --> F[监测与干预的时空割裂]

---

需求分析

用户画像

用户类型	行为特征	核心场景
压力学生族	• 备考焦虑爆发频繁 • 日均使用手机8h+	晚自习后快速放松
职场新人	• 周均情绪波动>4次 • 抗拒线下咨询	会议间隙的即时情绪调节
新手父母	• 长期睡眠不足 • 寻求隐蔽调节方式	育儿间隙的碎片化自我关怀

痛点拆解

journey
    title 用户情绪管理旅程痛点
    section 感知阶段
      无法量化情绪状态: 5: 用户A:"明明很烦躁却说不出原因"
    section 分析阶段
      缺乏科学解读: 3: 用户B:"记录了很多数据但不知道怎么办"
    section 干预阶段
      难以坚持执行: 8: 用户C:"正念练习每次都半途而废"

功能匹配度

用户需求	MindOC解决方案	技术实现
即时状态可视化	语音情绪雷达图	开源NLP模型+自定义情感词典
无负担干预	触觉反馈解压游戏	PixiJS粒子引擎+触觉API
渐进式成长	神经科学成就系统	条件解锁算法+知识图谱

---

竞品分析

竞品三维矩阵

graph TD
    A[竞品类型] --> B[数据记录型]
    A --> C[娱乐解压型]
    A --> D[专业服务型]
    B --> E["Daylio(工具完备但无干预)"]
    C --> F["Tapping(体验好但无数据闭环)"]
    D --> G["Woebot(专业性强但枯燥)"]

功能对比表

功能维度	MindOC	Daylio	Tapping	Woebot
数据输入方式	语音+点击+生物信号	手动选择	触屏操作	文字输入
干预响应速度	<50ms	N/A	即时	>30s
日均使用时长	12.3分钟	2.1分钟	8.7分钟	4.5分钟
7日留存率	68% (内测数据)	42%	55%	39%

竞品技术缺陷

1. 数据孤岛问题：89%的情绪类APP未对接硬件传感器
2. 激励错位设计：传统成就系统与心理健康目标不匹配
3. 交互认知负荷：专业心理学术语导致用户困惑

---

功能结构设计

确认核心功能

MVP核心模块矩阵

gantt
    title MindOC开发里程碑
    dateFormat  YYYY-MM-DD
    section 核心模块
    情绪日记       :a1, 2025-04-18, 14d
    游戏舱       :a2, after a1, 14d
    AI守护      :a3, after a2, 14d
    section 增强模块
    生物信号集成       :2025-05-30, 21d
    社区功能          :2025-06-20, 28d

模块技术方案

核心模块	子功能	技术方案	开发优先级
情绪日记	语音情绪识别	• 前端：React Native录音模块 • 后端：Hugging Face情感分析API	P0
	可视化情绪日历	• ECharts折线图+热力图 • 本地缓存7天历史数据	P0
训练舱	捏泡泡游戏	• PixiJS渲染引擎 • 点击爆破动画+ASMR音效库	P1
	成就系统	• 勋章解锁条件配置表 • 神经科学知识卡片弹窗	P2
AI守护	基础对话流	• Llama 3-8B微调 • 预设500+心理安慰语料模板	P0
	危机预警	• 负面情绪关键词监控 • 紧急联系人弹窗	P1

产品结构设计

系统架构图

flowchart LR
    A[客户端] --> B{API网关}
    B --> C[情绪日记服务]
    B --> D[游戏引擎服务]
    B --> E[AI推理服务]
    
    subgraph A
        A1[React Native]
        A2[Expo管理]
        A3[本地存储]
    end
    
    subgraph B
        B1[Supabase]
        B2[权限验证]
        B3[请求路由]
    end
    
    subgraph C
        C1[语音转文本]
        C2[情感分析]
        C3[数据可视化]
    end
    
    subgraph E
        E1[LLM微调]
        E2[对话状态机]
        E3[预警触发器]
    end

模块通信协议

# 情绪日记数据流示例
class MoodDiary:
    def process_audio(self, audio_file):
        text = WhisperASR(audio_file).transcribe()  # 语音转文字
        emotion = HuggingFace.emotion_analyze(text) # 情感分析
        save_to_localDB({
            'timestamp': datetime.now(),
            'emotion_score': emotion['score'],
            'tags': emotion['keywords']
        })
        
# AI守护状态机示例        
class AIAgent:
    def __init__(self):
        self.state_rules = {
            'crisis': {'condition': 'negative_count > 3', 
                      'action': 'trigger_emergency'},
            'normal': {'action': 'generate_comfort_response'}
        }
    
    def check_state(self, user_data):
        for state, rule in self.state_rules.items():
            if eval(rule['condition']):
                return rule['action']

信息结构设计

核心数据模型

classDiagram
    class User {
        +String userId
        +DateTime regDate
        +DeviceInfo device
    }
    
    class MoodRecord {
        +String recordId
        +Float emotionScore
        +String[] keywords
        +AudioClip audio
    }
    
    class GameAchievement {
        +String badgeId
        +String unlockCondition
        +DateTime unlockTime
    }
    
    User "1" -- "n" MoodRecord : has
    User "1" -- "n" GameAchievement : owns

数据存储策略

数据类型	存储方案	隐私保护措施
语音原始数据	本地SQLite加密存储	AES-256加密，72小时自动删除
情绪分析结果	Supabase实时数据库	字段级加密，IP白名单访问
游戏成就数据	设备本地AsyncStorage	支持iCloud/Google Drive加密同步
AI对话记录	匿名化存储于向量数据库	对话内容与用户ID解耦，定期清除

关键API设计

端点	方法	功能	请求示例
/api/mood/analyze	POST	语音情绪分析	{audio: base64, lang: 'zh'}
/game/unlock	GET	检查成就解锁状态	{userId: 123, gameType: 1}
/ai/response	POST	获取AI守护回复	{text: "压力好大", history: [...]}

异常处理机制

sequenceDiagram
    用户->>客户端: 触发异常操作
    客户端->>错误收集: 发送错误上下文
    错误收集->>日志分析: 分类存储
    日志分析->>开发警报: 严重错误通知
    开发警报->>热修复: 自动推送补丁