本作品是一款面向小红书内容创作者的 AI 笔记体检工具,帮助创作者在发布前快速预判笔记的限流风险与爆款潜力。用户粘贴笔记标题与正文后,系统在数秒内输出多维度体检报告:一是基于分级敏感词库的违禁词检测,自动标记引流词、极限词、医疗及金融违规词,并给出合规替换建议;二是对接大语言模型,对标题钩子、内容场景感、评论引导、爆款潜力进行量化评分并说明原因;三是 SEO 优化建议,提取关键词、推荐高搜索量话题标签、给出多个改写后的标题方案;四是一键智能改写,在保留作者语气的前提下优化全文。 技术上采用 Next.js 全栈框架开发,前端使用 Tailwind CSS 与 shadcn/ui 构建响应式界面,后端基于 API Routes 实现业务逻辑,数据与用户认证使用 Supabase,内容分析对接 DeepSeek 大模型 API。针对大模型输出结构不稳定的问题,通过 Prompt 工程约束输出格式并加入解析容错,保障接口稳定性。项目以 MVP 模式快速开发并部署上线,具备完整的用户系统与调用频次限制,可根据真实反馈持续迭代。本人独立完成需求分析、产品设计、全栈开发到部署上线全流程。 擅长:AI 应用开发、全栈开发、大模型 API 集成、小程序与 Web 工具开发。