产品案例
Frolio
从香水收藏，到下一次选择。
我使用 Claude Code 独立设计与开发 Frolio，负责产品决策、界面、数据模型与线上部署。产品串联个人收藏、使用日记、私密笔记、入门引导、语义搜索、每日推荐与购买信息。
收藏不只是一张清单。
已经拥有、曾经试香与实际使用，代表不同的体验。Frolio 将这些记录放在一起，也让新手能在不熟悉专业香调术语的情况下开始发现。
入门、收藏、使用，再发现。
公开香水目录与社区，和个人收藏及日记并行。产品将第一次探索与日常选择连接起来。
- 收藏与隐私. 通过已拥有、已试香、愿望清单与归档状态整理香水。公开收藏可包含评分与近期使用记录，个人笔记保持私密。
- 使用日记与日常习惯. 使用记录、评分、日历、私密笔记与连续记录机制，让用户回看实际使用情况；每周任务与有上限的保护次数支持持续记录。
- 结合已有收藏做购买判断. 经研究的美国零售商报价标注容量、浓度、来源与核验日期；购买前比较将列出的香料与香调特征和已拥有、已试香的收藏进行比较。
- 可逐项复核的照片录入. 用户可以从单瓶或整架照片开始录入，每个识别候选都需由用户复核后再添加。
- 三种界面语言. 英文、简体中文与繁体中文界面覆盖产品流程，并使用经过审校的香气术语。
找到入门起点
选择入门路径，从熟悉的气味出发，探索基于香水目录的匹配结果与学习任务。
建立个人记录
整理已拥有、已试香与愿望清单，保存私密笔记、为香水评分，并记录每天使用的香水。
决定下一次选择
查看每日推荐，用自然语言搜索，或将准备购买的香水与已有收藏进行比较。
公开首页介绍收藏理念，并引导访客创建自己的收藏或探索香水。
三条香水发现路径。
入门匹配、基于描述的搜索与每日推荐，解决不同的问题。Frolio 将模型辅助的语义检索与确定性匹配和排序结合。
- 从熟悉气味入门. 基于规则的品味引导无需调用模型，即可返回最多三款目录匹配；三项可保存进度的学习任务帮助新手继续探索。
- 语义搜索与相似香水. Claude 理解香气描述，Voyage AI 生成 1,024 维向量，pgvector 与 HNSW 索引检索候选，再进行重排，并支持相似香水推荐。
- 个性化每日推荐. 最多三款私密每日推荐结合收藏评分、使用记录、香气特征与负反馈，以确定性排序增加多样性并避免重复，无需调用模型。
Frolio 系统架构
收藏状态、评分、使用记录与私密笔记通过 Prisma 存入 PostgreSQL。每日推荐采用确定性排序；语义搜索使用 Claude 查询理解、Voyage AI 向量与 pgvector 检索。Next.js 与 NextAuth 负责界面和账户边界，Docker 与 Cloudflare 提供线上访问。
支撑 Frolio 公开产品的已验证组件。
产品体验、发现机制与线上基础设施。
产品上线之后，还要持续运行。
我把线上运行视为产品建设的一部分。Frolio 通过 Docker 与 Cloudflare Tunnel 部署，并配置请求限流、错误监控、内容审核和定时备份。
- 应用运行保障. Upstash 负责请求限流，Sentry 监控应用错误，Anthropic 支持安全审核。
- 定时备份. 通过 systemd 定时器触发备份任务。
当前数据
产品目录规模，于 2026 年 10 月 1 日通过公开发现接口核验。
这是目录条目数，并非用户数或推荐质量指标。
让依据与边界清晰可见。
发现与购买辅助提供有用的判断背景，同时保留清晰的适用边界。
- 香料与香调特征的重合是比较线索，并不能证明两款香水实际闻起来相似。
- 零售商报价覆盖经研究的美国市场瓶装规格；带日期的报价与 Fragrantica 商店价格范围分别标注。
- 照片识别需要用户复核。基于 Cloudflare R2 的论坛图片上传仍未启用。