产品案例
Frolio
管理香水收藏,找到下一款想试的香水。
Frolio 是什么
Frolio 是一个帮助香水爱好者管理收藏、寻找下一款想试的香水的网站。用户可以整理已拥有、已试过和愿望清单中的香水,记录每天用的香水、评分和私人笔记;也可以用自己的话描述气味来搜索目录,从熟悉的气味入门,或查看根据收藏和用香记录生成的每日推荐。
我做了什么
我负责 Frolio 的产品策略,并使用 Claude Code 独立开发。产品以收藏和用香日记为基础,再针对入门、按描述搜索和选择下一款香水三种需求,设计不同的发现路径。目录包含 150,000 款不同香水。

分别记录收藏、试香和日常用香
拥有哪些香水、试过哪些、平时用哪些,是不同的信息。我把这些区别作为产品基础:先整理有用的个人记录,再支持发现和购买决策。新手可以从熟悉的气味入门,无需先掌握香水术语。
收藏管理、用香日记和香水推荐
我以收藏和用香日记为核心,再将发现与购买工具连接到这些记录。产品明确区分公开分享与私人笔记;照片识别结果必须经用户确认,才会进入收藏。
- 收藏与隐私. 用户可以按“已拥有”“已试香”“愿望清单”和“已归档”整理香水。公开收藏可展示评分和近期用香记录;个人笔记仅自己可见。
- 用香日记. 用户可以记录每天用的香水、评分和私人笔记,并在日历中回看。网站也提供连续记录、每周任务和次数有限的断签保护。
- 买之前,先与已有收藏比较. 整理的美国零售商报价注明容量、浓度、来源和核验日期。“购买前比较”功能会对照候选香水与已有、试过的香水,比较公开列出的香调和气味特征。
- 拍照添加,逐项确认. 拍下单瓶香水或整架收藏后,系统会列出识别结果;用户逐项确认后,才会添加到收藏。
- 三种界面语言. 网站支持英文、简体中文和繁体中文,香水术语也经过校对。
三种找香水的方式
我将找香水拆成三种任务:新手通过入门匹配开始探索;语义搜索理解开放式描述;每日推荐参考收藏历史和反馈。匹配和日常排序用规则处理,LLM 用于理解更灵活的自然语言描述。
- 从熟悉的气味入门. 入门匹配根据用户熟悉的气味,从目录中推荐最多三款香水,无需调用 AI 模型。另有三项新手学习任务,可以保存进度。
- 语义搜索与相似香水. Claude 解析用户的香气描述,Voyage AI 将其转换为 1,024 维向量;pgvector 通过 HNSW 索引检索候选香水,再重新排序。相似香水推荐也使用这套检索方法。
- 个性化每日推荐. 每日推荐最多提供三款香水,仅本人可见。排序会参考收藏评分、用香记录、香气特征和负面反馈,并按规则增加多样性、避免重复,无需调用 AI 模型。
Frolio 系统架构
收藏状态、评分、用香记录和私人笔记通过 Prisma 存入 PostgreSQL。每日推荐按规则排序;语义搜索由 Claude 解析查询、Voyage AI 生成向量,再用 pgvector 检索。Next.js 提供界面,NextAuth 负责登录验证;Docker 和 Cloudflare Tunnel 负责部署和访问。
Frolio 的应用、数据库和部署组件。
应用、推荐与部署架构。
部署与维护

Frolio 部署在 Docker 中,通过 Cloudflare Tunnel 提供访问,并配置请求限流、错误监控、内容审核和定时备份。
- 运行监控与内容审核. Upstash 负责请求限流,Sentry 监控应用错误,Anthropic 支持内容审核。
- 定时备份. systemd 定时器定期运行备份任务。
当前数据
截至 2026 年 10 月 27 日的目录规模,由我作为产品负责人确认。
这是目录去重后的香水数量,用于说明目录规模,不代表用户使用量或推荐质量。
使用边界
这些使用边界帮助用户核对信息后再做决定:香气比较只是线索,报价注明来源和日期,照片识别结果需要本人确认。
- 公开列出的香调和气味特征相近,只能作为比较线索,不能证明两款香水实际闻起来相似。
- 零售商报价只覆盖已整理的美国市场瓶装规格。已记录的报价及核验日期,与 Fragrantica 的商店价格区间分别展示。
- 照片识别结果需要用户确认。使用 Cloudflare R2 的论坛图片上传仍未启用。







