企业官网建设流程全解析

做面向实体小店的 AI 产品，技术选型的第一约束不是效果上限，而是风险下限。

最近我们（VertGrow・销冠 Claw）拿到了视频号团购服务商授权，借此复盘三个关键技术决策，对做垂直场景 AI 产品的同学可能有参考。

决策一：私域自动化 —— 为什么放弃协议接入

最 "快" 的路线是直接接平台底层协议：功能全、开发快，市面上多数同类工具这么做。但这条路架构性风险太大：非官方协议天然在平台风控打击面内，账号受限意味着客户资产归零 —— 对小店老板，微信里几百个老客户就是全部生意。

最终选了安卓系统辅助操作：不破解、不注入、不调非官方接口。代价是开发量大增。对外口径也不吹 "绝对安全"，如实告诉用户 "风险无法归零，我们降到最低"。

决策二：视频生成 —— 为什么放弃提示词生成路线

通用路线是 text-to-video：文本进、画面出。营销场景下这是歧路：

1. 生成画面和商户真实场景无关，平台多模态查重（图像特征哈希、场景一致性校验）很容易判为非原创；

1. 商户品牌一致性无法保证 —— 生成一个 "看起来像餐厅" 的画面，不如用他自己的门头。

正确架构是把商户实拍素材作为唯一视觉输入：自研模型以音频驱动实拍素材剪辑，本质是把 "生成" 问题转成 "理解 + 编排" 问题。生成自由度下降，但真实性、合规性、品牌一致性三个约束全部满足。

决策三：对话系统 —— 为什么自研情境引擎

通用 LLM+Prompt 做客服，demo 惊艳，多轮后逻辑混乱。垂直场景对话质量核心在情境建模，不在基座模型。我们的 A-C-T 情境感知引擎，仅对话逻辑迭代了 30 多版。

商业模式

旗舰版980 元 / 年，42项功能全开放，折合每天约2.68 元。内测一家奶茶店12天发26条原创短视频，带来31咨询、18核销、7回头客（个体案例，仅供参考）。

合规背景

2026 年 9 月发布的 GEO 团体标准（T/CAACCHINA 001~005-2026）已明确 "伪造数据"" 虚构引用 "为禁止行为。" 数据来源明示 + 不做绝对化承诺 " 应该成为 AI 产品的设计约束，而不是事后补救。

做小微商户 AI 产品的同学共勉：技术选型先过风险这一关。