AI 家居 / 软装决策 / 产品原型
家plus · AI 软装改造助手
面向精装修新房业主的 AI 软装改造 App Demo，把“上传真实照片、选择偏好、生成效果图、推荐家具、分步落地”串成一个可理解的决策流程。
AI 软装方案
基于真实房间照片，生成风格方向、预算优先级、家具推荐和三步落地建议。
照片输入风格偏好预算分层家具清单
向下查看项目背景、核心方案和设计产出
Project Overview
把 AI 生图从“好看图片”变成用户可以执行的软装方案。
项目聚焦刚收房、想软装、不想大拆大改的用户，通过真实房间照片和结构化偏好，让 AI 结果不只停留在视觉灵感，而能继续转化为预算判断、家具清单和执行步骤。
项目类型AI 家居产品 / App Demo / 产品经理作品集
目标用户精装修新房业主、准备入住或准备购买家具的人群
我的角色产品定义、MVP 范围、PRD、AI 工作流、原型设计
核心产出PRD、产品结构图、Figma 原型、本地静态 Demo
PRD
家plus · AI 软装改造助手 PRD 文档
点击按钮后在当前页面阅读完整 PRD，不再打开新页面或下载文件。
Problem
用户不缺灵感，真正困难的是判断“案例能不能落到自己家”。
灵感无法迁移
内容平台案例很多，但户型、采光、墙地面颜色和预算都不一样。
购买决策焦虑
用户担心家具买错，和现有硬装、比例、动线不协调。
效果图难落地
看到漂亮图片后，仍不知道先买什么、花多少钱、怎么一步步执行。
Solution
用“真实照片输入 + 结构化偏好 + AI 方案 + 家具清单”形成闭环。
MVP 不做完整家装平台，先验证用户是否愿意基于自己的真实空间理解 AI 方案，并继续转化成可购买、可执行的软装决策。
01
理解价值
首页说明产品能基于真实房间生成软装方案。
02
上传照片
让 AI 获得真实空间输入，减少泛泛而谈的灵感推荐。
03
补充偏好
选择空间、风格、预算和家庭需求，收敛生成方向。
04
生成方案
输出改造效果、空间诊断、家具推荐和落地建议。
05
保存执行
把满意方案沉淀到我的方案，方便后续比较和采购。
Interface
界面围绕“输入、生成、结果、沉淀”四个阶段展开。
每个页面都对应一个明确任务：让用户提供有效输入，降低等待不确定感，理解 AI 结果，并将结果转成下一步行动。
结果页 / 改造方案
输入链路 / 偏好选择
真实照片让 AI 理解空间基础条件。
预算与风格把用户偏好转成可计算约束。
家具推荐把效果图继续转成购买清单。
Product Thinking
产品思考重点在于把 AI 能力放进真实决策链路。
这个项目不是展示一次生成效果，而是把 AI 输出拆成用户看得懂、能比较、能执行的方案结构。
产品层
- 围绕真实照片输入设计生成约束。
- 用预算、风格、家庭需求降低结果随机性。
- 把结果页拆成视觉效果、诊断、推荐和落地建议。
AI 工作流
- 图片理解：识别空间类型、采光、主色和可改造区域。
- 风格策略：结合预算和偏好生成软装方向。
- 执行建议：把生成结果转成购买优先级和三步落地计划。
7核心原型页面
1本地可交互 Demo
4核心流程阶段
1AI 软装决策闭环