跳到主要内容

20260210_需求会

会议主要对齐Reflekt Health MVP阶段产品需求细节、技术方案难点，并探讨英国四所大学教授学术合作机会，明确后续PRD交付计划。

一、概览​

  • 会议主题： Reflekt Health MVP 需求细化与功能评审

  • 会议时间： 2026年2月10日 17:00-19:00

  • 会议地点： 腾讯会议

  • 参会人员：

    • Elle Wu：项目发起人
    • 张总：技术顾问/硬件对接支持
    • Daniel Yin：产品经理 & 架构师

二、议题​

2.1 外部学术合作与项目资助机会​

  1. 合作背景： Elle介绍英国某大学四位教授（研究领域：机器人计算、语音情绪识别、老年数据建模、隐私安全）对项目高度认可，认为项目具有社会影响力，愿提供学术支持。

  2. 合作目标： 借助教授们的专业领域，在数据准确性、安全性、可依赖性等方面为系统提供学术背书，增强产品权威性与用户信任；同时用于申请英国政府资助（政府承担50%费用），并支持后续融资。

  3. 讨论内容：

    • 需从技术角度梳理各研究领域如何具体融入系统（如跌倒检测算法优化、情绪分析模型、数据隐私合规等）。
    • Elle将提供四位教授的详细资料，Daniel与张总协助分析技术结合点，并写入政府申请Scope。

2.2 核心功能需求与交互细节讨论​

  1. 设备安装与绑定：

    • 家属通过APP扫码/蓝牙为音箱、雷达配网，整体操作应在5-6分钟内完成。
    • 雷达设备添加时需标注安装位置（如厨房、卫生间），便于后续算法优化与用户识别。
    • 设备解绑需联系客服后台处理，避免用户随意解绑导致数据混乱。

  2. 预警与报警机制：

    • 三级通知体系：红（电话）、黄（APP通知）、普通（APP通知），红色报警需直接电话呼叫家属。
    • 跌倒检测后，Luma音箱主动与老人进行多轮对话确认，适当延长等待时间（如30秒），避免误报。
    • SOS呼叫提供三种触发方式：① 屏幕按钮（二次确认）；② 关键词语音识别（如“SOS”“呼叫家属”），本地ASR直接触发；③ 唤醒Luma后的自然语言对话，由AI判定风险。

  3. 提醒功能：

    • 文字提醒与语音留言合并，家属可从模板库选择或自定义内容，设置重复规则。
    • 用药提醒：仅提醒“该吃药了”，不涉及剂量等医疗责任；老人可通过语音反馈“已吃”或“没吃”；系统根据历史反馈判断是否需要二次确认（如5分钟后再次询问）。

  4. 家属端APP体验：

    • 增加隐私政策撤回处理：若用户撤回同意，暂定停止数据收集并丢弃后续数据，数据存储方案待进一步研究。
    • 操作审计日志：记录家属端关键操作，用于系统学习与免责，本期先实现记录功能。

  5. 老人端交互：

    • 音箱支持连续对话（唤醒后保持10秒等待），利用GPT引擎提升交互自然度。
    • 离线场景下，音箱预置TTS音频文件，本地执行固定规则播报；老人语音可本地录音，联网后补传。

2.3 技术方案与实施难点​

  1. 硬件数据准确性问题：

    • 当前手表、雷达厂家仅推送已处理的事件结果（如跌倒），缺乏原始传感器数据，导致二次优化困难。
    • 结论：MVP阶段优先选择准确性经过市场验证的硬件，不投入自研算法；但系统将完整存储所有上报数据及用户反馈，为后续优化积累素材。

  2. 离线与容错处理：

    • 设备心跳检测：12小时离线告警，48小时高风险（参数可配置）。
    • 本地ASR模型准确率可能不高，需标注为重点关注项，后续调研可行性。

  3. 数据合规与隐私：

    • 为满足GDPR等要求，后台需支持数据导出与删除功能，并记录操作审计日志（保留12个月）。
    • 所有数据请求强制携带家庭ID，实现数据隔离。

2.4 产品设计进度与交付安排​

  1. 当前进展： Daniel已完成功能清单梳理、用户故事编写及部分流程图绘制（使用AI绘图工具提高效率）。

  2. 后续计划：

    • 完善业务架构图，节前主要进行收尾工作，原型设计延至春节后集中开展。
    • Daniel将输出中文版PRD文档及英文翻译版（Word格式），供Elle同步给硅谷CTO及老年专家评审。

  3. 工具分享： Daniel演示了AI辅助流程图生成工具，可大幅提升需求梳理效率，团队后续可推广使用。

三、结论​

  1. 外部合作：明确启动英国四教授合作对接，由Elle提供教授资料，Daniel与张总负责技术结合点分析，用于政府Scope撰写。

  2. 功能范围：本次评审的功能清单及用户故事获得初步认可，涵盖设备绑定、预警闭环、提醒关怀、隐私合规等核心模块，MVP 边界清晰，补充雷达位置标注、用药两轮确认、离线本地录音等细节。

  3. 技术决策：

    1. 硬件数据准确性依赖厂家，不做自研算法；所有原始数据全量存储；解绑流程统一由客服后台处理。
    2. 添加雷达的时候，添加位置标注
    3. 检测到危险后Luma和老人多聊两句，确认是真的发生了危险
    4. 三级预警与跌倒 AI 确认流程定稿，红色预警自动电话通知。
    5. SOS 采用“按键+关键词+AI”三种触发方式，确保可靠性。
    6. 用药提醒仅做执行记录，不承担医疗责任。
    7. 设备解绑需客服后台处理，避免数据错乱。
    8. 提醒吃药，增加两轮确认（根据历史反馈判定是否需要第二轮确认）。

  4. 交付计划：Daniel于2月11日（明天）发出中文+英文版PRD文档，节后启动原型设计

四、待办​

  • @Elle

    • 提供英国四位教授的详细研究领域及联系方式：尽快
    • 将PRD英文版同步给硅谷CTO及老年专家，收集反馈意见：收到文档后一周内

  • @Daniel

    • 整理本次会议讨论内容，更新 PRD 文档及用户故事（含流程图）：2月11日下班前
    • 将更新后的文档翻译为英文版（Word 格式），供 Elle 分发评审：2月11日下班前
    • 向团队分享 AI 流程图工具及使用指引：2月12日前
    • 调研本地ASR模型在离线场景下的可行性及准确率，标注风险点：技术设计阶段

  • @张总

    • 协助Daniel分析四位教授研究领域与系统的技术结合点：收到资料后三天内
    • 调研 WiFi6 定位技术在居家养老场景的成熟度：2月底前
    • 联系硬件厂家，确认是否可获取更原始的传感器数据（如陀螺仪数据），并评估可行性：2月底前