作为一个常年收集电影票根的人，纸质票根容易褪色、遗失的问题一直困扰着我。每张票根背后都是一段具体的记忆——和谁去的、那天的心情、散场后聊了什么——但这些细节正在随着纸质票根的褪色一起消失。
市面上的观影记录工具（豆瓣、Letterboxd 等）大多围绕电影本身展开，核心功能是评分和影评。它们记录的是"看了什么电影"，而非"那次看电影的经历"。没有一款产品真正在意票根本身——这张承载了时间、地点、同行人的实体凭证。
有票根收集习惯的观影爱好者，尤其是习惯用手帐、日记等方式记录生活的年轻女性用户。她们需要的不是又一个影评工具，而是一个能保留每一次观影经历的私人手帐。
基于需求分析，将产品功能拆解为四个模块，按优先级排列：票根数字化（OCR 识别 + 电子模板）、个性化记录（同行人 / 小食 / 情绪标签）、数据统计（观影回顾 / 搭子报告）、社交分享（长图模板 / 票根墙导出）。
两周开发周期，使用 Cursor + AI 辅助开发。MVP 聚焦前两个模块——先让"拍照 → 识别 → 生成电子票根 → 补充私人记忆"这条最小闭环跑通，再迭代统计和分享功能。
不做影评、不做社区、不做推荐算法。只做一件事：让每张票根变成一页完整的观影手帐。所有功能围绕"票根"这个核心对象展开，而非围绕"电影"。
项目初心是"保留纸质票根的原始面貌"。但实际设计中发现，各影院票根的尺寸和版式差异很大，直接以原图展示会导致票根墙视觉混乱，因此转向设计标准化的电子票根模板。
然而这一转向几乎背离了初心——纸质票根的真实面貌反而无处安放了。
最终方案是在 OCR 流程中加入四角精准拖动裁剪功能：用户拍摄实体票根后，可以手动裁剪出想保留的区域，裁剪结果作为票根墙封面图呈现。这样既保证了票根墙的视觉统一性，又保留了每张纸质票根的真实样貌。
设计了三套电子票根模板，统一格式但提供不同配色风格。票面信息由 OCR 自动填入，用户也可以手动修改。模板之外，额外提供同行人、小食、情绪三个个性化记录维度。
使用 Cursor和Xcode完成全部开发。整个过程的核心不是写代码，而是将产品需求拆解为 AI 能理解的指令——每个功能的预期效果、交互流程、边界情况，都需要用清晰的自然语言定义。
OCR 功能的调试耗时近两天。主要问题是上传新图片后应用闪退，经过与 Cursor 多轮沟通和 prompt 调整才定位到是内存管理的问题。但 OCR 是产品的基础能力，识别精度直接影响用户的使用意愿和使用频率，因此必须要解决。
AI 辅助开发的瓶颈在于能不能把需求描述得足够清楚，模糊的指令只会产出模糊的代码。只有输出越清晰的需求定义，才能收获越高效的执行。
两周时间，从一个模糊的想法到 Xcode 模拟器中可运行的完整产品。覆盖票根 OCR 识别、个性化观影记录、观影数据统计、搭子报告与社交分享长图生成的完整功能链路。
南开大学文艺学专业应届毕业生，研究方向为大众文艺美学。长期关注网文与电影的传播逻辑——什么样的内容能被广泛接受、背后的结构性原因是什么。这种分析习惯也延伸到了产品设计中：Tickets Diary 的功能取舍和用户定位，很大程度上来自对观影人群的分层观察。
这是首次尝试用 AI 工具将想法落地为可运行的产品，我享受从模糊的需求中提炼出清晰定义的过程，也相信人文学科训练出来的对语言的敏感、对人的理解、对细节的关注，在产品设计中同样有其价值。
目前正在寻找产品、运营和内容方向的工作机会，也对 AI 应用领域保持开放。如果你觉得这个项目的思考方式有意思，欢迎联系我。