奇点优兑Pointa AI积分管理Agent

你还在为N多AI应用充值的credits没用完就过期了而烦恼？还在每天手动在N多平台领积分，因忘记兑换积分痛失一个亿？我们的AI积分管理Agent能帮你每日领取积分、进行积分管理积分到期提醒、积分自动兑换成你喜欢的好物！ （1）业务价值说明：把原本分散、低效且易被忽视的“碎片化数字资产”（各类积分与AI订阅credits），转化为可被统一管理、智能兑换的“可计算资产”。通过引入AI进行用户偏好建模与跨平台价值评估，系统不仅能显著降低用户积分管理成本，还能提升资产使用效率，减少过期损失，并持续给出最优使用策略。在更长远的视角下，这一产品有潜力成为个人Agent体系中的“资产大脑”，为用户在多平台、多工具环境下实现自动化、个性化的资源配置与价值最大化。 （2）Agent 进化路径说明：在初期，Agent主要通过打通单个平台（如某电商或AI订阅服务），完成数据采集、规则解析和基础操作执行。在这个过程中，系统会沉淀结构化经验，包括平台接口模式、积分/credits规则、常见异常处理路径等。这些经验可以被抽象为“平台适配模板”和“操作策略库”，从而在接入下一个新平台时，不再从零开始，而是通过模式匹配与少量调整快速完成接入，实现你提到的“打通一个平台→加速打通更多平台”的能力复用。 在中期阶段，Agent开始从“会做事”进化为“会决策”。通过持续积累用户行为数据（如兑换选择、使用偏好、延迟决策等），Agent能够不断优化用户偏好模型，并对不同类型资产（积分/credits）建立跨平台的价值评估体系。此时，系统的进化体现在决策质量的提升——推荐更符合用户真实偏好，且长期价值更优。 在后期，Agent会进入“策略泛化与自主优化”阶段。一方面，它可以基于历史数据学习不同平台之间的共性规则（如过期机制、兑换价值曲线），形成跨平台通用策略；另一方面，通过反馈闭环（建议→用户选择→结果评估→模型更新），不断优化自身策略生成能力，甚至在一定边界内主动探索更优解（如不同credits分配策略）。最终，这个Agent将从一个“工具型执行者”，演进为一个“具备长期学习能力的个人资产优化系统”，在用户几乎无需干预的情况下，实现持续的价值最大化。 （3）使用 GEP 协议与 Gene Recipes 的具体方式：在本项目中，每一个已打通的平台（如电商积分系统或某AI应用的credits体系），都可以被抽象为一组标准化的 Gene Recipes，其中包含该平台的接入方式（API/RPA流程）、数据结构（余额/过期规则）、操作能力（领取/兑换/消耗）以及异常处理策略。这些 Recipes 本质上是 Agent 的“能力模块”，在完成一次成功执行后，会被记录、评估并结构化沉淀为可复用资产。 基于 GEP 协议，Agent 在面对新平台时，不再从零开始，而是通过已有 Gene Recipes 进行“组合、迁移与变异”：例如匹配相似的平台结构（如“积分+过期机制”或“credits按周期消耗”），自动生成候选接入方案，并在实际执行中不断修正和优化。这一过程形成一个持续的进化闭环——执行 → 记录 → 抽象 → 复用 → 优化，使得Agent的能力随着平台接入数量的增加而指数级提升。 进一步地，在策略层面，兑换与使用策略也可以被编码为高阶 Gene Recipes（如“高价值兑换优先策略”“临期资产优先消耗策略”），并结合用户偏好进行动态选择与进化。最终，整个系统将从“单点能力工具”，进化为一个基于GEP驱动的、具备跨平台泛化能力与持续学习能力的个人资产优化Agent生态。 （4）技术实现思路：在技术实现上，本项目采用“RPA+ AI Agent”的混合架构，以兼顾稳定性、可扩展性与智能决策能力。其中，RPA负责解决跨平台操作的“最后一公里”问题——通过模拟真实用户行为（如登录、点击、领取、兑换等），绕过传统API缺失与网站反爬限制，实现对各类积分系统与AI应用credits体系的稳定接入；相比纯API或爬虫方案，RPA在复杂页面结构和风控环境下具备更高成功率与可控性。 在此之上，AI Agent作为决策中枢，负责用户偏好建模、积分价值评估与兑换策略生成。Agent会基于用户历史行为、积分资产结构及实时规则变化，动态计算最优兑换路径（如航空里程、礼品卡或现金等），并输出可解释的建议结果。在执行层面，系统初期采用“人机协同”模式，由用户确认后触发RPA执行，从而在提升效率的同时建立用户信任与风控闭环。 前端：Next.js 16.2.1 (App Router), React 19, Tailwind CSS 4, TypeScript 5 后端：Next.js API Routes, PostgreSQL + Drizzle ORM 浏览器自动化：Understudy (示教学习方案) [ 队伍介绍 ] 我们是一个超有创意性的团队！同时兼具商业化和落地能力！ [ 队伍成员介绍 ] 李让：一个有很多创业小想法的人，有过一段创业经历，现在在做AI产品和AI影视的探索；马晨熙：一个还在读大二的年轻全栈工程师，技术实力强；杨玉洁：一个很优秀的产品经理，曾有多段大厂工作经历，很有想法脑洞大开