一、需求和功能分析

在 3 月份“龙虾”等 AI Agent 产品掀起热潮的背景下，云音乐的 AI 音乐助手也正式立项了。我们希望依托平台长期沉淀的听歌行为、音乐偏好与用户资产，以及助手在持续交互中积累下来的记忆，实现歌曲搜索与推荐、歌单资产管理、功能操作与情感陪伴等能力，推动云音乐从“人找功能”的产品，走向更懂用户的音乐伙伴。

在接手需求后，我首先调研了用户的真实诉求，在倾听平台下载了近两年 10,000+ 条用户对云音乐 AI 的真实反馈和建议，用 AI 清洗、分类、筛选，帮助团队定位用户对云音乐 AI 助手最真实的期待。

后续我们发散了非常多的想法和能力，但是最终根据优先级，推荐、资产管理、聊天陪伴、深度解析、操作控制、智能搜索这些功能一期全部上线。

二、设计分析

根据产品给出的需求定位和需求目标，我也推导了设计的目标和策略：

入口和框架设计： 根据入口轻重，我们讨论了 3 个入口方案。

• 右上角：入口轻量。 先上线，再根据反馈迭代的保守方案。
• Minibar：入口较重。 不会对现有布局造成较大破坏，在歌单页、歌手页等只要有 Minibar 的地方，就可以随时打开 AI 助手。
• 主菜单：入口重。 对现有布局影响较大，但也能获得更多流量，建立在对功能有较大信心上。（最终方案）

在这个环节中，我考察了用户在二级页使用 AI 的场景，主要提出了第二种方案。

首页和新手引导设计： 在这个环节中，我分析了各竞品的首页结构，提出了保留左下角黑胶的方案。上线后，左下角黑胶点击率超过 40%，是非常实用的功能。

对话流程设计： 在这个步骤里，我梳理并模拟了所有对话流程，输出了完整交互方案。

三、总结

虽然市面上已经涌现出大量大模型应用，但在 AI 与音乐融合这条赛道上，我们都仍是初学者。如何让 AI 真正理解用户的音乐偏好、当下情绪与生活场景，并进一步改变用户发现、聆听和管理音乐的方式，不是依靠一次设计或一次上线就能完成的。它需要在真实的用户反馈中持续学习，围绕音乐理解、推荐准确性、长期记忆、人格表达和主动服务进行精细化运营与反复打磨。

这次设计只是一个起点，我们希望“小宝”能够在长期迭代中越来越懂用户，最终从一个提供功能的 AI 助手，成长为真正陪伴用户的音乐伙伴。

在最初小范围灰度不到一周的时间里，已经有近 10k 用户与小宝发生对话，其中约 22% 的用户每天对话轮次 ≥ 4 轮，将 AI 作为高频交互伙伴，而不仅仅是“点一次就走的功能”。