xx 化工企业（客户要求保密）是一家化工产品贸易公司，主营纯碱、尿素、小苏打三类产品，全国设有 5 个销售区域，覆盖 31 个省市，销售团队分布在不同大区。本次受邀协助他们把销售数据管理这件事做顺。

先说清楚边界，因为这个案例只展示了其中一部分。客户的真实需求拆下来是两块：一块是把散落的销售数据集中管起来、看得见（客户管理 + 可视化），另一块是客户内部那份数据的分类和匹配。第一块我已经做完并上线了，也就是下面网页里展示的这套「可视化客户管理系统」；第二块还在做，因为涉及客户的具体业务细节，没有做成可以公开演示的界面，我把它的进展放在文末的「进行中」一节里如实说明。

公司的销售数据管理长期依赖 Excel 表格——客户信息、区域分配、销量统计全部靠手动维护的电子表格。随着业务增长，这种方式暴露出明显的痛点：

• 数据分散：不同销区的数据各自为政，没有统一视图，管理层难以快速了解全国业务全貌
• 更新滞后：Excel 手动维护效率低，数据更新不及时，销区之间信息不对称
• 可视化缺失：纯数字表格无法直观展示区域分布和销售热度，管理决策缺乏数据支撑

与销售团队沟通后，梳理了现有的业务结构和数据流：

• 全国分为 5 个销区，每个销区设大区经理 1 名
• 销区下设业务经理、办公室 / 内勤、业务员
• 每个省 / 市有对应的业务员负责，部分客户跨多个区域

• 三类产品（纯碱 / 尿素 / 小苏打）各自独立管理客户
• 一个客户可能在多个城市有业务，需要按城市分别记录销量
• 销售团队习惯用 Excel 维护数据，任何新工具都需要兼容这一习惯

作为一个产品经理背景的开发者，我选择用 AI 辅助开发（Vibe Coding）来完成这个项目。核心考虑是：

• 时间约束极强：从需求确认到公司需要使用，只有约 1 周时间
• 需求明确但技术面广：涉及地图可视化、前后端开发、数据库设计、服务器部署，单人全栈开发效率挑战大
• PM 的优势在于需求理解：我能精确描述「要什么」和「为什么」，AI 擅长快速生成「怎么做」的代码

• 与业务方沟通，理解真实场景和痛点
• 判断功能优先级——先做地图可视化和数据管理，设置页面等低优先级后做
• 定义业务规则——如内蒙古拆分逻辑、客户多地区关联模型、产品类型映射

• 定义交互流程——地图点击→信息面板→省份下钻→客户卡片→详情弹窗
• 发现 AI 实现与需求的偏差并及时纠正——如「颜色应该填充在地图内而不是 hover 才显示」、「反馈数字被误显示为温度值」等
• 把模糊的业务需求转化为精确的技术需求——「一个客户可能对应多个地区」→数据库的一对多关联模型设计

• 手动测试每个功能，发现 AI 代码的 bug 并指导修复
• 产品类型切换后客户列表未同步更新、批量删除功能异常等，都是我在测试中发现并推动修复的
• 部署后的端到端验证——本地能跑 ≠ 服务器能跑，处理了大量 Prisma 配置、Nginx 反向代理、数据库连接等部署层面的问题

• 中国地图热力图，颜色深浅代表各省销量大小
• 顶部产品切换（纯碱 / 尿素 / 小苏打），地图数据实时切换

• 点击任意省份，地图切换为该省各市的地图
• 信息面板显示该省销售汇总 + 客户列表卡片（按销量排序）
• 点击客户卡片弹出详情弹窗（联系方式、备注、各地区销量明细）

• 按产品类型分 Tab 管理客户数据（纯碱 / 尿素 / 小苏打）
• 客户表格支持展开查看多地区子记录
• 新增 / 编辑客户：省市联动下拉选择，支持添加多个地区
• 批量操作：全选 / 多选 + 批量删除
• Excel / CSV 导入：上传文件自动解析，同名客户智能合并

前面的网页解决的是「客户管理 + 可视化」。但项目里还有一块没在网页上呈现，也是我现在正在做的——客户内部那份数据的分类与匹配。这部分不像地图那样适合做成一个面向所有人的界面，它更像一套需要严格按步骤跑的处理流程，而且每一步都和客户自己的业务口径绑得很死。

我的做法是先把这件事「怎么做」彻底想清楚：和业务方一起把整个数据匹配的判断步骤拆出来，写成一份完整的 SOP，再把这份 SOP 落成一个可重复执行的工作流（workflow）。它本身就是这个项目的一部分，只是因为里面是客户的具体业务细节，没有做成可以对外演示的 UI。

目前我已经进一步把这套工作流封装成了一个完整的 Skill。但这个 Skill 里直接带了客户的具体信息（业务规则、分类口径这些），所以暂时不能公开放出来——这也是它没有出现在上面网页里的原因。

我最终想把这套流程做成一个 Agent，让它在日常里真正跑起来。设想的用法是这样：

• 客户的内勤把一份待处理的数据丢给 Agent
• Agent 跑这套已经固化好的工作流（也就是现在的 Skill）
• 完成数据的分类与匹配，得出结论
• 再把结论返回给内勤，直接拿去用

这样内勤不需要懂背后的规则，也不用一步步手动操作——他们要的是结论，中间那套判断交给 Agent 按固定流程跑。这部分还在推进中，等它成熟、且能在不暴露客户信息的前提下展示时，我会再补到这个案例里。

• 极快的需求 → 上线闭环：7 天内从调研到上线，且系统已投入实际使用。这得益于：① 需求理解精准，没有做多余功能；② AI 辅助开发极大提升了编码效率；③ 遇到问题快速决策
• 业务理解驱动产品设计：内蒙古城市级拆分、客户多地区关联、Excel 导入等功能都来自对真实业务场景的深入理解，而非技术驱动
• Vibe Coding 的正确姿势：AI 辅助开发的核心不是「不写代码」，而是让 PM 把更多精力放在需求理解、产品判断和质量控制上。AI 生成代码，我负责「对不对」和「好不好」

• 部署经验不足：部署阶段花了较多时间处理 Nginx 配置、Prisma 在 Linux 上的二进制兼容、数据库连接等问题。如果有更多 DevOps 经验，部署可以更高效
• 缺少正式的用户测试：由于时间紧迫，直接交付给业务方使用，没有组织正式的可用性测试。后续可以收集使用反馈进行迭代
• 数据安全与权限：当前系统没有用户登录和权限管理，所有人都可以修改数据。作为内部工具可以接受，但如果用户范围扩大需要加入权限控制