Skip to content

PRODUCT_EVOLUTION.md

Latest commit

 

History

History
138 lines (109 loc) · 7.6 KB

PRODUCT_EVOLUTION.md

File metadata and controls

138 lines (109 loc) · 7.6 KB
Raw

ClickReflex Product Evolution Roadmap (2026-2027)

文档定位: 本文档描述 ClickReflex.com 的长期战略愿景和产品进化方向。它是对《项目宪法》的补充，专注于“我们要去哪里”。 核心使命: 从“在线小工具站”进化为 「全球人类反应性能基准平台」 (Global Human Reaction Benchmark Platform)。

一、核心理论模型：The Human Reaction Performance Stack

我们将用户的“反应时间”解构为 4 个科学层级。这是我们的核心护城河。

🏎️ Total Reaction Time =

  1. 🧠 Neural Processing (神经反应): 视觉/听觉信号传导速度。
  2. 🤔 Cognitive Decision (认知反应): 大脑识别、判断、决策的速度。
  3. ⚡ Motor Execution (动作执行): 神经信号转化为肌肉动作的精度与速度。
  4. 🖥️ System Latency (系统延迟): 硬件与软件处理输入的物理延迟。

二、架构对比：现状 vs 未来

1. Current State (2026 Q1) - "Input Lag Hub"

目前我们处于“工具孤岛”阶段，主要侧重于简单的点击反应和基础硬件诊断。

Current Architecture
├── /reaction-time-test     (Visual Neural Reflex)
├── /inputlag
│   ├── /pc                 (Total System Latency - Diagnostic)
│   ├── /mouse              (Polling Rate)
│   ├── /monitor            (Refresh Rate)
└── /aim-trainer            (Basic Motor Skill)

2. Future Vision (2026 Q4) - "Reaction Performance Matrix"

未来我们将建立完整的矩阵，覆盖所有 4 个层级。

Future Architecture (The Matrix)
├── 🧪 Test (Reaction Speed)         ← [Layer 1 & 2]
│   ├── /visual-reaction             (基础视觉反应)
│   ├── /audio-reaction              (听觉反应 - 新增)
│   ├── /choice-reaction             (选择反应 - 认知核心)
│   ├── /cognitive-reaction          (认知决策 - 高阶)
│   └── /spatial-reaction            (空间反应)
│
├── 🔬 Input Lag (System Latency)    ← [Layer 4]
│   ├── /mouse                       (已有)
│   ├── /keyboard                    (已有)
│   ├── /monitor                     (已有)
│   ├── /gpu                         (GPU Pipeline Latency - 新增核心)
│   ├── /ram                         (System Stutter/Stability - 新增核心)
│   └── /cable                       (Connection Stability)
│
├── 🎯 Training (Motor Skills)       ← [Layer 3]
│   ├── /aim-training                (FPS 瞄准)
│   ├── /tracking-drills             (轨迹追踪)
│   └── /click-consistency           (点击稳定性)
│
└── 🏆 Benchmark (Data & Ranking)    ← [The Moat]
    ├── /global-ranking              (全球玩家排行榜)
    ├── /hardware-ranking            (外设延迟天梯图)
    └── /pro-benchmarks              (职业选手数据对比)

三、硬件深水区：GPU & RAM 测试方法论

如何科学地在浏览器中测试显卡和内存影响？

1. GPU Latency (Render Pipeline)

  • 目标: 测量 渲染管线造成的延迟 (Render Queue + GPU Execution)。
  • 方法:
    • 高负载渲染场景: 使用 WebGL/WebGPU 制造高压力场景，模拟游戏环境。
    • 倒计时闪屏法: 结合高速相机（用户端）或浏览器 performance.now() 与 requestVideoFrameCallback (RVFC) 的差值来估算帧生成延迟。
    • 关键词: gpu input lag test, nvidia reflex test, browser render latency.

2. RAM / CPU System Stability (Micro-stutter)

  • 目标: 内存带宽不足或 CPU 调度造成的“微卡顿”。
  • 指标: RSI (Reaction Stability Index)。
  • 方法:
    • 连续 100+ 次极速交互。
    • 统计 Frame Time 的标准差 (Jitter) 和 异常峰值 (Spikes)。
    • 如果内存/CPU不稳定，会出现规律性的 Frame Drop，直接影响 RSI 分数。

四、执行路线图 (Execution Roadmap)

Phase 0: 30-Day Growth Engine (留存与变现飞轮) - [CURRENT PRIORITY]

目标：将目前的一次性流量转化为高粘性、可变现的用户池，结合新增爆款小游戏与SEO爆破，实现UV跨越式增长。

核心 5 步执行顺序 (高优闭环)：

  1. 结果页全面重构 (Results Page Overhaul): 强化对比（全球排名、Pro 对比）、加入 PC 诊断引导认知冲突、并提供排行榜与分享入口，将一次性测试转为循环。
  2. 全局排行榜系统 (Leaderboard System): 建立 Global, Today, Weekly，以及针对 CS2/Valorant 细分游戏的排行榜，作为天然的 SEO 与社交裂变引擎。
  3. 统一成就系统 (Achievement System): 建立段位体系 (Bronze -> Radiant) 与长期挑战激励用户复访。
  4. 爆款小游戏矩阵 (Viral Game Matrix): 上线 Pro Aim Trainer, Flick Reflex, Dodge Survival 等低门槛、快反馈、可无限挑战的小游戏。
  5. 全站 SEO 飞轮爆破 (SEO Flywheel): 建立测试类、对比类 (如 cs2 pro reaction time)、榜单类的独立高权重 SEO 落地页，并启动 LLM 友好型指南页面。

Phase 1: 认知霸权 (Cognitive Dominance)

目标：在 3 周内补全“人”的测试维度，抢占 SEO 蓝海。

  • Choice Reaction Test: 可能是简单的“红灯停绿灯行”，测试判断速度。
  • Cognitive Stress Test: 干扰项下的反应测试（类似 Stroop 但更偏反应）。
  • SEO: 覆盖 cognitive reaction time, choice reaction test online.

Phase 2: 硬件深潜 (Hardware Deep Dive)

目标：建立 GPU/系统级测试的权威性。

  • GPU Latency Benchmark: WebGL 压力测试页。
  • Stutter/Stability Test: 专门针对 RAM/CPU 稳定性的长时测试。
  • Content: "Does RAM speed affect reaction time?" 深度文章。

Phase 3: 理论封神 (The Model)

目标：建立品牌信仰。

  • Launch /reaction-performance-model: 交互式页面，向用户解释“4层级理论”。
  • Total Score Report: 测完所有项目后，给用户一个六边形能力图（视觉、听觉、决策、手速、硬件）。

五、商业化潜力

  1. 硬件导购 (Affiliate): "你的鼠标延迟高达 15ms (Poor)，建议升级：[推荐列表]"。
  2. Pro 训练计划: "你的认知反应击败了 99% 的人，但系统延迟拖了后腿。定制优化方案..."。
  3. SaaS: 为电竞青训营提供选材工具（筛选天生反应快、决策快的苗子）。

六、关键决策日志 (Decision Log)

[2026-04-22] 昵称校验算法回退至严格英数字

  • 决策内容：将排行榜昵称（Nickname）的校验规则从 Unicode（支持多国语言）回退至严格的英数字集 /^[a-zA-Z0-9_-]{2,16}$/。
  • 背景原因：
    • 内容安全：多国语言脚本（如中、日、韩、阿拉伯语等）难以通过简单的正则逻辑进行敏感词过滤，存在被恶意利用注册非法、违法或辱骂性名称的风险。
    • 审计成本：为了降低人工审核和自动化内容过滤引擎的开销，决定采取“拉丁化”策略。
  • 补偿措施：
    • 在 UI 层面（ClaimRankModal）增加明确提示，告知用户仅支持英文、数字和常用符号。
    • 在全语种翻译文件中同步更新错误提示，确保非英文用户理解失败原因（解决 400 报错的认知 gap）。
  • 风险规避：已确认该修改不会影响现有用户的 deviceId (userId) 关联，仅限制新提交或更新时的昵称格式。