时代背景与机会
从打开到成交
飞轮设计与增长
规模、路线图与计划
如果把一座城市拆解成"人、路、房、店"，传统平台解决的是"店的可见性"（地图、外卖、团购、点评），而今天真正被浪费的，是人的可见性：大量具备技能的人在家里、在社区里、在校园里，却无法被附近的需求看见；大量真实而细碎的需求发生在一公里生活圈，却只能靠微信群、中介、熟人介绍去碰运气。
《来》要做的，是把第三层服务经济的毛细血管数字化：让每个人都能在地图上开一家"只服务附近"的小店。
住在老小区的人不再缺配套——美甲、修鞋、陪学、收纳、修电脑、宠物护理、陪诊、跑腿……不是要新开 100 家店，而是把周围 100 个"会做事的人"点亮。
想找事干的人不必"等上班"——在附近上岗，直接与邻居形成小规模服务循环。
"来"是一张超本地服务地图（1–3km 半径），每个点位是一个人/一个小店；最大亮点是 AI 开店导演：像 Gamma 做演示页一样，把普通人的服务包装成可传播的介绍页，并自动生成外链，降低发布与传播摩擦，让服务者自愿分享、自然增长。
全国层面，城镇调查失业率、就业结构等数据持续被高度关注。与此同时，公开报道与研究普遍指出中国灵活就业人群规模已达到"数亿级"，并且成为就业"蓄水池"。例如人民日报相关报道提到灵活就业人员规模已超 2 亿。
这意味着"来"面对的供给侧不是稀缺，而是过剩：
预计 2025 年本地生活服务规模将超过 2.5 万亿元。大平台能做的是"规模化交易"，但它们很难系统性地呈现"我小区里/我的一公里里有哪些人能提供什么服务"。这正是"来"的结构性机会。
陪诊、跑腿、修小家电、收纳
陪学、托管式学习管理、宠物基础护理
陪伴、陪练、兴趣教学、小型体验
这不是简单的供需不匹配，而是三重不可见：
很多需求不是"全国最便宜"，而是"附近、马上、靠谱"。一个老小区里，可能住着会美甲的小姐姐、会修鞋的叔叔、会陪学的大学生、会按摩理疗的师傅，但看不见他们，于是只能：
供给方的阻力不是"不会做"，而是：
这些交易真实存在，却不被数字化记录：
它不是招聘网站，不是家政平台，不是闲鱼，也不是微信群替代品。它是一种新的基础设施：把"人能提供的服务"像店铺一样挂在地图上。
对需求方：打开地图，看到小区里下楼就能触及的服务
对服务者：不用找公司，直接在家上线
对城市：让一个老城区瞬间拥有大量看得见的配套服务
主体是个人/微个体，不以企业招聘为核心，强调"附近解决"
早期不碰资金托管：平台不代收代付，先做连接与可见性（但会预留合规升级路径）
你住在一个老城区，晚上孩子作业没人盯，周末你又想做个美甲、手机屏幕也裂了。你打开"来"，看到地图上出现很多"人"的点位：
🎓 "同济大二土木小王｜作业陪学（有耐心）｜晚 7-10 点｜离你 420 米"
🔧 "心灵手巧张阿姨｜修鞋修包｜楼下便民｜离你 280 米"
💅 "陈陈爱美甲💅🏻｜美甲（上门/到店）｜离你 100 米"
你点进其中一个点位，进入的不是"帖子"，而是一张Ai演示页一样清晰的介绍页：这个人擅长什么、适合什么类型的人；过往案例与照片；价格范围与可预约时间；"常见问题"与"你可以直接问我什么"。
你发起咨询，对方秒回，并且 AI 在对话里像一个助理一样提醒双方把关键问题讲清楚：时间、地点、价格、服务范围、注意事项。
王师傅失业后不想跑外卖，他会修电脑、会装路由器、会做简单上门维护，但他不知道怎么宣传。他打开"来"点击"开店"，AI 开始像采访一样问他：
三分钟内，AI 给他生成：一段地图上的短简介；一张结构化的介绍页；一张可分享到微信群的海报图与外链。
他把外链发到小区群里，邻居点开直接能看，不需要先下载。咨询来得很快——因为他的介绍不是"我接单"，而是"我在家开了个小店，这是我的服务名片"。
第一单完成后，评价写下"靠谱、快、价格透明"，信任开始累积，飞轮开始转。
"来"追求的是局部密度：同一个小区/街道内，服务点越密，用户越依赖；用户越依赖，服务者越愿意入驻。一旦某个小区密度起来，后来者很难用同成本撬动，因为用户已经形成习惯。它不像全国性平台那样需要无穷大流量，而是通过局部的足够好用形成壁垒。
AI 在"来"里的角色，是一个开店导演。它不要求用户"写一段自我介绍"，而是像一个专业运营一样，主动提问、拆解、挖掘，然后自动整理成：一段清晰、有卖点、有结构的介绍；一个像作品页一样好看的服务页面；一张可以直接分享到微信群/朋友圈的外链卡片。
服务交易里最贵的成本不是广告费，而是"不敢用"。"来"通过三层结构把信任拉出"口碑黑箱"：真实身份认证；服务记录与评价；小区/校园等"共同空间"带来的隐性背书（同一生活圈比全国陌生人更容易建立信任）。
轻量、直观、无需学习成本，是"来"的第一原则。它不要求用户理解复杂规则，也不要求服务者成为专业营销者；只需在地图上点亮一个点位，城市的毛细血管便开始流动。
在"来"之前，并非没有人尝试过类似的构想。世界各地曾出现过邻里互助平台、任务撮合应用、社区生活服务工具，甚至包括一些技能交易与零工平台。然而，这些产品最终大多未能走向普及，其原因并非需求不存在，而是路径错误。
它们往往试图在一开始就成为"万能平台"——功能冗杂、结构臃肿、流程复杂、认证繁琐；或者在尚未形成密度与信任之前便急于变现，通过抽佣、会员或付费曝光加速商业化。结果是：供给端发布成本过高、需求端体验不清晰，平台尚未形成飞轮便已失去生命力，逐渐消失在历史之中。
解决的是"物的流通"，依赖物流半径，商品导向（goods-oriented），诞生于电商体系，以二手商品为核心，服务只是商品逻辑的延伸。
解决的是"人的流通"，依赖步行半径，服务导向（service-oriented）。通过小区地图将服务锁定在本地、锁定在线下、锁定在生活圈之中，通过局部密度构建网络效应。
"来"并非第一个提出邻里服务概念的产品，但它是第一个以轻量结构、延迟变现、服务本位与本地密度为核心原则重新构建这一赛道的产品。这不是对历史尝试的重复，而是对历史失败的回应。
需要一条低门槛的收入路径，"在家上线"比重新找公司更可控。
时间碎、技能多、在校园、需要体面地变现；"开店"比"发朋友圈接单"更不尴尬。
家庭主妇/退休人群：不想开正式门店，只想做小规模服务补贴收入。
陪学、收纳、跑腿、陪诊、修小家电
美甲、修鞋、宠物基础护理
兴趣教学、陪练、技能互助
更依赖"近、熟、口碑"
按"城市→片区→小区/校区"密度打法推进，跑通可复制单元模型
非标到家/到店生活服务 + 零工/灵活就业服务撮合 + 社区互助/小微服务市场
本地生活服务整体市场预计 2025 年超过 2.5 万亿元（含外卖、生鲜、社区服务等）
政策层面也在推动"零工市场、零工驿站"建设并鼓励线上化、数字化零工服务平台。这意味着市场不仅存在，而且在被制度化。
"来"不是先吃全国，而是按"城市→片区→小区/校区"密度打法推进。核心不是人口，而是可复制的单元模型：
如 58 到家、天鹅到家、到位等。58 到家官方介绍强调提供百余类生活服务，并提供人身与财产保险保障，属于"平台组织供给+强保障"的模式。天鹅到家也强调通过数字化改造家政服务、在线匹配与电子合同等完整流程。
差异：这些平台强在标准化服务与强管控，但难覆盖"人人小店、长尾服务、局部密度地图"这一层。
闲鱼推出"闲鱼简历/副业宝贝"等功能，把技能与副业集中呈现。
差异：闲鱼更像全国性的技能/二手交易社区，"来"主打 1–3km 生活圈的密度与即时性，并把"地图+附近"做成主入口。
连接本地 Tasker，覆盖清洁、家具安装、维修等家务类任务。
发任务、选人完成，强调用户量与评价体系。
强调邻里之间提供服务、出租物品，面向"附近"与"补贴收入"。
邻里网络，包含本地推荐与交易等。
"来"的冷启动不从需求端拉人开始，而从想上班的人开始——因为供给侧的动机最强、最自驱。
选择一个高密度场域：老城区片区 或 高校周边 3km；目标不是全城覆盖，而是让一个片区打开就"满地图都是点"，形成强感知。
招募 200–500 名首批服务者（学生/失业者/社区能人）；AI 帮他们做"介绍页+外链+海报"，有偿转发到：小区群、同学群、家长群、业主群。
需求端不靠喊口号，靠一次次附近就能解决的体验：第一个被解决的刚需：陪学/跑腿/修电脑/收纳/宠物基础护理。
《来》的创始团队由两位核心成员构成。
毕业于Monash University计算机科学本科与硕士，具备完整的AI系统训练与工程化背景。过去几年中，长期在跨国分布式团队环境中担任项目负责人，团队成员分布于阿联酋、法国、俄罗斯、加拿大与中国等多个国家，在多语言、多时区、多文化的协作环境下推进复杂项目落地。
毕业于Monash University计算机科学硕士，拥有IT支持与一线服务体系管理经验。曾在上海携程从事技术支持工作，同时在留学教育和制造行业中担任主管，长期面对真实用户与服务场景，积累了对服务流程、用户沟通与满意度管理的丰富实操经验。
每 1km 网格的活跃小店数、覆盖品类数
咨询发起数、有效咨询率、线下成交自报率
评价率、复购率、举报率、封禁率
外链访问→下载转化、分享率、分享带来咨询占比
7 日留存、30 日活跃服务者占比、平均响应时间
MVP 核心功能
单片区密度跑通（第一条飞轮）
复制到第二片区（可复制证明）
产品研发：地图系统、AI 开店导演、外链页、风控与审核
运营与供给建设：城市试点、校园大使/社区合伙人体系
对策：实名、风控关键词、举报秒响应、黑名单共享、限制高风险品类。
对策：定位清晰不做重监管领域；敏感类目禁入；未来开放时按政策做许可与核验。
来Come