一个用AI识别强制实习条款并生成投诉材料的小程序项目
人工智能 方向的结构化创业机会。综合分 70.32 ，可据此评估差异化、落地难度、市场空间、时间窗口与护城河。
机会标题：学生分不清培养与压榨，可用AI合同识别+投诉材料生成降低判断门槛
多维评分
综合分 = 创意25% + 可行30% + 市场20% + 紧迫10% + 壁垒10%。置信不计入综合分。
创意 72
可行 76
市场 61
紧迫 86
壁垒 52
置信 85
行业分类
创业方向
AI法律文书识别与实习维权辅助
面向痛点
实习与压榨边界模糊，学生不知道哪些条款违法、该向谁投诉、需要留什么证据。
解决方案
用户上传实习协议、聊天记录、排班表、工资条，AI标注强制实习、超时用工、低于最低工资、扣押证件等风险，自动生成投诉信、证据清单和沟通话术。
潜在人群
中高职学生、家长、公益法律援助机构、职校辅导员
变现 / 商业模式
学生端免费或低价按次报告，律所或法律援助导流分成，学校合规审查工具采购。
所需资源条件
- 启动资金（必须） · 资金 — 约10-50万
- 大模型API与算力（必须） · 其他 — 用于合同和聊天记录分析
- 劳动法与职教政策知识库（必须） · 数据 — 覆盖实习、工资、工时、证件扣押等规则
- 数据隐私与内容安全合规（必须） · 资质证照 — 合同和聊天记录敏感
- 法律专业审核（必须） · 其他 — 审核风险规则和输出模板
补充说明
必须由法律专业人士审核规则和输出模板，明确非正式法律意见；合同与聊天记录属敏感信息，需本地化或脱敏处理。
所需岗位
- 全栈工程师（技术） — 负责小程序和后端
- NLP算法工程师（技术） — 合同与聊天记录风险识别
- 法务合规（职能） — 审核法律边界和模板
- 产品经理（产品） — 设计上传、报告、投诉生成流程
- 内容运营（运营） — 维护案例库和用户教育
风险
AI误判可能误导维权；敏感内容平台审核和封禁风险；法律意见边界严格；学生付费意愿弱。
依据
5楼称“分不清学习技能和被压榨的分割线”；27楼称“实操不达标拿不到毕业证，被学校和工厂钻空子”；28楼称“用证拿捏你”。
下一步验证
整理100条职校实习合同和投诉案例，人工标注风险点，做出可解释的规则加AI原型，在3个职校社群测试上传合同。
标签
AI法律,职校实习,合同审查,投诉材料,小程序