SuperAPI AI 工具集

assumption-mapping

设计与创作

查看项目

更新于 10-15 08:16

技能介绍

用途

Assumption Mapping 用于在投入大量精力之前,把隐藏的假设显性化,并判断哪些假设需要优先验证。它适合在以下时机触发:用户开始一个新项目、用户表达不确定(如“我觉得……”“大概……”“应该能行……”)、用户即将投入大量精力、用户只谈构建而不谈验证,或用户询问“我应该先测试什么”。

主要能力

该技能围绕一套五步工作流展开:

  1. 提取假设:从用户表述中识别假设信号,例如“用户想要……”对应需求性假设,“我们能做……”对应可行性假设,“人们会付费……”对应生存性假设,“这很简单……”对应复杂度假设,“大家都知道……”对应知识假设,“他们会自己搞明白……”对应可用性假设。提取 5 到 10 条假设,并将每条改写为可测试的陈述。
  2. 分类假设:将每条假设归入一个类别——需求性(人们想要这个吗)、可行性(我们能做出来吗)、生存性(这能自我维持吗)、可用性(人们会用吗)、伦理性(我们应该做这个吗)。
  3. 打分:对每条假设按两个维度进行 1 到 5 分评分。影响度:如果假设错误,对项目的伤害有多大(1 为轻微不便,5 为项目彻底失败)。不确定性:我们对假设为真的信心有多高(1 为有强证据,5 为纯猜测)。
  4. 排序:生成 2x2 优先级矩阵。高影响且高不确定性为“优先验证(关键)”;高影响且低不确定性为“稍后验证(低风险)”;低影响且低不确定性为“跳过(安全)”;低影响且高不确定性为“监控(留意信号)”。右上象限的假设应在构建前验证。
  5. 建议验证方法:针对每条关键假设,给出轻量级验证方式。例如需求性可用 5 次用户访谈(数小时)或落地页测试(数天);可行性可用技术探针或原型;生存性可用竞品定价研究或付费意愿访谈;可用性可用 3 人走廊测试或可用性研究。

使用方式

技能会先向用户提问:“你在构建什么,为谁构建?”“这件事要成功,哪些条件必须为真?”然后运行上述假设提取工作流。输出会自动保存到 design/03-assumption-mapping.md,并以固定模板呈现,包括关键假设表(含编号、假设、类型、影响、不确定性、建议测试)、次要假设表、安全假设列表和推荐下一步。

技能具备自适应行为:如果用户不熟悉假设映射,会简要解释原因并用示例引导;如果用户熟悉,则跳过解释直接提取,并提供完整矩阵输出。可通过询问“你以前做过假设映射吗,还是需要我带你走一遍?”来判断熟悉程度。

适用场景

适用于新项目启动、重大功能开发前、用户表达不确定或准备投入大量资源时。该技能可在问题框定(problem-framing)之前使用(如果问题尚不清晰)、在验证(validation)之前使用(用于测试此处识别的关键假设)、在构思(ideation)之前使用(在假设验证后生成方案)。

限制

资料未提供该技能的具体平台依赖、安装方式、收费模式或价格信息。验证方法的具体细节需参考 references/validation-methods.md,完整示例需参考 references/examples.md。