官方技能 · 战略

构建-测量-学习循环

v1.0.1 · 2026年11月4日更新

把一个新想法整理成一页实验卡：风险最大的假设、最小的测试、事先定好的指标和通过线、决策日期，以及转型还是坚持的规则。

添加到团队的 Pod

可在 Claude、ChatGPT 和编程智能体中使用。在 Team 和 Business 套餐中，Pod 里的官方技能会在我们改进后自动更新到最新版。

适用场景

在未经验证的假设上花几周做新东西之前
有人问 MVP 是什么，或怎么验证一个想法
数字一直不动，团队在争论要不要转型

你需要提供

想法：客户、问题、提供什么
目前已有的证据
一次测试的时间、预算和决策人
如果产品已存在，提供当前基线

你会得到

一张实验卡：信念飞跃假设、需要学到什么、指标和通过线、MVP、坚持 / 转型 / 落在中间的规则，以及下一轮循环。

工作方式

列出信念飞跃假设 写下整个计划所依赖的信念。按莱斯提出的两类归类：价值假设（客户用了之后确实获得价值）和增长假设（新客户会找到它并且来用）。再补上其他一旦不成立计划就会失败的信念（他们愿意付这个价、合作方会接入）。
挑出风险最大的一个 选最可能不成立、且不成立时代价最大的那个假设。一张卡只验证一个。如果两个不相上下，先验证成本低的那个。
写清楚需要学到什么 用一句可证伪的话：“我们认为 [客户] 会 [行为]，因为 [原因]。”行为比意见有说服力：付钱、注册、回访、推荐。“你会用这个吗？”这类回答不算学到东西。
现在就选好指标、定好通过线 选一个能体现这个行为的指标，按同期群（同一时期进来的一批人）来测，而不是看累计总数。测试开始前就定好通过线：“[n] 个试用用户中至少 [n] 个在 [天数] 内 [行为]”。写明为什么是这个数：什么结果能让这门生意成立。避开虚荣指标，比如注册总数、页面浏览量，因为不管你做什么它们都会涨。
设计最小的测试 选能在真实客户身上产出这个指标的最便宜的 MVP：一个写了价格、能报名的落地页；前面放一个简单界面、背后全靠人工完成的服务；一段演示视频；预售；只有一个功能的版本。莱斯对 MVP 的定义是：用最少的投入获得最多经证实的认知的那个版本。所以凡是对这个指标没有帮助的东西都砍掉。
定好决策日期和规则 定下结束日期和最少客户数。写出规则：指标达到通过线就坚持；明显没达到就转型（写明要改计划的哪一部分：客户群、问题、渠道、价格还是解决方案）；落在中间，就写明下一轮要测试的那一个改动。写明由谁决定。
规划下一轮循环 写明这一轮通过后下一步验证什么，并定期安排“转型还是坚持”评审（例如每几周一次），让决定基于证据，而不是情绪。

与团队共享

把它添加到 AI Skill Pod，团队里的每个人（包括外包人员）都能在自己的 AI 中使用同一个版本。了解与团队共享 AI 技能的最佳方式