Validate

核心功能

solo-validate 是一个为独立开发者设计的端到端创业想法验证系统。它通过三层严格检验，帮助用户在投入开发前识别致命缺陷：

第一层：S.E.E.D. 市场检验（Searchability/Evidence/Ease/Demand）——快速扫描SEO可行性、真实痛点证据、MVP构建难度和付费意愿，设置硬性Kill Flags，任何一条触发即建议放弃。

第二层：Devil's Advocate 逆向分析——强制要求列出5种具体失败场景、搜索同类死亡创业公司、用悲观假设重算单位经济模型（LTV:CAC < 1 即标红），以及"空市场 graveyard 测试"，主动寻找不做的理由。

第三层：STREAM 六层深度评估——从Scope（范围假设）、Time（时间熵增）、Route（路径风险）、Stakes（非对称回报）、Audience（声誉网络）到Meta（生命有限性），每层1-10分加权计算乐观与现实双评分。

系统自动检测技术栈（iOS/AI Web/静态站/Edge等），生成符合Definition of Done的PRD文档，包含可测量验收标准、Kill/Iterate/Scale阈值、诚实风险评估和Manifest原则冲突清单。

显著优点

• 反乐观设计：哲学核心是"诚实而非鼓励"，5分钟杀死烂想法比3个月烧钱更有价值
• 强制逆向思维：Devil's Advocate为必经步骤，不可跳过，对抗确认偏误
• 经济模型双轨制：同时呈现乐观、现实、悲观三档数据，强制面对最坏情况
• Manifest 原则约束：9条创业哲学红线，3处冲突即触发强Kill信号
• 自动化交付：从想法到PRD全程闭环，包含技术栈推荐和验收标准

潜在局限

• 依赖前置研究：最佳效果需配合 /research 输出，裸跑可能数据不足
• 评分主观性：STREAM层打分依赖执行者的悲观/乐观倾向，不同人可能差异较大
• 栈检测边界：复杂跨平台方案（如Flutter + 原生模块）可能误判
• 无实时市场数据：WebSearch依赖公开信息，无法获取付费转化等内部指标

适合人群

• 在多个想法间犹豫的独立开发者
• 易陷入"确认偏误"、需要外部理性声音的创业者
• 信奉"快速失败"哲学、愿为诚实反馈付费的用户
• 已跑完 /research 需要生成PRD进入开发阶段者

常规风险

• 过度杀伐：严格标准可能误杀边缘机会，建议配合Fake-Door测试验证5-7分区间想法
• 研究-验证割裂：用户可能跳过 /research 直接验证，导致PRD缺乏竞争情报
• Manifest 教条化：原则冲突应明确列出由用户决策，而非机械执行Kill
• 栈选择惯性：自动推荐偏向作者熟悉的技术组合，需人工复核特殊场景

核心用法

solo-validate 是一款面向独立开发者（solopreneur）的创业点子验证工具，通过系统化的分析框架帮助用户在投入开发前快速评估想法可行性。用户只需输入创业点子名称或描述，工具将自动执行完整的验证流程：从知识库检索、清单对齐检查，到S.E.E.D.四层快速筛选、魔鬼代言人反向论证，最终生成包含接受标准的产品需求文档（PRD）。

该技能采用"诚实优先"的哲学理念，核心设计目标是发现真相而非鼓励行动。当用户说"验证这个想法"、"该做还是放弃"、"生成PRD"等触发词时，系统将启动严格的评估流程，必要时直接建议"杀死"（KILL）点子，避免数月的时间浪费。

显著优点

框架化决策体系：整合了S.E.E.D.（可搜索性、证据、易实现性、需求）快速筛选和STREAM六层深度分析（范围、时间、路径、风险、受众、元认知），形成从5分钟快筛到深度评估的完整决策链条。

强制性反向思维：独创的"魔鬼代言人"（Devil's Advocate）步骤是强制执行的——系统必须主动寻找5种具体失败场景、搜索类似失败案例、进行悲观假设下的单位经济测算，有效对抗确认偏误。

诚实而非乐观的评价文化：明确将"杀死"（KILL）作为有效输出结果，评分体系要求根据发现的负面证据降低分数，清单冲突不得合理化，这些设计确保了评估的客观性。

自动化技术栈匹配：基于项目类型关键词自动推荐技术栈（如Next.js+Supabase、Astro静态站点等），减少技术选型的时间成本。

PRD生成即交付：输出符合完整定义的产品需求文档，包含问题陈述、ICP画像、可验收标准、KPI阈值、风险缓解方案及诚实评估专节，可直接进入开发阶段。

潜在缺点与局限性

依赖前置研究深度：工具效果高度依赖research.md的深度研究数据，若用户跳过/research步骤，STREAM分析和PRD中的竞争对手、市场规模等内容将缺乏数据支撑。

T3来源可信度限制：作为个人开发者（fortunto2）维护的MIT开源项目，缺乏企业级背书，关键决策建议仍需用户自行判断。

框架学习曲线：S.E.E.D.、STREAM六层、Manifest清单等专有概念需要用户理解其含义才能充分运用输出结果，初次使用可能存在认知负担。

悲观倾向可能过度过滤：诚实验证哲学在过滤劣质点子的同时，也可能扼杀早期阶段难以验证的创新想法，对颠覆性创新不够友好。

技术栈建议的地域局限：自动推荐的技术栈（Next.js、Supabase、Cloudflare等）偏向欧美主流生态，对特定地区技术偏好（如国内小程序、Flutter等）覆盖不足。

适合的目标群体

独立开发者（Solopreneur）：单人或极小团队创业者，需要在有限时间内快速决策，无法承担数月开发后失败的成本。

副业探索者：有全职工作、利用业余时间验证点子的职场人士，需要结构化的周末速评工具。

首次创业者：缺乏创业经验、容易陷入自我确认偏误的新手，需要外部框架强制进行反向思考。

天使投资前创始人：寻求pre-seed或天使投资前，需要系统梳理商业逻辑的准融资创业者。

产品决策犹豫者：在多个想法间徘徊、需要量化对比依据的选择困难型开发者。

使用风险

决策框架本身的局限性风险：所有分析框架均基于历史模式，对真正的市场颠覆（如iPhone诞生前的智能手机市场）可能给出错误负面结论。建议将输出视为"尽职调查清单"而非"圣旨"。

MCP工具可用性依赖：技能设计优先使用MCP工具（kb_search、project_info、web_search）获取知识库信息，若宿主环境未配置MCP或工具失效，将降级为本地Grep搜索，可能导致信息检索不完整。

"杀死"建议的心理影响：工具明确设计为可能输出KILL建议，部分用户可能因沉没成本谬误而忽视或绕过负面结论，造成框架使用失效。

PRD生成后的执行风险：生成的PRD质量取决于输入信息的完整度，若在未充分研究的情况下快速生成PRD，可能导致开发方向偏差。

动态更新滞后：引用的references/manifest-checklist.md和references/stream-layers.md为本地文档，若作者未同步更新框架版本，可能使用过时的评估标准。