01 验证、采用、战略
把想法拆成假设；先做小实验；区分产品价值与采用门槛。
Research synthesis · 2026-08-25 · v0.6.4
商业机会向量验证
100 本书 × 本地书库研究
一个反偏差、反趋势崇拜的机会验证系统：先找真实进步，再验证付款、交付、生态、风险与持续经营；AI 只是受约束的能力增益，不是答案。
口径说明：100 个书目条目已完成公开作者/出版社/研究机构资料的交叉研究。用户本地书库中实际可访问并分析的原书/章节仅为 3 本 AI 系统书；另外 9 份为书库随附摘要。两种证据严格分开，未把其余受版权保护书目宣称为全文读完。
100/100书目公开资料研究
3本地原书/章节实读
12 小时增量进化协议
最终理论框架
真实进步 → 购买与实施系统 → 可交付价值链 → 单位经济与现金 → 生态 / 合规 / 基础设施 → 战略取舍与可持续性
每一环都是假设，必须记录支持、反对、缺失证据及可观察的证伪条件。评分只辅助排序，不能替代决策，也不能生成“成功概率”。
版本状态
| 版本号 | 最后一次发布更新 | 最后一次自动进化执行 | 历史更新时间 |
|---|---|---|---|
| v0.6.6 | 2026-08-31（Asia/Bangkok） | 2026-09-01 07:45（Asia/Bangkok） | 2026-08-12：v0.2.0、v0.3.0、v0.4.0-candidate、v0.5.0；2026-08-22：v0.5.1、v0.6.0、v0.6.1、v0.6.2、v0.6.3；2026-08-25：v0.6.5；2026-08-31：v0.6.6 |
自动化创建、暂停或恢复不算一次进化执行；只有可核验的运行记录才会更新“最后一次自动进化执行”。
三轮优化与三轮自我测试：基线保留
| 轮次 | 结论 | 保留到 v0.5.0 的规则 |
|---|---|---|
| 三轮优化 | 从“找热门机会”修正为“验证现实假设”；从总分修正为质量、证据、最弱链与致命门槛；从自动改写修正为受控的 12 小时进化。 | 证据强度 E0–E4、反证墙、失败预演、停止条件、版本回滚。 |
| 自我测试 1 | 小店预约与客服自动化：仅能进入付费礼宾试点，不应直接开发 SaaS。 | 先证付款、节省人工、错误率与续费；AI 仅辅助和人工审核。 |
| 自我测试 2 | 宠物档案 + QR：价值可理解，但频率、录入成本和数据责任尚未证明。 | 先试寄养交接卡，测录入、扫码、纠错与报价接受。 |
| 自我测试 3 | AI 健康建议：高责任、专业验证与责任边界未过门槛。 | 暂停自动建议；只允许资料整理、提醒和转人工。 |
自测不是市场验证。它只用来检查 Skill 能否在不同风险条件下保持一致，不可替代目标客户的付款、留存、合规和交付证据。
十轮研究回顾
02 客户发现与商业模式
从人口标签升级为购买与实施系统；价值必须是可观察的进步。
03 竞争与生态
取舍、价值链、竞争反应、互补者与当前 crux，比平均评分更重要。
04 创新与创业方法
灵感日志和验证看板分离；海滩头细分、组织授权、治理进入早期检查。
05 资本与现金
融资不等于需求；以可承受损失和最少不可逆资本换取学习。
06 执行与运营
可规模化需证明服务水平、异常处理、人工分钟、维护和反馈回路。
07 定位与增长
注意力不是价值；只在留存、经济和安全通过后扩大增长实验。
08 销售、定价与续费
将问题承认、可量化影响、报价、定金、实施、续费分成证据阶梯。
09 判断与团队韧性
用独立评分、预演、噪声检查、责任对称和安全停机对抗偏差。
10 平台、AI 与全球市场
平台先证原子网络；市场先证当地入口、集群、规则和平台依赖。
v0.5.0 的关键升级
| 新增关卡 | 要解决的错觉 | 必须出现的证据 |
|---|---|---|
| 购买与实施系统 | “用户喜欢”被误当成“组织会买、会用” | 发起、使用、评估、经济买方、审批、实施与反对者的真实材料 |
| AI 生产关卡与自治等级 | “模型能演示”被误当成“业务可交付” | 任务基线、数据权利、离线评测、人工接管、成本、监控与回滚 |
| 战略位置与 crux | “向量均分高”被误当成“有战略” | 取舍、价值链、替代、对手反应和唯一当前瓶颈 |
| 生态与平台依赖 | “本方原型可用”被误当成“采用链可用” | 互补方、冷启动、信任、API/排序/抽成/封号风险与备用路径 |
| 运营可靠性 | “做得出”被误当成“能持续做” | 服务水平、异常升级、人工分钟、停机、维护责任与复盘 |
| 资本与判断质量 | “融资/热度/自信”被误当成“证据” | 现金情景、可承受损失、基准率、独立评分、预演和责任承担 |
本地书库的实读补强
| 材料 | 读取口径 | 沉淀的规则 |
|---|---|---|
| Designing Machine Learning Systems — Chip Huyen | 目录、前章与关键章节结构实读；书库摘要 | 业务/模型目标分离、数据质量、评测、漂移、监控、影子与金丝雀发布。 |
| Building LLMs for Production | 前章实读；书库摘要 | LLM 适合语言任务；不适于低延迟、简单算法、关键裁决及高风险自动行动。 |
| Building Agentic AI Systems | 目录、前章实读；书库摘要 | 智能体的工具、记忆、规划会扩大权限、失败与治理面，默认从人工放行开始。 |
| 其余 6 份 AI 书库摘要 | 随书摘要阅读 | 提示词/检索版本化、MLOps、可观测性、数据权限、成本与部署回滚。 |
运行时的不可突破门槛
- 无可触达窄人群、明确付款者或合法安全交付路径：不扩张。
- 关键价值只能由 AI 自述、没有真实基线与评测：不扩张。
- 单位经济、现金、人工维护或失败成本不成立：不扩张。
- 必需数据、平台、硬件、伙伴或合规入口不可获得：不扩张。
- 没有停止条件、人工接管、日志、回滚和责任人：不扩张。
12 小时定期进化逻辑
每 12 小时仅做一次增量审查：扫描新证据与旧结论失效信号 → 提出候选改动 → 用固定案例回归 → 仅在安全、付款、留存、合规和停止门槛未被削弱时升级。该逻辑是发布包中的协议；本报告不声称已在 Hermes 中创建或运行外部定时任务。
交付物索引
- 发布包：
opportunity-vector-validation-v0.5.0-hermes.zip - 书目清单：
opportunity-vector-validation-100-book-corpus.md - 十轮明细：
opportunity-vector-validation-book-study-round-01.md至...-10.md
来源原则
每轮明细文件列出对应的作者、出版社、研究机构或官方页面。具体市场行动必须再次查询目标司法辖区的有效规则、数据、平台和商业材料；本报告不把历史书籍、公开案例或海外经验写成当地市场事实。
公开来源与审计路径
基础书目及每轮的公开来源链接见同目录 opportunity-vector-validation-book-study-round-01.md 至 ...-10.md；本地材料读取口径见第 3 轮报告。所有机会分析均须另外附上来源日期、地区、样本、定义和适用边界。