15个Skill协作的创业想法验证框架，10分钟得出做还是不做最新版

一、项目概览

MaxKmet/idea-validation-agents 是一个多 Agent 协作的创业想法验证框架——它不是一个 AI，而是由 15 个专业 Skill 组成的 Agent 团队，分别负责趋势分析、竞品调研、定价策略、分销渠道、用户画像等工作，共同完成从”我想做 XX”到”做还是不做”的判断。

项目标语说得很好：“Stop guessing. Start validating.”——用数据验证，而不是拍脑袋决策。

截至 2026 年 6 月：

• Stars：442 / Forks：49
• 许可证：MIT
• 创建时间：2026 年 4 月
• 技术栈：无固定语言，是一套 Agent Skills 集合
• 支持平台：Claude Code / OpenAI Codex / Cursor

二、核心特点：零配置，开箱即用

这个项目最大的优点是：不需要安装任何依赖，不需要 API Key，不需要命令行。

使用流程：

1. Clone 仓库
2. 在 Claude Code / Codex / Cursor 中打开项目目录
3. 用大白话描述你的想法
4. Agent 自动读取 CLAUDE.md/AGENTS.md，激活对应的 Workflow

所有分析结果保存到 memory/ 文件夹，跨会话保留。

三、四种使用场景（Workflow）

场景一：想法发现 —— “我不知道该做什么” · ~10–15 分钟

Agent 会先对你进行背景访谈（技能、兴趣、已有资源），然后结合真实趋势数据，生成 7–10 个为你量身匹配的 App 想法。

数据来源覆盖多个平台：TikTok Creative Center（话题热度）、Reddit（用户真实痛点语言）、X/Twitter（创作者和买家的讨论）、App Store（新入场者和评论模式）、Google Trends（搜索需求）。

输出：按评分排序的 App 想法列表，保存到 memory/ideas/

场景二：想法验证 —— “我的想法值得做吗” · ~10–15 分钟（核心功能）

这是项目的核心功能，执行完整的 9 步验证流程：

1. 趋势分析
2. 竞品地图
3. 用户需求强度评分
4. 定价模型
5. 分销渠道分析
6. 留存率预测
7. CAC（用户获取成本）建模
8. 综合评分（0–100）
9. 决策备忘录

评分方法论亮点：

• 乘法地板算法：一个致命弱点会拉低整体分数，模拟真实创业——不是所有维度都及格就行，木桶最短板决定上限
• RAT（最冒险假设测试）：找出最可能导致创业失败的那个假设，设计一个 ≤2 周、≤$100 的行为实验来验证它
• Pre-mortem 分析（Klein, 2007）：假设这个想法 12 个月后失败了，倒推最可能的原因
• Van Westendorp 定价法：基于用户价格敏感度建模

输出：decision_memo.md——结论（追求/测试/转型/放弃）+ 优势 + 风险 + RAT 实验 + 终止条件 + 下一步建议

场景三：市场深度调研 —— “这个市场怎么样” · ~10–15 分钟

在决定做某个方向之前，先把这个赛道摸清楚：

• 多平台趋势分析（哪个方向在上升/下降/稳定）
• 竞品格局
• 市场规模估算（TAM/SAM/SOM）
• 分销渠道评估

市场饱和度评估五因素：竞品数量、巨头主导程度、投资活跃度、关键词饱和度、内容饱和度

市场规模估算方法：搜索量 × 意图转化率、社区规模 × 平台乘数、竞品营收推算，三种方法交叉验证。

场景四：转型优化 —— “想法评分低，还能救吗” · ~10–15 分钟

如果验证得分低，这个 Workflow 不是让你放弃，而是找最好的”微转型”方向。

每次转型只改 1–2 个变量（受众/细分市场/定价模式/功能重点），并预测调整后的评分变化。

输出：pivot_options.json——按评分排序的转型选项，含预计评分范围和工作量估算

四、15 个专业 Skill 分工

项目的核心是 15 个独立 Skill，每个 Skill 专注一个维度：

五、三平台支持：Claude Code + Codex + Cursor

每个 Skill 都有三个版本的实现：

• .claude/skills/<name>/SKILL.md — Claude Code Skill
• .codex/skills/<name>/SKILL.md — OpenAI Codex CLI Skill
• .cursor/rules/<name>.mdc — Cursor Rule

同一套方法论，适配三个主流 AI 编程工具，开发者用哪个都行。

六、数据持久化：memory/ 文件夹

所有输出保存在 memory/ 目录，跨会话保留：

memory/
├── user_profile.md               ← 你的创始人画像（跨会话复用）
├── market_insights/
│   └── fitness-tiktok-2026-04.md  ← 按细分赛道保存趋势数据
└── ideas/
    └── habit-tracker-climbers/
        ├── competitors.json       ← 竞品分析
        ├── pricing.json          ← 定价策略
        ├── scores.json           ← 各项评分
        └── decision_memo.md      ← 最终决策备忘录

七、与同类工具的对比

八、适合人群

强烈推荐：

• 独立开发者 / 副业创业者（10–15 分钟验证想法值不值得做）
• 产品经理（数据驱动的想法评估，而不是老板拍板）
• 投资人 / 天使（快速评估某个赛道的新入场机会）
• 想从零开始找方向的开发者（Idea Generation Workflow 帮你发现匹配的方向）

不太适合：

• 需要实地用户访谈验证（只能基于公开数据，不能代替真实验证）
• 已有成熟产品的深度市场分析（建议找专业咨询机构）

九、评分示例参考

根据项目设计的评分体系：

十、一句话总结

idea-validation-agents 是一个由 15 个专业 Agent Skill 组成的多 Agent 协作验证框架，覆盖趋势分析、竞品调研、定价策略、CAC 建模、转型建议等全链路——10–15 分钟得出”做还是不做”的结论，支持 Claude Code、Codex 和 Cursor，零配置，MIT 开源。

GitHub 地址：https://github.com/MaxKmet/idea-validation-agents