mcpField
E
evolution-strategy

evolution-strategy

github.com/kangarooking生産性5253 回インストール28 週間前に更新
リポジトリ

evolution-strategy について

Evolution Strategyは、不確実な市場で新製品の方向性を探るチーム向けの反復手法です。MVP、市場のフィードバック、イノベーション、有効な強みの継承を循環させ、計画と進化を使い分けます。

主な機能

  1. 01MVPから製品を開始
  2. 02市場のフィードバックで選別
  3. 03組み合わせや突然変異による革新
  4. 04有効な強みを次の版へ継承
  5. 05反復し改善を測定

活用シーン

  1. 01方向性の定まらない新製品を探索
  2. 02限られたリソースで仮説を検証
  3. 03市場の急変に合わせて製品を調整
  4. 04チームに反復の仕組みを導入

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/kangarooking/cognitive-dividend-skill --skill evolution-strategy

インストール後、Claude Code で/evolution-strategyを入力して読み込まれたか確認します。

同梱ファイルtest-prompts.json

詳細

プロジェクトの README より

演化策略

R — 原文 (Reading)

计划的缺点是抗风险能力差,但好处是效率高,可以在短时间内高效地完成任务;而演化的优点是抗风险能力强,不需要具体的目标就能越变越好,但缺点是效率低、耗时长!它们俩就像是中国太极中的阴阳两仪……阴面,代表着演化,在别人看不见的地方,默默更新迭代,持续地成长,积聚能量;阳面,代表着计划,当出现具体的短期目标时,瞬间聚集所有的能量,在一个点上爆发。 —— 第23章《演化策略》

I — 方法论骨架 (Interpretation)

  1. 演化策略的核心逻辑:遗传变异 + 自然选择,两者缺一不可
  2. 四步循环:MVP(初始状态)→ 自然选择(市场反馈)→ 变异(创新)→ 遗传(积累优势)
  3. 第一步:开启初始状态(MVP)。不要憋大招,围绕核心痛点做最小可用产品,快速进入市场
  4. 第二步:自然选择。外部剪刀(市场反馈/用户评价)+ 内部剪刀(赛马制/末位淘汰),用真实反馈筛选
  5. 第三步:变异。重组式创新(借鉴优秀元素组合新物种)或突变式创新(从内部"破坏"出新特性)
  6. 第四步:遗传。将自然选择中胜出的优势固化到下一代,持续积累
  7. 计划和演化的互补关系:确定性高的部分用计划提效,不确定性高的部分用演化试错
  8. 演化的方向不由自己决定,而由环境(市场)决定——"你认为好的产品,市场不一定买账"

A1 — 书中应用 (Past Application)

  • 微信的诞生:1.0版本只有通讯录和免费文字信息,极简MVP上线→用户反馈迭代→逐步加入语音、朋友圈、支付等功能
  • 小米MIUI:先做优化版Android系统而非直接做手机,通过社区直面用户吐槽→每周迭代→MIUI成熟后用户主动要求做手机→小米手机横空出世
  • 腾讯赛马制:微信推出前,QQ团队、成都团队、广研院三个团队同时做类似产品,内部PK,张小龙团队胜出,其他解散
  • iPod的重组式创新:iTunes来自SoundJam MP改造,硬盘来自东芝,系统来自Pixo,电池来自索尼——优秀基因的组合

A2 — 触发场景 (Future Trigger)

何时使用:

  • 创业/新产品方向不明确,不确定用户要什么
  • 市场环境变化太快,做计划赶不上变化
  • 需要验证假设但资源有限
  • 组织或团队陷入僵化,缺乏活力

语言信号:

  • "不确定市场要什么"
  • "先跑起来再说"
  • "计划赶不上变化"
  • "怎么快速验证想法?"
  • "团队缺乏创新活力"

与相邻skill区分:

  • vs. systems-thinking:系统性思维是分析工具(诊断系统结构),演化策略是行动框架(设计迭代循环)
  • vs. innovation-method:演化策略关注整个迭代循环(含MVP、反馈、遗传),创新方法关注变异这一步的具体技法
  • vs. scientific-decision:科学决策用于"在已知选项中做选择",演化策略用于"选项尚未出现的探索阶段"

E — 可执行步骤 (Execution)

步骤1:开启初始状态(MVP)
  • 明确目标用户的核心痛点(只聚焦一个最痛的点)
  • 开发包含最小功能组合的可用产品/方案,围绕痛点解决
  • 互联网产品可直接上线跑数据;实体产品需一次做到当前最佳再投放
  • 完成标准:产品能在真实环境中被用户使用,并能收集到反馈数据
步骤2:面向市场,自然选择
  • 将产品投放到真实市场,收集用户反馈(点赞/吐槽/使用数据)
  • 外部剪刀:建立用户反馈通道(社区/客服/数据埋点),忍痛砍掉团队喜欢但用户不买账的功能
  • 内部剪刀(可选):设置内部竞争机制(赛马制/末位淘汰),让多方案同时PK
  • 完成标准:收集到至少一轮真实市场反馈,并据此完成一次迭代优化
步骤3:变异创新,积累遗传
  • 在自然选择胜出的部分基础上,进行变异创新(参考innovation-method skill)
  • 将被市场验证有效的优势固化到下一代产品中(遗传)
  • 开启下一轮演化循环:投放→反馈→变异→遗传
  • 完成标准:完成至少一次"投放→反馈→优化"的完整循环,并有可量化的改进指标

B — 边界 (Boundary)

不要用的场景:

  • 目标明确、路径清晰的项目(用计划更高效,演化浪费时间)
  • 安全/医疗等容错率极低的领域(不能"先上线再迭代")
  • 资源极度有限无法承受多轮试错的情况

失败模式:

  • MVP质量太低:把半成品当MVP,用户体验极差,连初始用户都流失
  • 只变异不遗传:每次创新都推倒重来,不积累已验证的优势
  • 没有真实反馈:在内部分析中自嗨,不敢面对市场的残酷评判
  • 过度赛马:内部竞争消耗太多资源,整体效率反而下降

作者盲点:

  • 对"如何判断何时该用计划、何时该用演化"缺乏明确标准,实践中容易陷入二选一
  • 赛马制成本高昂,对中小团队不现实,但替代方案(如末位淘汰)的效果差距很大
  • 对演化速度的控制缺乏讨论——迭代太慢会被对手超越,太快则每次反馈都不充分

相关 skills

本 skill 与以下 skill 存在关联:

  • mirror-world(前置依赖):演化策略本质上是应对镜像世界中"概率域"和"风险域"的策略,先用镜像世界框架判断事件的不确定性等级,再决定是用计划(确定性高)还是演化(不确定性高)。
  • innovation-method(协同):演化策略的"变异"步骤需要创新方法论提供具体的重组式和突变式创新技法,演化策略管整个迭代循环,创新方法管"怎么变"。
  • compound-effect(对比):复利效应强调"找到因果支点后坚持到里程碑"的确定性增长,演化策略强调"通过试错让环境筛选方向"的不确定性应对,两者适合不同性质的问题。

コメント