关于 feasibility-assessor
用于从财务可行性和技术可行性评估商业构想与产品功能的技能。它涵盖输入分类、单位经济分析、架构与风险评估,并给出综合判断和降风险建议。
主要功能
- 01分类构想、功能、代码库与计划
- 02单位经济与收入分析
- 03架构和技术风险评估
- 04综合可行性判断
- 05排序后的降风险建议
适用场景
- 01评估新的商业构想
- 02分析产品功能提案
- 03审视代码库扩展或转型
- 04识别待验证的关键假设
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ mathews-tom/ armory --skill feasibility-assessor安装后在 Claude Code 中输入/feasibility-assessor确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
evals/cases.yamlreferences/financial-viability.mdtechnical-risk.mdunit-economics.md详细介绍
可行性评估器
从财务可行性和技术可行性两个方面评估商业创意和功能,并给出综合结论及可执行的降险建议。
阶段 1:输入分类
确定输入类型:
- 创意提案:对某个概念的非正式描述
- 功能规格:对产品新增功能的明确要求
- 代码库:用于评估扩展或转型的现有代码
- 商业计划:包含财务数据的结构化文档
从输入中提取:
- 价值主张(解决什么问题、面向哪些人)
- 目标客户群体
- 定价意图或收入模式
- 技术栈(明确提及或隐含)
- 对竞争格局的了解程度
如果缺少关键输入,请先提出有针对性的澄清问题,再继续。最低限度的必要输入:价值主张和目标客户。
阶段 2:财务分析
参考:references/unit-economics.md、references/financial-viability.md
只有在请求纯粹涉及技术问题时才跳过此阶段(例如:“我们能否用 Y 技术栈构建 X?”)。
单位经济效益
- 计算客户获取成本(CAC)——完全计入营销支出、销售成本,以及分摊到每位新客户的管理费用
- 计算客户终身价值(LTV)——ARPU 乘以平均客户生命周期,并根据毛利率进行调整
- 计算LTV:CAC 比率——最低可行值:3:1
- 确定每售出一个单位或每服务一位客户的贡献利润
- 计算回本周期——客户产生的累计毛利超过 CAC 所需的月数
明确列出每项假设。标记敏感度高的假设(小幅变动就会改变结果)。
收入建模
- 识别所有收入来源,并分别估算规模
- 评估定价策略是否合适:成本加成、基于价值、竞争性定价、免费增值转付费
- 应用转化率假设——使用参考资料中的行业基准
- 对流失率和留存率建模——在可行的情况下应用群组衰减曲线
盈亏平衡分析
- 区分固定成本(租金、工资、基础设施基线)和可变成本(COGS、交易费用、每位用户的支持成本)
- 计算盈亏平衡点,以售出单位数、客户数或收入表示
- 建立三种情景模型:
- 悲观:采用第 50 百分位转化率、高流失率、低速增长
- 基准:采用行业平均假设
- 乐观:达到最高四分位表现
盈利路径
- 预测未来 12-24 个月的毛利率走势
- 对运营费用扩张建模(线性增长、阶梯式增长或规模经济)
- 根据当前消耗速度估算资金需求和资金可支撑时间
- 与行业盈利时间基准进行比较
阶段 3:技术分析
参考:references/technical-risk.md
只有在请求纯粹涉及财务问题时才跳过此阶段(例如:“月费为 $29 的 SaaS,其单位经济效益是否可行?”)。
架构评估
按复杂度分类:
| 级别 | 描述 | 示例 |
|---|---|---|
| 1 — 简单 | 标准 CRUD,单个服务 | 落地页、基础 CMS、基于表单的应用 |
| 2 — 中等 | 多服务集成、身份验证、支付 | 电子商务、SaaS 仪表板、API 平台 |
| 3 — 复杂 | 分布式系统、实时功能、高可用性 | 市场平台、流媒体平台、金融科技 |
| 4 — 新颖 | 需要研发,规模化能力未经验证 | ML 驱动的产品、新型协议、硬件 + 软件 |
评估:
- 技术栈的成熟度和生态系统支持
- 基础设施需求及成本增长曲线
- 第三方依赖的数量和关键程度
构建估算
- 定义 MVP 范围——用于验证核心价值主张的最小功能集
- 估算开发时间:
- 乐观:经验丰富的团队、熟悉的技术栈、未知因素极少
- 现实:一般水平的团队、需要一定时间熟悉、存在常见阻碍
- 悲观:全新领域、集成挑战、监管方面的额外工作
- 确定所需的团队技能和可用时间
- 针对每个主要组件,分析自建、采购还是合作
风险评分
对每个维度按 1-5 分评分(1 = 低风险,5 = 极高风险):
| 维度 | 衡量内容 |
|---|---|
| 技术新颖性 | 技术经过验证(1)与需要积极开展研发(5)的对比 |
| 集成复杂度 | 自包含(1)与涉及许多外部 API(5)的对比 |
| 规模扩展准备度 | 架构可通过配置变更处理 100 倍规模(1)与需要重新设计架构(5)的对比 |
| 数据风险 | 公开/自有数据,无监管要求(1)与受限数据、严格合规要求(5)的对比 |
| 安全/合规 | 不涉及敏感数据(1)与需要 PCI/HIPAA/SOC2(5)的对比 |
综合技术风险 = 加权平均值。将任何评分达到 4 分或以上的维度标记为阻碍项,并要求制定缓解计划。
第 4 阶段:综合可行性评分
财务可行性
- 可行:LTV:CAC > 3:1,回本周期 < 18 个月,有明确的单位经济效益转正路径
- 有风险:LTV:CAC 为 1.5-3:1,回本周期为 18-36 个月,单位经济效益取决于规模
- 不可行:LTV:CAC < 1.5:1,回本周期 > 36 个月,贡献利润率为负
技术可行性
- 简单直接:复杂度等级为 1-2,所有风险维度均 < 3
- 有挑战:复杂度等级为 2-3,一个或两个维度为 3-4
- 高风险:复杂度等级为 3-4,多个维度达到 4+
- 研究级:复杂度等级为 4,任一维度达到 5
总体结论
| 财务 | 技术 | 结论 |
|---|---|---|
| 可行 | 简单直接 | 绿色 — 继续推进 |
| 可行 | 有挑战 | 黄色 — 谨慎推进,缓解技术风险 |
| 有风险 | 简单直接 | 黄色 — 先验证财务假设 |
| 有风险 | 有挑战 | 黄色 — 不确定性高,开展低成本实验 |
| 不可行 | 任意 | 红色 — 重新审视基本假设 |
| 任意 | 高风险/研究级 | 红色 — 承诺投入前,降低技术方面的未知因素 |
假设敏感性
找出对结论影响最大的 3-5 个假设。对每项假设,说明:
- 当前假设值
- 会改变评估结果的阈值
- 如何以低成本进行验证
降低风险的建议
根据实验的执行成本与信息价值对实验进行排序。优先开展能够以最低成本验证最高风险假设的实验。
第 5 阶段:生成报告
按以下结构组织输出:
执行摘要
- 用一段话给出结论,并明确是否继续推进
- 3 个主要风险和 3 个主要优势
财务仪表板(如适用)
- 单位经济效益表:CAC、LTV、LTV:CAC、贡献利润率、回本周期
- 3 种情景下的收入预测(表格或文字说明)
- 盈亏平衡点及时间线
技术评分卡(如适用)
- 复杂度分类
- 风险维度评分(表格)
- MVP 范围和时间估算
- 关键依赖项及缓解措施
敏感性分析
- 哪些假设一旦不成立,就会改变结论
- 每个关键假设的阈值
建议的后续步骤
- 按顺序列出操作,优先进行成本最低的验证
- 明确每个步骤的负责人或技能要求
- 设置决策关口:明确哪些证据会触发继续、转向或停止
评论
支持 Markdown