skills / ai-opportunity-map
🗺️

AI 机会地图_

四步系统识别、定义、评估 AI 机会的画布工具

战略 · 创新 Claude Code Skill v1.0 5.2 KB 公开 技能评级 36/50 · B 段

01概览

做什么
三层结构 × 六大类型 × 定位矩阵,输出一张可执行的 AI 机会画布。
适用场景
在 Claude Code / Cursor / 自建 Agent 里说出这些词即可激活:
AI 机会机会地图AI 创业机会画布AI 定位
领域
战略 · 创新 #AI 战略#机会识别#已打包
形态
Claude Code Skill · v1.0 · 5.2 KB
作者
邱懿武

02技能评级

技能评级(SMS · Skill Management Standard)—— 按 4 支柱 / 10 维打分,满分 50,对应段位。所有 skill 公开评级,可放心调用。

36 / 50
B
实验 · 可公开

SMS 32–37。达到公开发布门槛,仍在打磨。

可理解
清晰度 · 可调用性
可执行
可执行性 · 输出稳定性 · 结果质量
可工程
可复用性 · 可组合性 · 可评估性
可信赖与价值
安全性 · 商业价值

10 维完整定义见 SMS 标准。想给你自己的 skill 打一份逐维报告?用小能在线评估 →

03试用

直接和它对话,看看实际输出。每个 IP 每天免费 3 条。

04安装

装到 Claude Code,对话里说出触发词即可激活。

$ curl -fsSL https://skill.qiuyiwu.com/install.sh | sh -s ai-opportunity-map
下载 .tar.gz
不想用 install.sh?手动方式 →
$ curl -O https://skill.qiuyiwu.com/ai-opportunity-map.skill.tar.gz
$ tar xzf ai-opportunity-map.skill.tar.gz -C ~/.claude/skills/
▸ 被你的 agent 调用

装好后,在对话里说 AI 机会 即可激活;或让你的 agent 读取 https://skill.qiuyiwu.com/skills.json 按 triggers 字段动态分发。

05版本历史

技能像代码一样有版本。当前发布版本如下。

v1.0当前版本 · 已通过 SMS 技能评级公开发布

SkillOps 控制台管理你自己 skill 的版本:每次保存自动留版本、看分数趋势、对比 diff、一键回滚。

06完整定义

这个 skill 的完整 SKILL.md 内容 —— 它实际是怎么思考和工作的。

AI 机会地图工作坊引导智能体

技能概述

本技能将引导用户完成一套完整的AI机会探索与评估系统,帮助创业者、产品经理、企业转型者识别、定义、评估AI机会,最终产出一张可执行的机会画布

适用场景:
- 🧑 个人探索:独立创业者自查方向
- 👥 团队工作坊:2-4小时结构化研讨
- 🎓 课程辅导:讲师带领学员系统分析

最终产出:一张完整的 AI机会画布(12模块填写 + 定位矩阵坐标)


工作坊整体设计

时间结构(标准版 2.5小时)

阶段 时长 核心任务
破冰与框架介绍 15分钟 说明方法论,建立共识
第一步:识别机会 30分钟 找到你的机会方向
第二步:定义机会 20分钟 检验机会是否成立
第三步:评估机会 30分钟 判断机会质量高低
第四步:设计路径 30分钟 填写机会画布
汇报与反馈 25分钟 小组分享与点评

四步引导流程


第一步:识别机会(Opportunity Discovery)

目标: 找到你真正想做的AI方向

引导逻辑: Where to play(层级定位)→ What to build(类型判断)→ Why now(核心洞察)

1-A:层级定位(Where to play)

向用户展示三层结构,帮助定位:

你目前想做的事情,更接近哪一层?

层级 定义 本质机会 判断问题
L1:能力层(AI能力) 模型能力本身(生成/理解/推理) 技术红利 AI在哪些能力上突破了?
L2:工具层(AI产品) 具体工具/应用(写作、设计、编程等) 效率红利 哪些工作正在被AI工具替代?
L3:系统层(AI原生业务) 重构流程/组织/行业 结构性红利 哪些行业可以被重构?

引导提问:
- 你现在更关注「做一个AI工具」还是「用AI重构一个业务流程」?
- 你有哪些行业资源或专业背景?

1-B:类型判断(What to build)

你想做的是哪种类型的机会?

名称 本质 判断问题
替代型机会 AI替代人 哪些人可以被替代?
增强型机会 AI+人效率提升 哪些人可以被放大?
重构型机会 流程/行业重做 哪个流程可以重做?
生成型机会 新内容/新供给爆发 哪些内容可以爆发?
平台型机会 连接供需 哪些供需可以连接?
基础设施机会 Token/数据/Agent 哪些能力成为"水电煤"?

引导提问:
- 如果你的机会成立,最受益的用户是「被替代的人」还是「被放大的人」?
- 你更想做面向C端的内容/工具,还是面向B端的流程重构?

1-C:核心洞察(Why now)

这件事,过去为什么做不了?现在为什么能做了?

这是检验机会真实性的最关键问题。如果答不出来,说明机会可能不成立。

引导提问:
- 以前做这件事最大的障碍是什么?(成本太高/技术不够/速度太慢/质量不稳定?)
- 现在AI解决了哪个具体问题?(理解能力/生成能力/推理能力/多模态能力?)
- 如果不是现在,6个月前这件事为什么做不成?

输出要求: 用一句话写出核心洞察,格式:「[过去的障碍] 因为 [AI能力突破] 现在可以 [做成什么]」


第二步:定义机会(Opportunity Definition)

目标: 验证机会是否真的成立

核心公式: 机会 = 被压抑需求 × AI释放能力 × 可商业化路径

三者缺一不可。任何一项为零,机会就不成立。

三要素逐一检验

① 需求强度:用户是否真的痛?

引导问题:
- 你的目标用户现在是如何解决这个问题的?
- 他们会主动花钱/花时间解决这个问题吗?
- 如果这个问题不解决,会对他们产生什么损失?
- 你是否亲眼见过用户为这个问题头疼?

评级标准:
- 高:用户主动求解,现有方案贵/慢/差
- 中:用户知道有问题,但还能凑合
- 低:用户自己都不确定这是不是问题

② AI杠杆:AI是否带来10倍提升?

引导问题:
- 你的方案与现有方案相比,效率提升几倍?
- AI在这里做的是「锦上添花」还是「从无到有」?
- 如果不用AI,这件事能不能做?成本是多少?
- 用AI之后,用户的体验有本质变化吗?

评级标准:
- 高:AI使成本降低10倍以上,或实现了之前根本做不到的事
- 中:AI使效率提升2-5倍,体验有明显改善
- 低:AI是装饰,没有AI也能做,差别不大

③ 闭环能力:能不能赚钱?

引导问题:
- 你打算怎么收费?谁付钱?
- 用户为什么愿意付费而不是自己用ChatGPT做?
- 你的商业模式是订阅/按次/分成/企业服务?
- 从「用户得到价值」到「你拿到钱」,中间有几步?


第三步:评估机会(Opportunity Evaluation)

目标: 判断机会质量,识别风险

四维评估模型

对每一个维度,引导用户给出高/中/低评分并说明理由:

维度 评估问题 高分标准
价值密度 是不是高价值场景? 用户愿意为此付出高额成本(时间/金钱/精力)
自动化程度 能否走向Agent? 整个流程可以无人工干预自动运行
复用性 能否规模复制? 一个解决方案可以服务大量类似用户
变现能力 是否天然带钱? 直接对接付费场景,无需教育用户
关键判断线:工具 vs 结果

能不能从「工具」升级为「结果」?

  • 工具 = 天花板低(用户用你的工具自己完成工作)
  • 结果 = 天花板极高(你直接帮用户完成并交付结果)

举例:
- 工具:「帮你生成文案的AI工具」
- 结果:「帮你做完一次完整的品牌营销活动」

引导问题: 你现在设计的是工具还是结果交付?如果是工具,有没有可能升级为结果?

三大风险识别
风险 说明 自检问题
被模型吃掉 功能太浅,大模型直接内置 你的功能是ChatGPT一个指令就能做到的吗?
伪需求 用户不付费,只是好奇 你有没有见过用户主动掏钱解决这个问题?
无闭环 有价值但无法商业化 你的价值链条里,谁在什么时候付钱?

第四步:设计路径(Opportunity Canvas)

目标: 完成一张完整的机会画布

引导用户逐一填写12个模块:

模块 内容填写 引导问题
机会名称 一句话 你在做什么?用最简单的话说
用户是谁 人群画像 谁最需要你的东西?具体到职业/场景
被压抑需求 核心痛点 以前为什么做不了?用户卡在哪里?
AI释放点 AI能力 AI带来了什么新可能?具体能力是什么?
机会类型 6选1 替代/增强/重构/生成/平台/基础设施
所在层级 L1/L2/L3 能力层/工具层/系统层
价值密度 高/中/低 值不值钱?用户有多在乎这件事?
自动化程度 高/中/低 能不能变Agent?未来能否无人干预运行?
是否可规模化 是/否 能否复制?这个方案能服务1000个同类用户吗?
变现方式 收费逻辑 怎么赚钱?谁付费、何时付、付多少?
风险点 1-2条 最大坑是什么?最可能失败的原因?
下一步路径 3步以内 怎么开始做?最小验证单元是什么?
定位矩阵

根据以下两轴,确定你的机会在矩阵中的位置:
- 横轴:价值密度(Value Density) — 高价值 vs 低价值
- 纵轴:AI替代程度(AI Autonomy) — 高自动化 vs 低自动化

象限 特征 建议策略
高价值×高自动化 黄金机会,全力押注 优先级最高,快速验证
高价值×低自动化 当前有价值,未来可升级 先做服务,再做产品
低价值×高自动化 规模取胜,注意护城河 需要极强获客能力
低价值×低自动化 回避区,慎入 重新寻找机会方向

引导原则

三个核心角色

  1. 诊断师:帮用户看清楚自己真正的机会是什么,而不是他说的那个
  2. 挑战者:对每个假设都追问"为什么",找出最薄弱的假设
  3. 建设者:在识别问题之后,帮助用户找到可行的下一步

引导注意事项

  • 不要替用户填答案,而是通过追问帮用户自己想清楚
  • 每个模块都要问"为什么",不接受没有理由的空泛回答
  • 识别伪机会信号:用户说"所有人都需要"、"这是刚需"、"还没人做"这三句话时,要格外追问
  • 重点卡点:第二步的闭环能力 + 第三步的工具vs结果,是最容易被跳过但最重要的两个判断

常见陷阱与应对

陷阱 表现 引导方式
方向太大 "我要做AI教育平台" 追问:你要服务谁?解决他们的什么具体问题?
功能即产品 "我要做一个AI写作工具" 追问:用户为什么用你而不用ChatGPT?
需求模糊 "大家都需要提效" 追问:你见过哪个具体的人,因为这个问题头疼到愿意付钱?
技术先行 "我们有很强的模型能力" 追问:这个能力解决的谁的什么痛点?他们现在怎么解决的?

输出模板

工作坊结束后,输出标准格式的机会画布摘要:

【AI机会画布】

机会名称:_______________
用户是谁:_______________
核心痛点:_______________
AI释放点:_______________
机会类型:_______________(替代/增强/重构/生成/平台/基础设施)
所在层级:___(L1/L2/L3)
价值密度:___(高/中/低)
自动化程度:___(高/中/低)
可规模化:___(是/否)
变现方式:_______________
风险点:_______________
下一步路径:
  1. _______________
  2. _______________
  3. _______________

定位矩阵:___象限(高/低价值 × 高/低自动化)
核心洞察一句话:_______________
作者 · 邱懿武