怎样做成大事 Skill big-things-decision：在项目启动前，用数据而非直觉判断“该不该做”-编程实验室

我用SOLO做了一个项目决策框架，帮你判断"这个项目该不该做"

90%的项目超预算，只有0.5%能同时满足预算、工期和收益。问题不在于"怎么管项目"，而在于"启动前有没有用数据校准预期"。

起因：一个产品经理的痛点

作为一个产品经理，我经历过太多次这样的场景：

老板拍脑袋说"我们做一个XX"，三个月后发现赛道已经红海
团队花了两周写方案，投资人一句话否定：“这个方向已经死了一百次了”
朋友兴冲冲说"我要创业做XX"，我不好泼冷水，但心里知道大概率会亏

每次我都想：如果有一个工具，能在启动前用数据快速判断"该不该做"，能省下多少时间和钱？

后来我读了傅以斌的《How Big Things Get Done》——这位牛津大学教授花了20年研究了16,000+个项目，得出的结论很残酷：

大型项目的铁律：超预算、超工期、收益不足——一遍又一遍。

但他也给出了方法论：5个心智模型，帮你在启动前识别风险。我把这套方法论做成一个 Skill，现在开源了。

这个 Skill 能做什么

一句话：在花第一分钱之前，用数据而非直觉判断"这个项目该不该做"。

实际效果演示

场景一：朋友想创业

朋友：我想做一个AI写小说的App，预算50万，团队3个人有2年经验 Skill：【判断】有条件Go — AI写作赛道已有成熟玩家，但垂直场景仍有空间 【风险】 1. 同质化：ChatGPT/Notion AI已覆盖通用写作 2. PMF：用户是否愿意为"AI写小说"单独付费？ 3. 版权：AI生成内容版权归属不明确 【下一步】花一周验证：在番茄小说/晋江找到10个愿意内测的用户

场景二：千万级项目快速排雷

用户：我想做一个中小学数学工具站，千万预算，无团队，半年上线 Skill：【判断】No-Go — 触发4/5个高风险模型信号 【模型分析】 - 外部视角：千万预算 vs 头部玩家数十亿投入 - 承诺谬误：3项命中（政治压力/预算低估/仓促开工） - 肥尾风险：12-18个月暴露期 - 慢思考快行动：节奏严重错误（无团队半年上线） 【建议】改为副业模式，先花1万做MVP验证

场景三：方案对比

用户：技术团队该自建还是外包？ Skill：自动对两个方案分别做参考类预测、风险评估、模块化分析 → 输出对比表格 + 推荐方案 + 什么情况下选另一个

核心设计思路

不是知识库，是分析引擎

市面上有很多项目管理工具（Jira、Notion）、很多知识库（ChatGPT直接问）。但它们都不解决一个核心问题：启动前的决策质量。

这个 Skill 的独特之处在于：5个心智模型不是放在那里让你查阅的，而是每次分析时必须逐项调用的引擎。

每次展开分析，5个模型依次检查： 1. 外部视角锚定 → 你的预期 vs 历史数据，差距多大？ 2. 承诺谬误 → 5项自检，有没有认知偏差？ 3. 肥尾风险 → 最坏情况有多坏？ 4. 模块化 → 能拆解吗？ 5. 慢思考快行动 → 节奏对不对？

信息不足时，先追问不猜测

很多AI工具的问题是：你问得模糊，它也答得模糊。这个 Skill 会在信息不足时主动追问关键问题，而不是基于假设给判断。

计算结果可复现

风险评估计算器公开了完整公式：

得分 = 类型基准(40-65) + 预算因子(0-15) + 工期因子(0-15) - 经验(0-15) - 技术(0-15) - 参考(0-10) ≥70 🔴高风险 / 40-69 🟡中风险 / <40 🟢低风险

同样输入永远同样结果，不是玄学。

技术实现

框架：基于 SOLO Skill 原生构建（v5.0，经过5轮迭代）
搜索：集成 AnySearch 实时搜索引擎，并行批量搜索
数据基础：傅以斌16,000+项目实证数据库
学术认可：Daniel Kahneman 称其核心方法为"提高预测准确性的最重要的一条建议"

5个心智模型速览

模型	一句话
外部视角锚定	你的项目不是独一无二的，它是"其中之一"
慢思考快行动	低成本阶段充分验证，高成本阶段快速推进
模块化分解	让重复成为你的朋友，而不是敌人
肥尾风险认知	为最坏情况做准备，而不是为平均情况
承诺谬误识别	区分"欺骗"和"妄想"，才能对症下药