先识别卡点，再让AI承接最小行动
主要观点
这套 AI 心力教练不急着替创业者做决定，而是先判断：眼下究竟是没能量、选项太多、自我攻击，还是需求尚未验证。它用7个问题启动对话，再通过结构化聆听、澄清与模式切换，把“我很乱”收束为一个不会再次压垮自己的小行动。更值得借鉴的是开发方法：从自己最痛的场景做粗糙首版，让真实使用和案例塑造结构，而非先追求完整理论。当前难题仍是体验稳定性、收费路径和长期状态记录。
关键要点
- 近300场线下聚会暴露出一个共同现象：创业者的停滞不只来自业务方法不足，还来自疲惫、自责、角色冲突、机会过载等状态问题，需要同时处理“事”和“人”。
- 测评只是对话入口。内测用户自评状态匹配约七成，却认为后续引导其描述不适、理解自己更重要；反向反馈也显示，抽象询问“内在状态”较难回答，睡眠、困倦等事实性问题可能更有效。
- 模式路由是核心机制：能量不足时先整理消耗，方向太多时处理机会过载，反复怀疑自己时拆分事实与自我攻击，担心产品没人买时转向真实需求与最小验证。对话中卡点变化，模式也应随之切换。
- 创业方向案例把多个选项重组为一条链：AI心力教练是核心能力，创业者陪伴是目标人群，健康睡眠是切口，内容产品是获客与交付形态；问题因此从“选哪个方向”改写为“用哪个切口验证核心能力”。
- 可复制的不是某套固定教练话术，而是工具生成路径：真实痛苦提供种子，可视化帮助聚焦，粗糙首版启动使用，个人案例检验帮助如何发生，再交给相似处境者验证价值是否稳定。
- 项目尚有三项明确缺口：调整局部机制会牵动反馈风格并造成体验波动；开源 Skill、训练营与真人咨询之间的商业模式未定；用户状态记录还未形成可感知变化的可视化沉淀。
建议带着这些问题阅读
- 如何把抽象的心力问题改写为更容易回答、又不损失深度的事实性问题？
- 模式切换应由哪些对话信号触发，才能降低AI误判卡点的概率？
- 开源工具、训练营和真人咨询如何分工，才能兼顾规模化、交付质量与收入？