Think-Twice

基于 920+ 失败创业案例数据库，用批判性思维分析你的创业想法

Think-Twice 是一个 Claude Code skill，通过分析历史上的失败创业案例，为你的创业想法提供可行性评分、风险警示和改进建议。

功能

• 📊 可行性评分 (0-100) - 基于相似失败案例的数据驱动评分
• ⚠️ 相似失败案例 - 找到历史上最相似的失败案例
• 🎯 问题分析 - 每个案例要解决的问题、解决方案、失败路径、现状
• 💰 融资建议 - 基于历史数据的 25/50/75 分位融资建议
• 🧠 批判性思维 - 5 个必须质疑的硬核问题

安装

快速安装

git clone https://github.com/your-username/think-twice.git
cd think-twice
./install.sh

手动安装

1. 克��仓库

git clone https://github.com/your-username/think-twice.git
cd think-twice

2. 安装依赖

# 创建虚拟环境
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt

3. 下载模型（首次运行自动下载）

首次运行会自动下载 all-MiniLM-L6-v2 模型 (~80MB)

4. 安装到 Claude Code

# 方式1: 复制到全局技能目录
cp -r skill/ ~/.claude/skills/Think-twice

# 方式2: 复制到项目技能目录
cp -r skill/ .claude/skills/Think-twice

使用

在 Claude Code 中输入：

/Think-twice

然后描述你的创业想法：

我想做一个 AI 驱动的 HR SaaS 平台，帮助企业自动化招聘流程...

示例输出

示例 1: 分析 Think-Twice 自己

用户问题：你觉得你自己这个产品"think-twice"怎么样呢？有没有市场？

---

关于 Think-Twice 产品的批判性分析

📊 产品概述

Think-Twice 是一个基于失败创业案例数据库的 AI 创业想法分析工具，提供可行性评分、失败案例参考和批判性建议。

---

❓ 五个致命拷问

1. 这是真实问题还是伪需求？

答案：半真半假

• ✅ 真实部分：创业者确实会陷入确认偏差，需要有人泼冷水
• ❌ 伪需求部分：大多数创业者根本不会用。真正需要这个工具的人，往往过度自信不会来用；会用的人，可能本来就比较谨慎

关键洞察：你卖给谁？

• 理性创业者 → 已经会做调研，不需要你
• 非理性创业者 → 不会相信你，或者选择性接受

---

2. 用户愿意付费吗？有验证吗？

答案：存疑

对标产品分析：

• CB Insights → 企业级市场，$$$$ 订阅
• Failory → 内容网站，免费+广告
• Startup Graveyard → 免费内容聚合

问题：

• 个人创业者：付费意愿低，用一次就跑
• 企业/孵化器：市场小，B2B 销售周期长
• 免费模式：没有护城河，任何人都能用 AI + 失败案例库复制

---

3. 是否存在双边市场冷启动问题？

答案：数据不是护城河

这个产品的核心资产是"920+ 失败案例数据库"，但：

• 这些数据大多来自���开渠道（Crunchbase、创业媒体报道）
• GPT-4 已经知道大量失败案例
• 数据清洗是可复制的工作，不是长期壁垒

---

4. 竞争对手可以轻易复制吗？

答案：是的，非常容易

替代方案：

1. 直接问 ChatGPT/Claude："分析这个创业想法，参考失败案例"
2. 每个咨询公司/孵化器都可以做一个私有版本
3. GitHub 上开源的创业分析模板

你的优势是什么？

• 结构化数据？→ 用一次就够了
• 更好的 Prompt？→ 会被抄袭
• "批判性"定位？→ 这是特色，但不是护城河

---

5. Final Boss 是谁？

竞争对手	你会如何被碾压
ChatGPT/Claude 直接对话	用户问"分析我的创业想法"，AI 已经能给出批判性建议
专业咨询公司	深度定制 + 人脉资源，你只是工具
孵化器/加速器	提供资金+资源+导师，你只是一个功能
创业书籍/课程	更系统化的知识，一次性付费

---

💀 死亡剧本

场景 A：工具人结局

• 上线，获得一些早期用户
• 用户用完一次就离开（频次太低）
• 无法建立正向循环，数据停滞更新
• 项目死亡

场景 B：被吞噬结局

• OpenAI/Google 推出"创业顾问"功能
• 直接整合失败案例数据库
• 你的产品瞬间失去存在意义

场景 C：小众工具结局

• 成为一个小众的开发者工具
• 少量硬核用户使用
• 无法商业化，最终维护成本超过收益

---

✅ 但也有机会...

如果换种思路：

1. 不做产品，做内容

• Twitter/X 账号："每日死一个创业公司"
• 分析著名失败案例，传播批判性思维
• 建立个人品牌，再考虑商业化

2. 不做 C 端，做 B 端

• 卖给孵化器/加速器作为内部工具
• 卖给商学院作为教学工具
• 卖给 VC 帮助筛选项目

3. 不做分析，做社区

• 聚集理性的创业者
• 同行评审彼此的想法
• 社区壁垒 > 数据壁垒

---

🎯 结论

作为独立产品：评分 35/100

维度	评分	理由
真实需求	6/10	需求存在，但目标用户不会用
付费意愿	3/10	C 端不愿付，B 端难销售
竞争壁垒	2/10	数据可复制，AI 可替代
扩展性	4/10	低频工具，难留存
退出机会	4/10	被 AI 公司收购的可能性

最可能的结局：成为 GitHub 上一个有 2-3k stars 的开源项目，但无法商业化。

建议：如果你真的想做，先做一个 Twitter 账号验证需求，成本接近于零。

---

数据来源

基于 Loot Drop 的 920+ 失败创业案例数据库。

数据文件已包含在仓库中：

• data/startups_classified.json - 带分类标注的公司数据
• data/startups_vectors.json - 语义搜索向量嵌入

更新数据

如需更新数据或重新生成向量：

# 从原始 Loot Drop 数据生成
python scripts/prepare_data.py --raw path/to/raw_data.json

# 或从已有 classified 文件重新生成向量
python scripts/prepare_data.py --regenerate-vectors

行业分类

20 个一级分类：

• SaaS, E-commerce, Fintech, HealthTech, EdTech
• Media & Entertainment, Consumer, Real Estate
• Logistics & Supply Chain, Transportation, Hardware & IoT
• CleanTech & Energy, Food & Beverage, Cybersecurity
• Developer Tools, HR Tech, Marketing & AdTech
• Communication & Collaboration, Data & Analytics, AI & Machine Learning

批判性思维检查清单

1. ❓ 伪需求 vs 真实痛点？
2. ❓ 付费意愿验证了吗？
3. ❓ 双边市场冷启动？
4. ❓ 竞争对手可复制性？
5. ❓ Final Boss 是谁？

许可证

MIT License