B. 扩展案例库
本附录提供 6 个真实案例，展示如何在不同场景下应用第二章的思维模型。每个案例都包含：问题背景、思维模型应用过程、关键决策、最终结果。
案例索引
| 场景 | 案例 | 核心思维模型 |
|---|---|---|
| 产品验证 | Dropbox：用视频代替产品 | 减法思维 |
| 产品验证 | Airbnb：从气垫床到独角兽 | JTBD 思维 |
| 数据分析 | 电商渠道 ROI 分析 | 灵魂三问 |
| 数据分析 | 销售周报自动化 | 逆向思维 |
| 个人工具 | 吃药提醒给父母 | 故事思维 |
| 自动化 | Excel 多表汇总 | 问题发现 |
案例 1：Dropbox —— 用视频代替产品
场景类型：产品验证
核心思维模型：减法思维
背景
2007 年，Drew Houston 有一个想法：做一个能在多台电脑之间自动同步文件的工具。
但他面临一个难题：这个产品需要开发复杂的后端系统、处理各种边界情况，开发周期可能需要一年以上。如果花一年时间做出来，结果没人用怎么办？
思维模型应用：减法思维
Houston 问自己一个关键问题：我真正要验证的假设是什么？
| 常见做法 | Houston 的做法 |
|---|---|
| 先做一个能用的产品 | 先验证「有没有人需要这个」 |
| 功能越完善越好 | 只需要让人「理解并想要」 |
| 产品说话 | 视频说话 |
他的核心假设是：有足够多的人遇到「多设备文件同步」这个痛点，并且愿意为解决方案付费/注册。
验证这个假设，并不需要一个完整的产品。一个能让人理解「这是什么、能解决什么问题」的视频就够了。
关键决策
Houston 做了一个 3 分钟的演示视频，展示 Dropbox 的使用场景：
- 在一台电脑上修改文件
- 打开另一台电脑，文件自动同步了
- 不需要 U 盘、不需要发邮件给自己
视频发布在 Hacker News 上，配合一个注册等待列表页面。
结果
- 一夜之间，等待列表从 5,000 人增长到 75,000 人
- Houston 得到了明确的验证：这个问题值得解决，有大量人愿意使用
- 基于这个验证结果，他开始认真开发产品
启示
减法思维的核心不是「少做功能」，而是「想清楚要验证什么」。
Dropbox 的 MVP 不是一个「功能很少的产品」，而是一个「能验证核心假设的最小方案」。在这个案例中，验证假设的最小方案是一个视频，不是产品。
案例 2：Airbnb —— 从气垫床到独角兽
场景类型：产品验证
核心思维模型：JTBD 思维
背景
2007 年，Brian Chesky 和 Joe Gebbia 付不起旧金山的房租。当时城里正在举办一个设计大会，酒店全部订满。他们想到一个主意：在客厅放几个气垫床，提供早餐，出租给参会者。
这就是 Airbnb 的起源——AirBed & Breakfast（气垫床和早餐）。
思维模型应用：JTBD 思维
最初，他们以为自己在解决的问题是「便宜住宿」。
但通过和第一批房客交流，他们发现了更深层的任务：
| 表面需求 | 深层任务（JTBD） |
|---|---|
| 我需要便宜的住宿 | 我想像当地人一样体验这个城市 |
| 我需要一张床 | 我想要比酒店更有人情味的住宿体验 |
| 我想省钱 | 我想把钱花在体验上，而不是标准化的酒店房间 |
用 JTBD 模板描述：
当 旅行者 在 去一个新城市参加活动 时，
想要 像当地人一样住在这个城市，
以便于 获得独特的、有人情味的旅行体验。
关键决策
基于这个洞察，Airbnb 的定位从「便宜住宿」转变为「像当地人一样生活」。
这影响了后续的产品设计：
- 鼓励房东提供当地生活建议
- 展示房源的独特个性，而非标准化配置
- 强调「体验」而非「住宿」
结果
Airbnb 成为估值超过 1000 亿美元的公司。他们的成功不是因为提供了更便宜的住宿，而是因为理解了用户真正要完成的任务。
启示
JTBD 思维帮你看到功能背后的任务。
如果 Airbnb 只停留在「便宜住宿」这个表面需求，他们可能会陷入和廉价酒店的价格战。正是因为理解了「像当地人一样生活」这个深层任务，他们开辟了一个全新的市场。
案例 3：电商渠道 ROI 分析
场景类型：数据分析
核心思维模型：灵魂三问
背景
小王是一家电商公司的运营。老板让他「分析一下各渠道的投放效果」。
他打开 Excel，面对一堆数据，不知道从何下手：
- 要分析哪些指标？
- 要做什么图表？
- 报告应该多长？
思维模型应用：灵魂三问
小王决定先用「灵魂三问」理清思路：
问题 1：用户是谁？
这份报告的「用户」是老板。老板关心的是「钱花得值不值」，不是「数据有多详细」。
问题 2：痛点在哪？
老板的痛点是：每个月在 5 个渠道投了 50 万广告费，但不知道哪个渠道效果最好，下个月预算该怎么分配。
问题 3：为什么选我？
老板选择让小王做这个分析，是因为小王能接触到各渠道的数据。老板需要的是「能支持决策的结论」，而不是「展示数据的报告」。
关键决策
基于灵魂三问，小王明确了分析方向：
| 之前的想法 | 调整后的方向 |
|---|---|
| 分析所有能分析的指标 | 只分析 ROI 相关指标 |
| 做各种漂亮的图表 | 只做能回答「哪个渠道效果最好」的图 |
| 报告越详细越好 | 一页 PPT 说清楚结论 |
他的核心交付变成了：
「基于 Q3 数据，渠道 A 的 ROI 是 3.2，渠道 C 是 1.1。建议下季度将渠道 C 的预算转移 30% 到渠道 A。」
结果
老板看完报告，5 分钟内做出了预算调整决策。老板评价：「终于有人能告诉我该怎么做了，而不是扔给我一堆数据。」
启示
数据分析的价值不在于「分析了多少」，而在于「回答了什么问题」。
在做数据分析前，先问自己灵魂三问：
- 这份报告给谁看？
- 他需要回答什么问题？
- 他看完后应该能做什么决策？
案例 4：销售周报自动化
场景类型：数据分析/自动化
核心思维模型：逆向思维
背景
小张每周五要从 5 个部门的 Excel 文件中汇总数据，生成一份销售周报。这个过程需要 2 小时，而且经常出错。
他决定用 Vibe Coding 做一个自动化工具。
思维模型应用：逆向思维
在动手之前，小张做了一个 Pre-mortem 分析：
假设 1 个月后，这个自动化工具失败了，可能是什么原因？
| 失败原因 | 可能性 | 预防措施 |
|---|---|---|
| 部门改了 Excel 格式，脚本跑不了 | 高 | 加入格式检测，发现异常时报警而非静默失败 |
| 汇总后的数据和手动汇总不一致 | 中 | 前几周自动化和手动并行，对比验证 |
| 忘了新增的部门没有加入脚本 | 中 | 用文件夹扫描代替硬编码文件名 |
| 脚本报错了不知道怎么修 | 中 | 让 AI 写详细的错误提示和日志 |
关键决策
基于 Pre-mortem 分析，小张在给 AI 的 Prompt 中加入了这些要求：
请帮我写一个 Python 脚本，自动汇总多个 Excel 文件。
特别要求：
1. 自动扫描指定文件夹下的所有 .xlsx 文件
2. 检测每个文件的格式是否符合预期，不符合时明确报错
3. 汇总完成后，输出一份校验摘要（总行数、各部门数据条数）
4. 每一步操作都写日志，方便排查问题结果
第一周，脚本在汇总财务部数据时报错——因为财务部的表头多了一列。因为有格式检测和明确的错误提示，小张 5 分钟就定位并修复了问题。
如果没有 Pre-mortem 分析，这个问题可能会导致汇总数据错误，直到老板发现才被追查。
启示
逆向思维不是悲观主义，而是「提前踩坑」。
对于自动化脚本来说，最危险的不是「跑不起来」，而是「跑起来了但结果不对」。Pre-mortem 帮你提前想到这些风险，并在设计时就加入防护措施。
案例 5：吃药提醒给父母
场景类型：个人工具/给家人做
核心思维模型：故事思维
背景
小李的父母都 60 多岁了，需要每天定时吃降压药。但他们经常忘记，或者吃完了忘记自己吃没吃过。
小李想用 Vibe Coding 做一个吃药提醒工具。
思维模型应用：故事思维
小李没有直接开始设计功能，而是先用「三维画像」理解父母：
| 维度 | 内容 |
|---|---|
| 表面属性 | 60+ 岁，视力不太好，不太会用智能手机 |
| 行为习惯 | 早上起床后先看电视，手机主要用来接电话和微信 |
| 深层动机 | 不想给子女添麻烦，但又怕忘记吃药影响健康 |
然后，他用「用户旅程」想象父母使用这个工具的场景：
早上 7:00
├── 场景：爸妈刚起床，在客厅
├── 触发：手机响了/震动了
├── 行动：看手机，看到吃药提醒
├── 障碍：字太小看不清？不知道点哪里确认？
└── 期望感受：「哦，该吃药了」，点一下就完成关键决策
基于故事思维的分析，小李确定了设计原则：
| 常见做法 | 小李的做法 |
|---|---|
| 多种提醒方式可选 | 只用最简单的方式：大字 + 震动 |
| 记录吃药历史 | 只问「吃了吗」，点「吃了」就完成 |
| 可以设置多种药物 | 先只支持一种药，降低复杂度 |
| 精美的 UI 设计 | 大按钮、大字体、高对比度 |
给 AI 的 Prompt：
我要给 60 多岁的父母做一个吃药提醒网页。
用户特点：
- 视力不太好，需要大字体（至少 24px）
- 不太会用手机，交互要极简
- 不需要记录历史，只需要提醒和确认
功能要求：
- 显示当前时间和「该吃药了」提示
- 一个巨大的「我吃了」按钮
- 点击后显示「好的，明天同一时间再提醒你」
- 页面可以设为手机浏览器主页结果
父母真的开始用这个工具了。妈妈说：「这个比你之前教我用的那些 App 简单多了，我一看就懂。」
启示
给别人做工具时，「故事思维」帮你站在对方角度思考。
如果小李直接问父母「你想要什么功能」，他们可能说不清楚。但通过想象他们的一天、他们使用手机的场景、他们可能遇到的障碍，小李设计出了真正适合他们的工具。
案例 6：Excel 多表汇总
场景类型：自动化
核心思维模型：问题发现
背景
小陈是公司的人事专员。每个月初，她需要从各部门收集考勤表，汇总成一份公司考勤总表。
这件事她做了两年，每次都觉得烦，但从没想过可以自动化。
思维模型应用：问题发现
某天，小陈开始记「烦恼日记」。一周后，她回顾记录：
## 烦恼日记汇总
| 日期 | 烦恼 | 频率 | 痛苦程度 |
|-----|------|-----|---------|
| 周一 | 考勤汇总做了3小时 | 每月1次 | 9分 |
| 周二 | 有部门的表格格式又不对 | 每月1次 | 7分 |
| 周四 | 汇总完发现数据对不上，重新做 | 每月常有 | 10分 |她用「问题筛选评分表」分析这个问题：
| 维度 | 分数 | 理由 |
|---|---|---|
| 重复性 | 4 | 每月一次，固定发生 |
| 规则性 | 5 | 规则很清晰：从指定列提取数据，合并到一张表 |
| 可验证 | 5 | 自己用就能验证，对比手动结果 |
| 不敏感 | 4 | 是内部数据，但不涉及薪资等核心敏感信息 |
| 容错高 | 4 | 汇总后会人工复核，错了能发现 |
| 总分 | 22 | 非常适合自动化 |
关键决策
小陈决定用 Vibe Coding 解决这个问题。她用「自动化脚本需求模板」整理需求：
**我的重复性任务**：每月汇总各部门考勤表
**目前我怎么做的**：
1. 打开各部门发来的 Excel 文件（20分钟找齐文件）
2. 复制每个文件的 B-F 列数据（60分钟）
3. 粘贴到汇总表，检查格式（40分钟）
4. 核对总人数是否一致（20分钟）
**我希望自动化的部分**：步骤 2 和步骤 3
**输入**：一个文件夹，里面是各部门的 .xlsx 文件
**输出**：一个汇总后的 .xlsx 文件
**可能出错的情况**：
- 有部门的表格列顺序不对
- 有部门的表格多了或少了几列
- 文件名格式不统一结果
她用 AI 生成了一个 Python 脚本，现在每月的考勤汇总从 3 小时缩短到 10 分钟（主要是等脚本跑完和人工复核）。
更重要的是，因为脚本会检测格式异常，她再也不用担心「汇总完才发现数据对不上」了。
启示
很多值得自动化的问题，我们每天都在「忍着」。
烦恼日记的价值不在于记录本身，而在于让你「看见」那些习以为常的痛点。当你把它们写下来、打分、排序，你就会发现：原来我每个月都在一件事上浪费 3 小时，而这件事完全可以交给 AI。
案例总结
| 案例 | 核心启示 |
|---|---|
| Dropbox | 验证假设的最小方案，可能不是产品本身 |
| Airbnb | 看到功能背后的任务，才能找到真正的市场 |
| 电商 ROI 分析 | 数据分析的价值在于支持决策，不在于展示数据 |
| 销售周报自动化 | 提前想失败原因，在设计时就加入防护 |
| 吃药提醒 | 给别人做工具，要站在对方角度想象使用场景 |
| Excel 汇总 | 烦恼日记帮你发现值得自动化的问题 |
这些案例的共同点是：在动手之前，先用思维模型想清楚问题。
这就是第二章「心法」的核心价值——它不会帮你写代码，但会帮你少走弯路。