# Evolution Strategy

> 用生物演化逻辑（遗传变异+自然选择）应对不确定性，通过MVP启动→市场反馈筛选→变异创新→积累优势的循环来迭代产品或团队。适用于目标不明确、环境变化快、无法提前规划的场景。不适用于目标明确、路径清晰的确定性项目（用计划更高效）。计划与演化是阴阳互补：计划=阳（效率），演化=阴（应对不确定）。关键触发信号："不确定用户要什么"、"市场变化太快"、"计划赶不上变化"、"先跑起来再说"。

- Skill: `kangarooking/evolution-strategy` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add kangarooking/evolution-strategy`
- Raw SKILL.md: https://api.skillmd.com/api/skills/kangarooking/evolution-strategy/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: kangarooking (https://skillmd.com/u/kangarooking)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/kangarooking/evolution-strategy

---


# 演化策略

## R — 原文 (Reading)

> 计划的缺点是抗风险能力差，但好处是效率高，可以在短时间内高效地完成任务；而演化的优点是抗风险能力强，不需要具体的目标就能越变越好，但缺点是效率低、耗时长！它们俩就像是中国太极中的阴阳两仪……阴面，代表着演化，在别人看不见的地方，默默更新迭代，持续地成长，积聚能量；阳面，代表着计划，当出现具体的短期目标时，瞬间聚集所有的能量，在一个点上爆发。
> —— 第23章《演化策略》

## I — 方法论骨架 (Interpretation)

1. 演化策略的核心逻辑：**遗传变异 + 自然选择**，两者缺一不可
2. 四步循环：MVP（初始状态）→ 自然选择（市场反馈）→ 变异（创新）→ 遗传（积累优势）
3. **第一步：开启初始状态（MVP）**。不要憋大招，围绕核心痛点做最小可用产品，快速进入市场
4. **第二步：自然选择**。外部剪刀（市场反馈/用户评价）+ 内部剪刀（赛马制/末位淘汰），用真实反馈筛选
5. **第三步：变异**。重组式创新（借鉴优秀元素组合新物种）或突变式创新（从内部"破坏"出新特性）
6. **第四步：遗传**。将自然选择中胜出的优势固化到下一代，持续积累
7. 计划和演化的互补关系：确定性高的部分用计划提效，不确定性高的部分用演化试错
8. 演化的方向不由自己决定，而由环境（市场）决定——"你认为好的产品，市场不一定买账"

## A1 — 书中应用 (Past Application)

- **微信的诞生**：1.0版本只有通讯录和免费文字信息，极简MVP上线→用户反馈迭代→逐步加入语音、朋友圈、支付等功能
- **小米MIUI**：先做优化版Android系统而非直接做手机，通过社区直面用户吐槽→每周迭代→MIUI成熟后用户主动要求做手机→小米手机横空出世
- **腾讯赛马制**：微信推出前，QQ团队、成都团队、广研院三个团队同时做类似产品，内部PK，张小龙团队胜出，其他解散
- **iPod的重组式创新**：iTunes来自SoundJam MP改造，硬盘来自东芝，系统来自Pixo，电池来自索尼——优秀基因的组合

## A2 — 触发场景 (Future Trigger)

**何时使用：**
- 创业/新产品方向不明确，不确定用户要什么
- 市场环境变化太快，做计划赶不上变化
- 需要验证假设但资源有限
- 组织或团队陷入僵化，缺乏活力

**语言信号：**
- "不确定市场要什么"
- "先跑起来再说"
- "计划赶不上变化"
- "怎么快速验证想法？"
- "团队缺乏创新活力"

**与相邻skill区分：**
- vs. systems-thinking：系统性思维是**分析工具**（诊断系统结构），演化策略是**行动框架**（设计迭代循环）
- vs. innovation-method：演化策略关注**整个迭代循环**（含MVP、反馈、遗传），创新方法关注**变异这一步的具体技法**
- vs. scientific-decision：科学决策用于"在已知选项中做选择"，演化策略用于"选项尚未出现的探索阶段"

## E — 可执行步骤 (Execution)

### 步骤1：开启初始状态（MVP）
- 明确目标用户的核心痛点（只聚焦一个最痛的点）
- 开发包含最小功能组合的可用产品/方案，围绕痛点解决
- 互联网产品可直接上线跑数据；实体产品需一次做到当前最佳再投放
- **完成标准**：产品能在真实环境中被用户使用，并能收集到反馈数据

### 步骤2：面向市场，自然选择
- 将产品投放到真实市场，收集用户反馈（点赞/吐槽/使用数据）
- 外部剪刀：建立用户反馈通道（社区/客服/数据埋点），忍痛砍掉团队喜欢但用户不买账的功能
- 内部剪刀（可选）：设置内部竞争机制（赛马制/末位淘汰），让多方案同时PK
- **完成标准**：收集到至少一轮真实市场反馈，并据此完成一次迭代优化

### 步骤3：变异创新，积累遗传
- 在自然选择胜出的部分基础上，进行变异创新（参考innovation-method skill）
- 将被市场验证有效的优势固化到下一代产品中（遗传）
- 开启下一轮演化循环：投放→反馈→变异→遗传
- **完成标准**：完成至少一次"投放→反馈→优化"的完整循环，并有可量化的改进指标

## B — 边界 (Boundary)

**不要用的场景：**
- 目标明确、路径清晰的项目（用计划更高效，演化浪费时间）
- 安全/医疗等容错率极低的领域（不能"先上线再迭代"）
- 资源极度有限无法承受多轮试错的情况

**失败模式：**
- MVP质量太低：把半成品当MVP，用户体验极差，连初始用户都流失
- 只变异不遗传：每次创新都推倒重来，不积累已验证的优势
- 没有真实反馈：在内部分析中自嗨，不敢面对市场的残酷评判
- 过度赛马：内部竞争消耗太多资源，整体效率反而下降

**作者盲点：**
- 对"如何判断何时该用计划、何时该用演化"缺乏明确标准，实践中容易陷入二选一
- 赛马制成本高昂，对中小团队不现实，但替代方案（如末位淘汰）的效果差距很大
- 对演化速度的控制缺乏讨论——迭代太慢会被对手超越，太快则每次反馈都不充分

## 相关 skills

本 skill 与以下 skill 存在关联：
- **mirror-world**（前置依赖）：演化策略本质上是应对镜像世界中"概率域"和"风险域"的策略，先用镜像世界框架判断事件的不确定性等级，再决定是用计划（确定性高）还是演化（不确定性高）。
- **innovation-method**（协同）：演化策略的"变异"步骤需要创新方法论提供具体的重组式和突变式创新技法，演化策略管整个迭代循环，创新方法管"怎么变"。
- **compound-effect**（对比）：复利效应强调"找到因果支点后坚持到里程碑"的确定性增长，演化策略强调"通过试错让环境筛选方向"的不确定性应对，两者适合不同性质的问题。