FormFill 开发复盘与可复用验证方法论
状态说明(2026-11-18): FormFill 已停止产品化并冻结。本文不复盘“如何继续做完这个通用插件”,而是总结从想法、调研、开发、验证到主动停止的全过程,提炼可迁移到下一个小产品或业务想法的决策方法。事实边界以仓库源码、测试、调研文档与
docs/execution/中的证据为准。
0. 一句话结论
这次做出了一个可运行、可测试的技术样机,并把下面三个商业问题写成了可执行的验证框架:
- 这个任务是否真实、重复,而且足够痛?
- 现有替代方案为什么不够,用户愿意为余下的价值做什么?
- 我们是否能比现有入口更可靠、更便宜或更容易触达地交付,并形成持续付费理由?
但该框架并未在 FormFill 的真实用户和市场中完整运行:G1–G4 没有执行,真实用户行为、真实任务对照、重复使用和付费仍未验证。FormFill 通过了相当一部分“能不能做”的技术验证,却没有取得“为什么由这个产品持续做、谁持续付费”的商业证据。能够识别这一差别并在继续扩功能前停下,是本次项目最有价值的决策能力。
1. 你在项目中实际完成了哪些工作
这里的“你做了哪些工作”指你作为产品负责人实际推动的判断、取舍和验证,而不是把所有代码提交都归到你个人名下。
| 阶段 | 你实际完成的工作 | 产生的资产 |
|---|---|---|
| 产品定义 | 把“AI 自动填表”从一个泛化想法拆成描述/文件输入、字段识别、预览、应用、撤销、Excel 记录与映射复用等可验证能力;要求竞品有的基础功能不能被轻易遗漏 | 功能清单、基础能力基线、F/W/S/M 系列任务编号 |
| 研究设计 | 不满足于参看产品首页,要求全面查看竞品网站、商店规模、网络流量/排名、社交与论坛关注度,并研究 Reddit、Hacker News 等发布文章 | 竞品、营销规模、社区发布、SEO、流量和关键词研究包 |
| 用户假设验证 | 提出老网站、跨境、招投标等方向,并要求反向验证,而不是直接按直觉开发 | 用户画像、场景白名单/黑名单、产品原点报告 |
| 技术深化 | 通过真实模型接口和真实浏览器环境推进验证;要求单记录 Excel、预览确认、撤销、映射复用、隐私停止采集等基础能力 | 可运行 MV3 扩展、130 项测试记录、Playwright 浏览器 E2E、演示包(历史证据记录于 2026-11-17) |
| 产品可信度 | 要求官网不提供假商店按钮、不虚构域名或流量,明确 BYOK、权限、模型外发、限制和未验证事实 | 四页静态网站、预渲染、SEO 准备、隐私政策、商店草案 |
| 质量机制 | 要求逐项审查、测试、记录、提交和推送;要求让 Qwen 独立检查结论并处理分歧 | 多轮 Qwen 审查、执行台账、提交链、可复现证据 |
| 产品决策 | 在看到“开发难度低、平台/客户可自研、替代入口多、尚无付费证据”后,没有继续用功能数量为项目续命,而是主动停止产品化 | 冻结决定、收尾报告、交接边界、重启门槛 |
已经验证的
以下扩展能力均为冻结前的历史证据;本次收尾没有重新运行扩展测试,只重跑了网站的静态布局与 axe 检查。
- 核心填写链路在本地测试、真实模型代码级 E2E 和 Playwright Chromium 的真实 MV3 全链路中都跑通过。
- Excel 单记录、预览/应用/撤销、页面变化拒写、已有值保护、结构映射复用等能力具有代码与证据。
- 冻结前网站证据: 网站四页完成本地构建、预渲染,并有历史响应式与可访问性检查记录。
- 本轮网站静态检查: 含共享归档横幅的布局 36/36 与 axe 4/4 通过。
- 隐私采集路径被关闭,数据外发和 Key 本地存储边界有文档和测试。
- 项目可以构建、可以复现、可以交接。
没有验证的
- 真实用户是否高频完成同一类任务。
- 工具相对手工、平台导入、主体库、OCR、RPA 或专用客户端的稳定增量价值。
- 用户是否愿意为通用插件持续付费。
- 有效获客渠道、转化率、留存和复购。
- 线上 SEO、搜索量和自然流量表现。
这份边界非常重要:工程完成不等于产品成立,功能存在不等于市场需要,公开关注也不等于使用或付费。
2. 这次做对了什么
2.1 把直觉变成了可证伪假设
你没有简单接受“填表工具应该有人用”或“老网站一定适合”,而是把想法拆成:
- 谁在什么场景重复做这件事?
- 目标网站是否有导入/API/ERP 等原生替代?
- 剩余字段是否足够多,人工复核是否真的更快?
- 用户能否接受 BYOK、数据外发与人工确认?
- 是否愿意为一次性适配或持续使用付费?
这让讨论从“我觉得有价值”转向“什么证据会推翻这个判断”。
2.2 先跑真实链路,而不是只做静态 Mock
项目最终形成了逐级证据:
- 单元与集成测试。
- JSDOM + 真实模型 E2E。
- Playwright Chromium 加载真实 MV3 扩展。
- 真实弹窗 UI 完成配置、文件导入、预览、应用、撤销和映射复用。
这个过程还发现了合成测试发现不了的真实缺陷。例如浏览器 i18n key 不合法会导致扩展整个加载失败,下拉占位项会被误判为已有值。这是“真实运行优先于演示稿”的具体收益。
2.3 将隐私、安全和失败处理当作产品能力
没有把“无开发者服务器”简化成“数据不会上传”。项目明确区分:
- 什么数据保存在扩展本地。
- 什么内容直接发送给用户选择的服务商。
- 哪些输入值不上报,但页面附近文字仍可能包含敏感信息。
- 页面变化、取消、超时、重试和部分失败如何呈现。
- 哪些字段永不填写,哪些限制尚未验证。
对涉及个人信息、企业资料或 API Key 的产品,这种边界设计应在第一个原型里出现,而不是等上线前补隐私说明。
2.4 使用证据和审查机制,而不是让多个 Agent 重复互相赞同
多 Agent 的价值不在于“投票通过”,而在于分头做竞品、社区、SEO、用户和场景研究,再由父会话核查来源。Qwen 审查也被用于寻找口径矛盾、超证据断言和未来执行者可能误读的指令。
这次有效的协作模式是:
- 事实与链接可追溯。
- 明确哪些是公开事实、推断和未验证假设。
- 不同角色提出反例。
- 由主执行者核对源码和证据后做最终决定。
- 每完成一阶段留下记录、测试、提交和下一步。
2.5 主动停止,而不是沉没成本驱动
你最终承认“浏览器填表技术壁垒不高,客户或平台可以自研,现有入口很多,持续付费理由尚未验证”。这会主动放弃已经投入的技术工作,但防止了更大的时间、推广与维护成本。
一个好的验证体系不仅决定什么时候开始做,也要有勇气按预设门槛决定不做。
3. 可以在下一个项目中避免的偏差
3.1 “竞品有的基础功能我都要有”是危险承诺
竞品功能齐全不代表用户需要第二个功能相似的通用工具。它会把注意力从“独有场景、交付方式、渠道和购买理由”拉到功能补齐上。
更准确的表述应是:
下一个产品只补齐让目标用户完成一条核心价值链所必需的能力;竞品有但与本场景核心结果无关的功能,不进入首版。
3.2 技术样机做得越完整,越容易产生“应该继续”的错觉
当代码、测试、网站和文档都完成时,很容易把工程完成度误当成市场成熟度。后续评估应先问:
- 这些能力中有多少是用户明确要求的?
- 哪一条外部证据会因为产品更完整而改变?
- 继续开发是否能替代访谈、试用、付费或渠道验证?
如果答案是不能,就不应继续增加功能。
3.3 研究量不等于一手证据
竞品页面、商店 users、SimilarWeb 类估计、Reddit/HN 讨论、SEO 关键词表都有价值,但它们主要帮助定义问题和渠道,不能单独证明:
- 用户每月真的做多少次。
- 现有工具实际哪里失败。
- 用户愿意切换或付费。
- 某个垂直场景的交付成本可控。
公开研究之后必须尽快进入真实任务观察或受控复现。
3.4 搜索流量不能救一个未验证的购买理由
SEO 应先验证“是否存在明确搜索意图”,再投入内容。对于低搜索量、问题发生在行业内部、决策依赖熟人/服务商的产品,SEO 可能不是首要渠道。先确认用户在哪里做决定,再投入网站和内容。
3.5 多 Agent 和长评审会放大文档量
独立审查能降低错误,但需要约束:
- 一轮只要求阻塞问题与可执行修正。
- 不让多个 Agent 重复完成同一研究。
- 先给证据来源,再让 Agent 批判结论。
- 以决策门槛为终点,避免无限优化措辞。
- 关键审查集中在高风险判断,不让低风险文字消耗主要时间。
4. 建议固化为方法论的“五道门”
这套门槛适合下一个想法快速验证,也可以按风险裁剪。核心不是固定天数,而是不要让后一道门替代前一道门。
| 门 | 要回答的问题 | 最低证据 | 通过后允许做什么 | 应停止或转向的信号 |
|---|---|---|---|---|
| G0 问题门 | 谁在什么触发下完成什么任务?问题是否真实且足够具体? | 5–10 个公开任务样本、现有流程、替代方案清单、反例 | 做 1 页问题定义;联系目标用户 | 只能描述“很多人可能需要”;找不到明确触发和结果 |
| G1 用户门 | 用户现在怎么做,哪里最痛,为什么仍没被现有工具解决? | 3–5 次访谈或 2–3 次真实任务观察;至少 2 个不同用户出现同一模式 | 做可丢弃原型或手工服务 | 用户说不出频率/成本;现有方案已足够;只愿意点赞不愿投入 |
| G2 价值门 | 最小流程能否在真实任务中产生更快、更准或更省心的结果? | 同一任务的手工基线与原型对照;记录总耗时、错误、复核和失败 | 进入付费试点或垂直交付 | 节省无法覆盖迁移/配置/复核成本;结果不可验收 |
| G3 购买门 | 谁付钱、为什么由这个人/预算支付、能接受什么价格和交付? | 明确购买人、报价、验收标准;至少一次书面试用/付费意向,优先真实付款 | 做可维护版本或有限投放 | 只有口头“不错”;付费人找不到;只能靠免费流量和未来规模化想象 |
| G4 重复门 | 使用会重复吗,渠道可复制吗,收入能否覆盖维护与支持? | 真实重复使用、复购/续费、稳定获客来源、单位经济性 | 扩大产品、SEO、渠道和招聘 | 一次性需求、高定制、高支持、获客不可复制或客户可轻易自研 |
门槛的使用原则
- 不可跨门自证。 竞品调研不能替代访谈;demo 不能替代真实任务;WAU/注册不能替代付费。
- 门槛要在开发前写死。 先定义什么结果会继续、什么结果会停止,减少投入后为项目找理由。
- 合成数据必须单独标记。 它能验证功能,不能单独证明业务价值,且经常高估自动化收益。
- 同一初始态比较。 手工与工具必须在相同字段、相同资料完整度、相同复核要求下比较。
- 至少分任务子类型。 例如“首次注册”和“同页多记录”不应因为都属于填表就互相外推。
5. 证据阶梯:从信号到生意
建议把每条市场判断标记在下列等级,而不是混成一句“有需求”:
| 等级 | 证据 | 可以支持什么 | 不能支持什么 |
|---|---|---|---|
| E0 想法 | 创始人直觉、AI 推演、朋友认同 | 提出假设 | 产品立项或市场结论 |
| E1 桌面 | 竞品、商店、论坛、SEO、公开工作流 | 任务可能存在;定义替代与渠道 | 频率、付费、真实兼容 |
| E2 用户陈述 | 访谈、问卷、访谈中的具体案例 | 痛点、触发、现有做法、语言 | 实际行为与支付 |
| E3 用户行为 | 真实任务观察、授权页面演示、原型操作、排队/试用申请 | 可完成性、阻力、交互价值 | 留存和商业闭环 |
| E4 可控结果 | 同初始态对照、错误率与总耗时、真实使用留痕 | 可量化增量价值 | 付费与规模化 |
| E5 经济结果 | 付款、验收、续费/复购、获客成本和毛利 | 可支持扩大投入 | 市场永久成立或可忽视风险 |
FormFill 只有合成资料和受控技术环境中的验证:真实模型调用、真实浏览器运行和真实 MV3 加载都已经验证,这只能说明技术链路可运行,不能升级成市场证据的 E3/E4。项目没有真实授权业务任务观察、同初始态真实手工/工具对照、重复使用或付款,公开研究只到 E1,也没有真实用户陈述的 E2,因此市场证据未达到 E3–E5。合成对照只能作为乐观上限,不能替代真实任务。
6. 下一次想法的 7 天发现冲刺
这是 7 天的问题与商业验证,不是 7 天开发完整产品。
第 1 天:一页想法备忘录
必须写清:
- 谁在什么情况下遇到什么问题。
- 他现在如何完成,为什么现有方案不足。
- 你能提供什么不同结果,而不是什么功能。
- 购买人、使用者、受益者是否同一人。
- 优先渠道和第一笔收入可能来自哪里。
- 本周要用什么证据决定继续或停止。
若无法写清,不做产品。
第 2 天:替代方案与任务证据
检查原生导入、API、浏览器能力、RPA、平台内置、外包服务、Excel 和人工流程。输出:
- 任务发生样本。
- 替代矩阵。
- 你拟解决但已有方案更好覆盖的字段/步骤。
- 尚未被解决的最小价值。
这一天不写产品代码。
第 3–4 天:联系 5–8 名目标用户
不要问“你会不会用”,问已经发生的行为:
- 最近一次是什么时候?
- 做了多久,填写多少字段/记录?
- 哪些步骤容易错?
- 现在用什么替代?
- 为此付过什么成本?
- 如果已有工具能完成 70%,剩余 30% 是否值得切换?
- 谁有权批准一次付费试点?
访谈记录必须保留原话、日期、渠道和匿名标识,不能只写总结。
第 5 天:可丢弃原型或人工交付
优先用:
- 现有工具 + 人工交付。
- 可点击原型。
- 一张表格/一条脚本。
- 只覆盖一个垂直任务的端到端切片。
目标是验证结果,不验证技术栈。若不用写代码就能完成,就不要先写代码。
第 6 天:可验收报价
向真实候选用户提出一个范围非常小的试点,例如:
- 一个页面/一类记录。
- 明确的字段白名单。
- 一份验收标准。
- 一次人工复核。
- 一个明确的截止时间和价格。
拒绝、拖延和“先免费试试”都应是有效信号,不要自动解释成需求。
第 7 天:Go / Pivot / Stop 记录
用一页决策记录回答:
- 哪些假设被证据支持?
- 哪些被推翻?
- 哪项结果最不确定?
- 下一步最小实验是什么?
- 触发停止的具体条件是什么?
通过 G1/G2 后再进入 2–4 周最小产品开发;没有通过时,优先改场景、用户或交付方式,而不是继续加页面和功能。
7. 从发现进入开发后的执行规则
7.1 先做一条完整价值链
首版只做从输入到可验收结果的一条路径:
获取数据 → 核心处理 → 用户复核 → 结果交付 → 撤销/失败恢复 → 结果记录
先让这条路径在真实环境成立,再扩格式、平台和自动化。
7.2 每个功能必须绑定一个验证问题
不要用“竞品有”作为唯一理由。示例:
| 功能 | 要验证的问题 | 失败条件 |
|---|---|---|
| 批量处理 | 重复任务是否频繁到值得配置? | 每页只有少量剩余字段,批量增加复核风险 |
| 自动提交 | 用户是否愿意承担无人值守错误? | 高价值/法规/风控场景要求人工确认 |
| 本地模型 | 数据能否或必须不出本机? | 用户没有性能、配置或维护条件 |
| 文件导入 | 用户资料是否已结构化? | 资料分散,清洗成本高于手工填写 |
7.3 把隐私边界做成默认架构
- 明确数据发送对象和字段。
- 减少默认采集,历史/学习能力必须单独授权。
- 不在“无后端”口号下省略第三方模型传输。
- 敏感字段、附件、认证和自动提交写入显式边界。
- 一旦暂停某能力,删除路径而不是只改文案。
7.4 真实环境验证优先
测试顺序建议:
- 规则与数据流单元测试。
- 合成端到端测试。
- 真实服务接口或真实文件格式。
- 真实浏览器/平台 UI。
- 授权用户任务与人工基线。
每个层级都应记录它不能证明什么。Mock 通过不能推出真实兼容,Demo 通过不能推出模型准确。
7.5 先设计失败路径
至少验证:
- 超时、取消、网络断开。
- 输入不完整、格式变化。
- 页面/接口在预览后改变。
- 部分成功与回滚。
- 敏感字段或权限不足。
- 付费后交付不达标时的退款/重做边界。
失败路径是产品可信度的一部分,不能等“主流程完成以后再说”。
8. 每次实验应留下的最少文档
8.1 一页想法备忘录
- 问题与触发。
- 使用者、购买者、受益者。
- 现有替代。
- 核心结果指标。
- 第一渠道。
- 最高风险。
- 停止条件。
8.2 假设台账
| 假设 | 当前证据等级 | 支持证据 | 反证 | 下一实验 | 截止时间 | 结果 |
|---|---|---|---|---|---|---|
| 用户每月至少重复 3 次 | E0 | 无 | 无 | 访谈 5 人并记录上月日期 | 第 4 天 | 待定 |
| 现有导入覆盖不足 | E1 | 平台帮助页 | 平台文档声称完整导入 | 用户任务观察 | 第 4 天 | 待定 |
| 用户愿意按次付费 | E0 | 无 | 免费替代丰富 | 书面试点报价 | 第 7 天 | 待定 |
8.3 对照实验记录
必须写清:
- 同初始态。
- 字段/记录范围。
- 手工组与工具组顺序。
- 是否包含整理、配置、等待、回源、复核和纠错。
- 失败与重试。
- 数据授权与删除方式。
- 结果可外推到哪些任务,不能外推到哪里。
8.4 决策日志
每次只记录一个最终决定、依据、未解决风险和下一步,避免让会议纪要淹没真正的取舍。
9. FormFill 中值得复用的资产
- 受控写入协议: 扫描 → 建议 → 预览 → 应用 → 撤销;页面变化拒写。
- Excel 单记录隔离: 只发送选中的一条记录,其他行保留本地。
- 结构映射复用: 绑定 origin 与表单签名,只存结构,不存值或 Key。
- 多模型适配: 服务商配置、取消、重试、错误分类和思考参数。
- 真实浏览器测试体系: Playwright 加载 MV3、真实弹窗、截图与可复现 JSON。
- 隐私与权限文档: BYOK、数据外发、自动学习暂停、敏感字段边界。
- 调研材料: 竞品与替代、商店规模、社区发布写法、SEO、用户画像、场景白名单/黑名单。
- 决策与归档体系: 任务台账、Qwen 审查、提交历史、冻结边界与重启条件。
10. 下个想法的最小决策模板
开始写代码前,以下问题必须都能回答“是”或明确标为风险:
- 有一个具体触发,而不是泛化人群。
- 找到 3 名以上用户描述最近发生过的真实任务。
- 现有替代方案被列全,且剩余痛点可描述。
- 使用者、购买者和受益者已区分。
- 有可测量的核心结果,不只是“更智能”或“更快”。
- 已设计同初始态的最小对照方法。
- 有一条可触达渠道,不依赖“以后做 SEO/投流”。
- 有明确可验收的试点范围和价格假设。
- 已写入停止条件与时间盒。
- 已说明敏感数据、隐私、合规和失败路径。
- 首版只做一条完整价值链,不追竞品功能清单。
- 每项后端/平台可替代能力都有“为什么由我们做”的理由。
如果前 4 项中有两项不能回答,进入访谈和任务观察;如果第 7–10 项缺失,暂不建设可维护产品。
11. 最终复盘
FormFill 证明了你的执行能力、产品拆解能力和证据意识:你能把一个模糊的工具想法推进到真实模型、真实浏览器、真实文件、完整测试与可交接文档。
它同时暴露了下一阶段更需要的能力:在工程完成度上升时,保持对需求、渠道、购买理由和维护成本的同等怀疑。 停止通用产品化不是否定这段工作;它把这段工作转化为一套更成熟的筛选机制,并保留下可以复用的技术组件、测试方法和研究资产。
下一次更快的路径不是“更快写完整产品”,而是:
更快找到真实任务,更早做真实对照,更早让购买人参与验收,并在证据不足时更早停止或换场景。
12. 证据索引
本文写作中使用了 AI 辅助。文字采用 CC BY-NC-SA 4.0 许可。