discipline/rounds/round-05-wishpool.md
📑 本页目录
轮次记录 · Round 5 · 许愿池（Case 1：需求直接观测通道）
1. 目标与选题
- 选题：RQ-B7（需求表达与真实需求）、RQ-D5（需求-供给匹配）、RQ-E3（双边激励）。
- 用户需求（2026-08-10）：把网站做成许愿池——用户许愿，系统推荐已实现软件； 没有则把需求给开发者；开发者做出来把动态推给需求者；呈现按需求动态生成； 并挖掘用户真实需求（而非表象需求）；设计双边激励与心理机制；建模充实学科。
2. 背景与相关文献
- 陈述偏好与偏差校正：测量理论（支柱 1）、代理登记（RQ-A1）。
- 双边市场与网络效应：平台设计（激励、冷启动、声望）。
- 反身性：A6 公理（Goodhart/自我实现）。
- 工程基础：趋势雷达 App 库 + SPM 子领域签名 + 现有 LLM（chat/DeepSeek）。
3. 框架变更（Decision）
| # | 决策 | 落点 |
|---|---|---|
| D21 | 许愿池协议生效（Case 1）：需求直接观测通道——表象→真实（需求向量）、匹配引擎、双边路由、愿望-实现追踪 | protocols/wish-pool.md |
| D22 | 产品设计稿 docs/09-wishpool.md：信息架构/旅程/激励心理/防垃圾/数据模型/落地路线 | docs/09-wishpool.md |
| D23 | backlog 新增 RQ-B7/D5/E3；观测信号谱系新增第 6 级「主动愿望表达」；A6 补许愿池反身性实例 | 05-agenda.md、02-foundations.md |
| D24 | 新假设 H11（愿望前瞻性）/H12（深层挖掘效度）/H13（认领-转化） | protocols/wish-pool.md §7 |
| D25 | 工程原型：愿望登记 → 需求向量 → 匹配现有 App 库 → 缺口输出（scripts/forecast.py wish） |
app/forecasting/wishpool.py、knowledge/wishes.yaml |
4. 实践产物与结果
- 设计：双边激励机制（需求者=低门槛/即时回馈/进度可见/被听见/认知收益； 开发者=免费调研/冷启动验证/竞争情报/种子锁定/声望）+ 冷启动策略 （先靠"推荐已有软件"跑需求侧，愿望量积累后引供给侧）。
- 深层需求挖掘模型：表象 w_raw → 需求向量 v_w=(task,object,context, constraints,value,status_quo)，方法=结构化追问+痛点映射+类比检索+LLM 解析。
- 匹配模型 v0.1：m(w,i)=α·语义+β·领域命中+γ·关键词+δ·时新性+ε·证据； 动态呈现（按需求向量生成解释）；缺口=供给机会清单。
- 学科贡献：愿望池是观测信号谱系第 6 级（主动表达），是 A6 反身性的 实证场景（愿望→供给→需求改变），H11-H13 为可证伪假设。
5. 评估
- 达标：设计闭环（许愿→挖掘→匹配→路由→反馈）；激励有心理学依据； 模型有学科锚点（测量/反身性/前瞻计分）；原型可运行。
- 未达标：无。遗留：LLM 挖掘未接入（原型用规则+映射，LLM 槽待接）； 匹配语义分未实现（原型用分类/关键词/子领域命中）。
6. 未决问题
- Q14 LLM 解析 vs 规则追问的深层挖掘质量对比（H12 检验设计）。
- Q15 愿望相似聚合的语义归并（同义愿望合并"x 人同求"）。
- Q16 认领机制的最小可行设计（是否要押金/承诺，防虚假认领）。
7. 下一轮建议（Round 6 候选）
- 许愿池 Phase 2 工程化：愿望公开页 + 状态机 + 领域路由 + LLM 挖掘接入。
- H11 前瞻性初验：愿望库运行后 3-6 个月，检验愿望→实现 hit@k。
- 需求向量词典：从愿望语料提炼"任务-对象-场景"词典，反哺 SPM。
8. 版本号与 changelog
- 版本：v0.4 → v0.5。Changelog 见 rounds/README.md。