在 Facebook 滑到Lucy的贴文，她分享一套开源项目投资评分卡（Lucy Chen，新加坡 Zoo Capital 的 EIR，管理规模超过 20 亿美金的基金）。

Lucy分享的框架很清楚：五个维度、加权计分、一票否决机制。很多开发者一直引以为傲的技术，在真实商业落地中还有很多坑。

Lucy 的框架来自实战——她在 NVIDIA GTC 之前就用这套评分卡标记了 LMCache 这个项目，给出 7.78 分的「黑马」评级，两周后 NVIDIA 发布 Dynamo 1.0 就把 LMCache 收编进官方集成名单。她设计的投资评分卡能抓到讯号。

但我也有另一个念头：这把尺是否能普惠寻常大众？

换个角度

Lucy Chen 的框架是从 VC 投资角度出发的。考虑出场路径、团队国际化、社群治理、资本效率。这些对投资人来说都是关键的问题。

但对许多靠AI独立做工具的个人来说，如果我压根没有想被投资？如果我只是想做开心？如果我没有要商转？如果这时代已经不适合贩售软件小工具？

例如，我做了即时会议翻译工具、多模型辩论引擎等，都是我一个人加上 Claude 从零做起的。我没有被投资的需要，不需要有退出路径，但我需要有”人”告诉我：做的这个东西的价值与调整方向。

这个问题在 Lucy Chen 的框架里被隐含在其他维度里。我想独立出来。

三个改动

我做了三件事。

第一，拿掉「团队能力」维度。团队是公司的重要组成。但我想针对服务评估，日后一个人可能做十个产品，这个维度可能就没有鉴别力。我把它抽离成一个不计分的「Builder Profile」前置栏位——留给AI参考，不影响总分。

第二，新增「问题解决力」维度。你解决的问题是你自己假想的，还是真的有五个以上的人独立描述过这个痛点？现有替代方案是什么？你的解法比现有方案好多少——是 10 倍还是略好？这些问题应该是任何 builder 在动手之前第一个被问的。

第三，商业化维度做了阶段适配。一个还在概念期的 side project 被问「月经常性收入多少」是不公平的，但被问「你有没有想过怎么赚钱」、「推荐到市场」是合理的。我让使用者先选产品阶段——概念期、已上线、有用户、有收入——不同阶段会看到完全不同的评估讯号。

改完之后，五个维度变成：问题解决力（25%）、市场验证（20%）、技术护城河（20%）、商业化路径（20%）、长线可持续性（15%）。每个维度下面有 4-6 个讯号，每个讯号打 0-10 分，加权算出总分。

5.01 分——被自己的尺打脸

框架设计完，我用自己的即时翻译工具跑了一次完整评估。

结果：5.01 / 10。红灯。

分数分布是非常典型的工程师产品轮廓：问题解决力 7.0 分，技术护城河 6.2 分（三引擎 STT 路由、独家语料累积），长线可持续性 5.5 分，但市场验证 4.0 分（没有外部用户回访数据），商业化 2.0 分（几乎没有收费计划）。

雷达图的形状严重偏科——问题解决力和技术那两角撑出去，市场和商业化那两角几乎贴在地板。

Builder's Scorecard 评估结果——阿哥拉广场翻译工具 5.01 分

Builder's Scorecard 五维度雷达图——问题解决力和技术面较强，市场和商业化偏低

这个结果正确（虽然看起来有点刺眼），分数低是因为它说出事实：技术好了不等于产品做好。我花时间在 Qwen3-ASR 和 Deepgram 的路由逻辑上，但还没特别想过「谁会为这个付钱」。因为我在这个阶段确实没有收费的打算。

所以，这把尺诚实，没有幻觉。

先看市场再动手

依照惯例，在动手写code前先做市场侦察。

找到一些类似服务，例如 ValidatorAI 让你贴一句话就能验证创业点子，累积超过 30 万次使用。OpenSSF Scorecard 专门评估开源项目的供应链安全。Repo Doctor 用 GitHub API 自动抓结构化数据做健康度分析。

每一个都有值得学的地方：ValidatorAI 的「30 秒出结果」降低了使用门槛，这直接启发了快速模式的设计；OpenSSF 的分数解读机制提醒我——低分不代表「不好」，要帮使用者正确解读；Repo Doctor 的 GitHub 结构化数据撷取让 AI 可以专注在需要判断力的部分。

但没有一个现成的工具完成我想做的事（也许我的调查不够）：用一套框架，从五个维度同时评估一个产品，不管它是开源工具、SaaS、还是内部系统都适用。

确认了市场定位后，我开始写 code。

Builder's Scorecard 市场比较图——五个工具在六个能力面向的雷达图对比与功能对照表

一天，五个阶段

从看到贴文到起心动念去执行，是一天。整个开发用 AI 协作完成——Chat session 做侦察和规划，Code session 写程序代码，Cowork session 处理批次作业和状态管理。

Phase 1 做核心框架：五维度 × 30 个讯号的前端接口、SVG 雷达图、快速模式和完整模式、中英双语切换、Markdown 和 JSON 导出。纯前端，不碰 API。

Phase 2 接入 AI：用 Claude API 做两件事——Prompt A 负责根据使用者贴的产品描述自动为 30 个讯号打分（temperature = 0，确保同一个产品跑多次分数稳定），Prompt B 负责根据评估结果生成策略建议（temperature = 0.3，允许建议有变化）。

Phase 3 扩充输入源：支持四种输入——纯文字描述、GitHub URL（自动抓 stars / contributors / forks / license 等结构化数据再送 AI 评估）、README 档案上传、一般网站 URL 撷取。

Phase 4 做防护和社交：四层防御架构（Rate Limit、Auth Gate、Result Cache、Daily Cost Cap）确保开放后不会被滥用。加上储存功能、动态墙、分享链接，让评估结果可以被发现和讨论。

Phase 5 收尾打磨：首页加入口卡片、方法论介绍页、SEO 强化（JSON-LD + FAQ Schema）、llms.txt 更新。

每个 Phase 之间不跳步——Phase 2 的 AI prompt 格式要对齐 Phase 1 的数据结构，Phase 3 的 GitHub 数据要喂进 Phase 2 的 prompt。先侦察再动手，先规划再执行。

尺规的鉴别力

工具上线后做测试：拿三个完全不同的产品跑评估。

LangChain：8.02 分。13 万 stars、3,659 contributors、有 LangSmith 付费产品。五个维度都在 7 分以上，只有长线可持续性因为大厂威胁稍低。

Lucy Chen 的 OSS Investment Scorecard 本身：6.82 分。框架设计扎实、问题真实，测试时 233 stars、2 个 contributor、零收入模式。

我的即时翻译工具：5.01 分。技术面有底子，市场面和商业化是空白。

三个产品，三种完全不同的雷达图形状。分数有区分度，而且区分的方向符合观察。这把尺应该有一定的鉴别力。

重要的不是分数

在 2026 年，一个人加上 AI，确实可以在几天内，把一个想法从概念推进成真正上线的工具。但速度从来不是重点。

在后 AI 社会里，打造工具的门槛正在快速降低。越来越多人都可能成为 builder，创造工具也不再只是少数技术者的专利。可真正的问题，恰恰从这里开始：我们做出来的工具，真的适合人使用吗？真的有解决问题吗？

当一个念头刚开始浮现时，或当产品做到一半时，我们是否有能力一边前进，一边停下来检查：这是不是一个值得被做出来的东西？它服务的是人的需求，还是只是满足了我们「能做出来」的冲动？

Builder’s Scorecard 不是要给”正确答案”。它把五个维度的数据摆在你面前，让你自己判断。

重要的不只有总分，还有雷达图的形状。一个 6.0 分但五角均匀的产品，比一个 7.0 分但某个维度是 1 的产品可能更健康。但，也可能是你刻意为之。在创造的路上，一切都是美好的。姿势丑没关系，继续前进就好。

如果你也做了什么工具或 side project，来量一下。不是为了分数，是为了看见自己的盲区。