Axiom 场景化假设挖掘清单实战指南：8 大场景的高频隐藏假设与针对性追问策略

Axiom 场景化假设挖掘清单实战指南：8 大场景的高频隐藏假设与针对性追问策略

【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills

在 Axiom 技能（SKILL.md）的第一性原理拆解流程中，阶段 2（假设挖掘）是整个分析质量的分水岭：挖掘出的假设越具体、越接近用户从未质疑过的深层信念，后续的分类、排序与重建才越有价值。但"系统性地挖掘 8-12 个隐藏假设"在实操中很容易陷入泛泛而谈。为此，Axiom 提供了本份场景化挖掘清单（references/scenarios.md），覆盖4 个中文原生场景 + 4 个英文原生场景，每个场景内置 10-15 条该情境下几乎无人质疑的高频隐藏假设，以及专为这类用户定制的追问问题。

本文完整展开这 8 份清单，说明它们如何在 Axiom 五阶段流程中被调用，并结合假设分类手册与两份完整走查示例（中文示例、英文示例），帮助你像专业咨询师一样，快速识别用户问题的场景类型并完成文化相关的深度假设挖掘。

一、场景清单在 Axiom 流程中的位置与调用方式

Axiom 的完整拆解流程共 5 个阶段：问题澄清 → 假设挖掘 → 假设分类 → 优先级排序 → 重建。SKILL.md 明确规定，当检测到用户的场景类型时，应引用本场景清单（references/scenarios.md）确保挖掘的彻底性与文化相关性。

SKILL.md 中的场景引用表将用户问题映射到四类大场景：

#	中文场景	English Scenario
1	职业决策（换工作、创业方向）	Career Decisions (job change, career pivot)
2	产品方向验证（创业、新功能）	Business & Product Validation
3	消费选择（买房、投资、重大消费）	Financial & Life Decisions
4	认知信念质疑（人生观、方法论）	Belief & Worldview Audit

本清单在 SKILL.md 的基础上做了进一步细化，将每个大类拆成中英双语各 4 个具体场景（合计 8 个）。挖掘时的正确姿势不是机械套用，而是：

1. 先识别用户问题命中的场景类型；
2. 以清单为"挖掘引导"，系统扫过每一条假设，但不必全部适用于每一位用户；
3. 优先关注文化特有假设——一位中国用户问职业决策时，其隐藏假设与美国用户有本质差异；
4. 清单是起点而非上限，始终结合有机挖掘，找出用户具体处境中独一无二的假设；
5. 用追问问题，把用户无法直接说出口的假设逼出来。

二、中文场景：四份高频隐藏假设清单

场景一：职业决策（换工作、转行、升职、创业）

这是中文语境下最高频的决策场景。用户往往带着"该不该走"的紧迫感而来，但真正驱动决策的，是下面这些很少被审视的信念。

高频隐藏假设清单：

1. 大公司比小公司更稳定、更安全
2. 跳槽一定能涨薪 20% 以上
3. 我的技能在市场上是稀缺的 / 有竞争力的
4. 35 岁是职业发展的分水岭
5. 管理岗比技术岗的天花板更高
6. 行业经验比通用能力更重要
7. 现在的不满会在换了环境之后消失
8. 大厂背景（字节/腾讯/阿里）是职业加速器
9. 远程工作会影响职业发展
10. 学历（985/211/硕士）对职业发展至关重要
11. 做自己喜欢的事就不会觉得累
12. 在一个公司待太久会"贬值"
13. 只要够努力，什么行业都能做好
14. 我的上级/领导对我的评价是客观的
15. 体制内一定比体制外稳定

推荐挖掘问题：

• "你说想换工作 — 如果当前公司环境改善 50%，你还想走吗？"
• "你认为自己的核心竞争力是什么？你的同事/猎头也这么认为吗？"
• "你说35岁是门槛 — 你认识几个35岁以上转型成功的案例？"
• "你想进大厂 — 你了解大厂同级别的实际日常工作状态吗？"
• "你说现在是好时机 — 好时机的判断依据是什么？是数据还是感觉？"

注意这组问题刻意绕开了用户陈述的表层理由，直指证据链缺口。"如果环境改善 50% 你还走吗"是为了区分"逃离现状"与"奔赴目标"；"你认识几个 35 岁以上转型成功案例"则直接检验"35 岁分水岭"这个假设是否有样本支撑——在假设分类手册中，这类文化特有假设（如"35岁危机"）几乎只存在于中国劳动力市场，属于典型的历史惯例而非普遍事实。

场景二：产品方向验证（创业、新功能、业务转型）

无论是创业者、产品经理还是内部新业务负责人，这个场景的核心陷阱是把"愿望"当作"需求"、把"感觉"当作"证据"。

高频隐藏假设清单：

1. 用户说他们需要这个功能 = 他们会为此付费
2. 市场足够大（TAM 看起来很大）
3. 我们能比竞品做得更好
4. 技术壁垒足够高，竞争者不容易模仿
5. 只要产品好，营销不是问题
6. 增长会随着时间自然发生
7. 我们团队有能力执行这个方向
8. 客户的反馈 = 市场需求
9. 先入者有优势 / 我们动作要快
10. 融资之后就能解决增长问题
11. 用户留存率会随着产品完善而提升
12. 这个赛道还没有真正的竞争者
13. 我们的目标用户和我们自己的画像相似
14. 小范围验证的成功可以直接放大

推荐挖掘问题：

• "你说用户需要这个 — 有多少人实际掏了钱？愿望和付费之间差距有多大？"
• "你说市场很大 — 你的可触达市场（SAM）是多少？你能触达的渠道是什么？"
• "你说你们能做得更好 — '更好'具体是什么维度？用户真的在乎这个维度吗？"
• "你说要快速行动 — 在这个领域，速度真的比深度重要吗？"
• "你的竞品分析里，有没有包括'用户目前的替代方案'（包括 Excel 和不作为）？"

这套追问直指 walkthrough-zh.md 中最致命的那条假设——"我的想法有足够的市场需求"：绝大多数创业失败不是因为执行力差，而是因为从一开始就在解决一个没人愿意付费的问题。它给出的验证动作是"找到 3 个潜在目标用户，问他们是否愿意为你的解决方案付费（哪怕是最简版本），如果 3 人中有 0 人愿意付费，创业方向需要根本性调整"。这条验证路径与场景二的问题一脉相承：把"用户说需要"翻译成"用户愿意掏钱"。

场景三：消费选择（买房、投资、重大消费）

涉及真金白银的决策，情绪密度高、社会压力大，是隐藏假设最密集的场景之一。

高频隐藏假设清单：

1. 房价长期来看一定会涨
2. 学区房是刚需，不买孩子就输在起跑线
3. 租房是"帮别人还房贷"，买房才是资产
4. 保险是必须的 / 买越多越好
5. 存钱比投资更安全
6. 黄金/房产是最好的抗通胀资产
7. 大品牌一定质量更好
8. 越贵的东西越保值
9. 投资要分散，鸡蛋不放一个篮子
10. 提前还贷一定比投资划算
11. 有车/有房才算"安顿下来"
12. 消费升级是生活品质提高的标志
13. 早买早享受，晚买有折扣但错过了使用时间

推荐挖掘问题：

• "你说房价会涨 — 你参考的是过去20年的数据。未来20年的人口结构和经济增速一样吗？"
• "你说学区房是刚需 — '孩子教育'具体需要学区房解决什么问题？有没有替代方案？"
• "你说租房不值 — 你算过同地段租房+投资差额 vs 买房+还贷的 30 年总成本吗？"
• "这笔消费给你的满足感预计能持续多久？"
• "如果你不做这笔消费，你最担心什么？这个担心是真实风险还是社会压力？"

这里的每一问都在做同一件事：为情绪化的信念补充计算基准。"过去 20 年数据 vs 未来 20 年人口结构"是把时间戳钉在"房价必涨"这个惯例上；"30 年总成本"是把"租房亏钱"的主观感受转化为可比的现金流模型。这与假设分类手册中"房价只涨不跌"的混合类型分析完全对应——它往往是一个时代的个人经验（主观信念）叠加全行业叙事（利益驱动）的产物。

场景四：认知信念质疑（人生观、价值观、方法论）

这个场景没有具体的"事"，用户质疑的是自己长期以来相信的方法论或人生信条。它的风险在于：信念越深、越像"地心引力"，越难被察觉。

高频隐藏假设清单：

1. 努力一定有回报（方向不对的努力呢？）
2. 年轻就该拼，老了才享受
3. 稳定才是最重要的
4. 读书/学历改变命运
5. 社交人脉 = 个人实力的外延
6. 时间管理 = 效率提升（忙和有效是两回事）
7. 情绪化是不成熟的表现
8. 成功人士的方法论可以复制
9. 坚持就对了（沉没成本？）
10. 先苦后甜 / 延迟满足一定更好
11. 别人的评价是衡量自身价值的重要指标
12. 选择比努力重要（但选择能力也是通过努力培养的）
13. 信息越多决策越好
14. 理性决策一定优于直觉

推荐挖掘问题：

• "你说努力一定有回报 — 你指的是哪种努力？你怎么定义'回报'？"
• "你说稳定最重要 — 稳定的成本是什么？你放弃了什么来换取稳定？"
• "你说要延迟满足 — 延迟到什么时候？你怎么知道那个未来一定更好？"
• "你说信息越多决策越好 — 你最近哪次重大决策是因为信息太多而犹豫不决的？"
• "你从谁那里学到这个信念的？他们当时的处境和你现在一样吗？"

注意最后一条问题的力量：每个信念都有来源。追问"你从谁那里学到这个信念"能够追溯到父母、师长、某本书或某个特定时代的集体叙事，从而暴露出"这个信念是为当时那个处境准备的，未必适用于现在的你"——这正是 Axiom 判断信念型假设（主观信念）时的核心方法之一（见假设分类手册中的"谁告诉你的？"识别问题）。

三、英文场景：四份 High-Frequency Hidden Assumptions

英文场景与中文场景并非简单翻译，而是按各自文化的原生叙事重写。对比两份职业决策清单即可发现：中文版强调"大厂背景""体制内""学历(985/211)"，英文版则强调"MBA""pay your dues""5-year plan"——它们分别对应中美两国劳动市场的不同惯例。

Scenario 5: Career Decisions (Job Change, Career Pivot, Promotion)

High-Frequency Hidden Assumptions:

1. A bigger company is always safer and more stable
2. I need an MBA / advanced degree to advance to leadership
3. Remote work will hurt my career progression
4. I'm too old to switch industries (the "ageism" assumption)
5. My current skills are highly transferable to any industry
6. Higher pay = better career move
7. I need to "pay my dues" before I can lead
8. The job market is either "hot" or "cold" — binary thinking
9. My manager's opinion reflects the company's opinion of me
10. Staying at one company too long looks bad on a resume
11. I should follow my passion and the money will follow
12. A title promotion equals real career growth
13. Networking is the most important career skill
14. I need to have a 5-year plan

Recommended Probing Questions:

• "You say you want to switch jobs — if your current role improved 50%, would you still leave?"
• "You say you're too old — how many people in your target industry are your age or older?"
• "You say remote work hurts career growth — what evidence do you have beyond anecdotes?"
• "You say higher pay is better — what's the total compensation including work-life balance, learning, and stress?"
• "Who told you that you need an MBA? Do they have one? Did it work for them the way they claim?"

注意"Who told you that you need an MBA?"把问题从"学历是否必要"转向"这个叙事的来源与动机"——在假设分类手册的利益驱动类型中，学历主义（credentialism）正是被大学与认证机构积极推广的典型叙事。

Scenario 6: Business & Product Validation (Startup, New Feature, Pivot)

High-Frequency Hidden Assumptions:

1. If we build it, they will come
2. The TAM (Total Addressable Market) is $X billion — therefore we'll get a slice
3. We have a first-mover advantage
4. Our technology is our moat
5. Users will switch from their current solution because ours is "better"
6. A successful MVP means the product will scale
7. Our target user profile matches our own profile
8. Competitor analysis = looking at direct competitors only (ignoring spreadsheets, email, or doing nothing)
9. Growth will come organically once the product is ready
10. Venture funding will solve our growth problem
11. Customer interviews = validated demand
12. B2B sales cycles are predictable and repeatable
13. We can outexecute the incumbents because we're more agile
14. Monthly active users = product-market fit

Recommended Probing Questions:

• "You say users need this — how many have actually paid? Wishing and paying are very different."
• "You say the market is huge — what's your SAM? What channels can you actually reach?"
• "You say you have a moat — can a well-funded competitor replicate it in 6 months?"
• "You say you validated with an MVP — how many users stayed after 3 months?"
• "Your competitor analysis includes 'doing nothing' as an alternative, right?"

这条"doing nothing"追问与中文场景二的"包括 Excel 和不作为"完全同构，是产品验证场景中最容易被忽视的竞品——用户维持现状本身就是最强有力的竞品。它对应 walkthrough-en.md 中"早期股权价值几乎肯定为 0、90% 以上初创公司会失败"这类反叙事验证——把"感觉上的机会"拉回"可核算的现实"。

Scenario 7: Financial & Life Decisions (Property, Investing, Major Purchases)

High-Frequency Hidden Assumptions:

1. Real estate always appreciates in the long run
2. Renting is "throwing money away"
3. Diversification eliminates risk
4. I need $X million to retire comfortably
5. Index funds are always the safest long-term investment
6. Buying a house is a better investment than renting + investing the difference
7. Student loans are always "good debt"
8. I should maximize my 401k/pension before doing anything else
9. Insurance is always worth the premium
10. Early retirement = success
11. A financial advisor always has my best interests in mind
12. More expensive = better quality (cars, education, healthcare)
13. Debt is always bad
14. I need to own assets to build wealth

Recommended Probing Questions:

• "You say real estate always goes up — are you using 1980-2020 data? What about Japan 1990-2020?"
• "You say renting is wasting money — have you calculated rent + invest vs buy + mortgage over 30 years?"
• "You say you need $X to retire — how did you arrive at that number? What lifestyle does it assume?"
• "You say index funds are safest — safest compared to what? Over what time horizon?"
• "Your financial advisor — do they earn commissions on the products they recommend?"

"日本 1990-2020"是对"房产永远增值"这一英语世界惯例的跨时空反例；"财务顾问是否拿佣金"则是假设分类手册中"Follow the money（追踪金钱链）"策略的教科书级应用——质疑的不是顾问的专业性，而是其信息被传播的动机权重。

Scenario 8: Belief & Worldview Audit (Values, Methodology, Life Philosophy)

High-Frequency Hidden Assumptions:

1. Hard work always pays off (what about direction?)
2. Follow your passion and you'll never work a day (survivorship bias?)
3. Failure is always the best teacher (only if you extract the right lesson)
4. More data = better decisions (analysis paralysis is real)
5. Rational thinking is always superior to intuition
6. Success is primarily about talent/intelligence
7. Consistency beats intensity (in what contexts?)
8. You should always play to your strengths (what about critical weaknesses?)
9. The best time to start was yesterday (urgency bias)
10. Compounding effects mean small habits always work (linear vs threshold effects)
11. Being busy = being productive
12. Feedback from others is essential for growth (which others? what kind of feedback?)
13. You can learn anything with enough time
14. Meritocracy exists — the best work gets recognized

Recommended Probing Questions:

• "You say hard work pays off — in what domains? Can you name a case where hard work in the wrong direction made things worse?"
• "You say follow your passion — how many people do you know who followed their passion and failed? How would you know?"
• "You say more data is better — when was the last time you delayed a decision because you had too much data?"
• "You say the best time to start was yesterday — what if starting too early, before you're ready, actually increases failure risk?"
• "Where did you learn this belief? What was the context? Does that context match yours?"

这组问题明确标注了每个信念对应的认知偏差（幸存者偏差、分析瘫痪、紧迫感偏差、沉没成本），并且在"follow your passion"上反将一军："如果太早开始、在你还没准备好的时候就开始，反而增加了失败风险呢？"——直接挑战了"越早越好"这个在美国创业文化中被奉为圭臬的信念。

四、使用方法：从清单到完整五阶段输出

scenarios.md 末尾给出了清单的标准使用流程：

1. 识别场景类型——从用户的问题中判断命中的场景；
2. 把清单当作挖掘引导——不是每条假设都适用每一位用户，但要有系统地扫过；
3. 优先文化特有假设——中文用户问职业决策的隐藏假设与美国用户截然不同；
4. 与有机挖掘结合——清单是起点不是天花板，始终挖掘用户具体处境中的独特假设；
5. 用追问问题把用户无法直接articulate的假设表面化。

结合 SKILL.md 的完整流程，场景清单的产出会继续流向后续阶段：

• 阶段 3 分类：把挖掘出的每条假设按四类假设分类手册贴上标签——🔵 物理事实（接受它）、🟡 历史惯例（检查环境是否已变）、🔴 主观信念（寻找反面证据）、⚫ 利益驱动（追踪利益链）。分类本身就是洞见：很多人第一次发现，自己一直当作"事实"的东西其实只是"惯例"甚至"利益驱动"；
• 阶段 4 排序：按危险值 = 脆弱性 × 影响力打分（各 1-5 分），输出危险值最高的 Top 3 假设，每条必须附带一个可执行的验证问题；
• 阶段 5 重建：只保留通过验证的前提重建结论，并排对比"原来的想法"与"重建后的想法"，让用户看到认知位移。

两份完整走查示例可以直观展示这条链路：中文示例 walkthrough-zh.md 以"我觉得我应该辞职去创业"为题，把"创业是逃离还是奔赴""成功定义是否需要创业来实现"等深层假设逐条挖掘、分类、排序，最终重建为"辞职不是第一步，验证才是"；英文示例 walkthrough-en.md 以"退学加入初创公司"为题，把"早期股权比薪水更值钱""CEO 值得信任"等假设拆解到危险值 20/16/16，并给出了"向 CEO 索要营收、烧钱率与跑道数据"这种可直接执行的第一验证动作。

五、使用限制与注意事项

• 场景清单是挖掘引导而非检查表式清单：机械地逐条念出假设会破坏对话质量，正确用法是结合用户陈述与有机挖掘自然引出；
• 清单覆盖的是高频假设，不代表全部假设——每位用户的独特处境需要单独挖掘；
• 文化特有假设（如中文的"35 岁危机""体制内"，英文的"MBA 必要性""5-year plan"）只适用于对应文化语境，跨文化使用时需要替换为本地叙事；
• 依据 SKILL.md 的语言规则，全程应自动检测用户语言并保持一致，清单内容也按中英双语分别调用；
• Axiom 的反谄媚规则（禁止在拆解阶段认同用户结论、禁止用"这是个好问题"开场、必须输出至少一个用户不想听的真相）同样约束着场景清单的使用——追问问题的目的是质询，不是迎合。

六、参考文件索引

• 场景清单本体：references/scenarios.md
• 技能主文档（五阶段流程、四类分类、反谄媚规则、快捷输出模式）：SKILL.md
• 四类假设分类手册（识别问题、挑战策略、混合类型与边界案例）：references/assumption-types.md
• 中文完整走查（辞职创业）：examples/walkthrough-zh.md
• 英文完整走查（退学加入初创公司）：examples/walkthrough-en.md

【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600+ agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills