我用 Claude Code 一周调研了 8 个产品方向

独立开发者最贵的错误

独立开发者最大的坑，不是技术不够，不是设计不行，而是做了不该做的东西。

你有没有过这种经历：脑子里闪过一个想法，“这个工具肯定有人需要！“，然后兴冲冲地写了代码，上线以后发现——没人用。

问题出在哪？不是你的代码写得不好，而是你在动手之前，根本没有验证这个方向值不值得做。

传统的市场调研太慢了。你要自己去搜竞品、翻 App Store 评论、找行业报告、估算市场规模……一个方向认真调研下来，一两周就过去了。如果你同时有三五个想法想对比，那基本上一个月就搭进去了，代码一行没写。

独立开发者的时间是最稀缺的资源。我需要一种方法，能在最短时间内判断一个方向值不值得做。

为什么是 Claude Code

我之前也用 ChatGPT、用 Claude 的网页版做过调研。但体验很不一样。

网页版的聊天模式是一问一答的：你问一个问题，它回答一段，你再追问，它再回答。整个过程是碎片化的，最后你得自己把散落在对话里的信息拼成一个完整的判断。

Claude Code 不同。它更像是你给一个研究员布置了一个任务：“帮我调研一下这个方向，给我一份完整的报告。” 然后它会自己去搜索、分析、整理，最后交给你一份结构化的文档。

关键区别在于：

它输出的是文件，不是聊天记录。 你可以直接保存、对比、迭代。
它可以一次性处理复杂任务。 不需要你一步步引导，给一个 prompt，它能自己完成整个调研流程。
它能直接操作你的项目目录。 生成的报告直接存到你指定的位置，不需要复制粘贴。

简单来说，网页版是”助手”，Claude Code 是”研究员”。

建一个 research 项目：你的灵感仓库

我做的第一件事，是在本地建了一个专门的项目目录，叫 research。

这个目录的唯一作用就是存放所有产品方向的调研结果。结构很简单：

research/
├── README.md              # 所有方向的汇总对比表
├── voicedoz/
│   └── research.md        # VoiceDoz 深度调研
├── clipboard-app/
│   └── research.md        # 剪贴板工具调研
├── ai-form-builder/
│   └── research.md        # AI 表单调研
├── disk-cleaner/
│   └── research.md        # 磁盘清理工具调研
├── future-directions/
│   └── research.md        # 未来方向探索
└── ...

每个方向一个文件夹，每个文件夹里一份标准化的 research.md。

这个项目的价值在于积累。你不需要等到”准备认真调研”的时候才用它。随时想到一个想法——哪怕只是洗澡时突然闪过的灵感——打开终端，给 Claude Code 一个 prompt，让它帮你做一份初步调研，存进去。

三个月下来，你的 research 目录里可能有十几二十个方向。有些看完调研就知道不靠谱，有些一直在脑子里发酵。当你准备认真选下一个项目的时候，所有的素材都在这里，随时可以翻出来对比、排序。

这不是一次性的工作，而是一个持续运转的灵感系统。

怎么给 Claude Code 下调研任务

核心就是一个 prompt。但 prompt 的质量直接决定产出的质量。

我总结出来的方法是：不要问笼统的问题，要给它一个明确的分析框架。 比如，不要说”帮我调研一下语音输入工具的市场”，而是：

帮我调研”语音输入转文字工具”这个方向，从以下维度分析：

市场规模和增长趋势

现有竞品列表，按层级分类（VC 资助的、独立开发者做的、开源的）

每个主要竞品的定价策略和收入规模（如果能找到公开数据）

功能对比矩阵：我的产品可以在哪些维度做出差异化

风险评估：平台风险、竞争风险、技术可行性

收入预估：保守 / 增长 / 乐观三个场景把结果写成一份 research.md，保存在 research/voicedoz/ 目录下。

一个 prompt，Claude Code 会自己跑完所有步骤，最后在你指定的目录里生成一份完整的报告。

一份调研报告长什么样

以我调研 VoiceDoz（语音输入工具）为例，最终生成的报告大概覆盖这些部分：

市场规模： 语音识别市场 2025 年约 2250 亿美元，年增长率 22%。其中消费级工具是增长最快的细分领域。

竞品分层：

层级	代表产品	特点
VC 巨头	Wispr Flow（估值 $10 亿）	融资多，但功能单一
独立开发者	Superwhisper、Aiko	一人团队，收入 $5K-$15K/月
开源方案	Whisper.cpp	免费，但需要用户自己折腾

功能对比矩阵：

维度	VoiceDoz	Wispr Flow	Superwhisper
跨平台	✅ 全平台	❌ 仅 Mac	❌ 仅 Mac
语音翻译	✅	❌	❌
本地模型	✅	❌	✅
价格	$29.99 一次性	$180/年	$80/年

风险评估：

平台风险：低。Apple/Google 的原生语音输入不支持翻译和润色，短期内不会威胁。
竞争风险：中。Wispr Flow 融资 $7 亿，但目前只做 Mac。

收入预估：

保守：$1.5K-$3K/月
增长：$5K-$10K/月
乐观：$15K-$20K/月

每份报告都是同样的结构。当你攒了七八份这样的报告以后，横向对比变得非常简单。

横向对比：让 AI 帮你排序

当 research 目录里积累了足够多的方向后，最有价值的一步是横向对比。

我让 Claude Code 读取所有调研报告，然后按统一标准打分，输出一个汇总表，存在 research/README.md 里：

方向	差异化	市场规模	独立开发可行性	推荐度
VoiceDoz	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	✅ 优先做
剪贴板工具	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐⭐	✅ 第二个做
AI 表单	⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐	🔶 考虑
磁盘清理	⭐⭐	⭐⭐	⭐⭐⭐⭐	❌ 不推荐

一张表就能看清全局。哪些方向差异化明确，哪些市场太拥挤，哪些一个人根本做不了——一目了然。

真实案例：被毙掉的和选中的

光讲方法论太抽象，说两个真实的调研结果。

被毙掉的：磁盘清理工具

磁盘清理工具，听起来很有市场，对吧？每个人的电脑都会满。

但调研报告一出来，直接打消了念头：

平台风险极高。 iOS 的沙盒机制严重限制了功能，你根本清理不了多少东西。Mac 上 Apple 随时可能把清理功能内置到系统里（事实上每个新版 macOS 都在加强存储管理），一旦内置，你的产品就归零了。
竞争格局固化。 CleanMyMac 有 2900 万下载量。开源的 Mole 在 GitHub 上也有大量用户。留给新产品的空间非常小。
天花板低。 这个工具的付费意愿本来就不高，大部分用户觉得”系统自带的就够了”。

结论：不做。这个方向风险太大，回报太低。

如果没有做调研，凭直觉我可能会觉得”大家都需要清理磁盘空间，肯定有市场”，然后花三个月写一个注定没人用的产品。

选中的：VoiceDoz

VoiceDoz 的调研结果完全不同：

差异化清晰。 现有竞品要么只支持 Mac，要么只支持云端，要么不支持翻译。VoiceDoz 是唯一一个同时做到全平台 + 本地模型 + 语音翻译的产品。
价格优势明显。 竞品年费 $100-$180，VoiceDoz 一次性 $29.99，对价格敏感的用户吸引力很大。
市场被验证过。 Wispr Flow 做到了 $10 亿估值和 $1000 万年收入，说明这个市场确实存在且在增长。
一个人能做。 核心技术基于 Whisper 模型，前后端都是成熟的技术栈。

结论：优先做。差异化明确，市场被验证，技术可行。

这就是调研的价值——不是告诉你”该做什么”，而是帮你排除掉不该做的东西，把有限的时间集中在胜率最高的方向上。

Claude Code 做调研的边界

说了这么多好处，也说说局限性。

它擅长的：

结构化分析。给一个框架，它能严格按框架输出，不会漏项。
竞品梳理。快速列出市场上的主要玩家和它们的差异。
多方向对比。把十几个方向放在一起横向比较，这种高密度的信息处理是人很难高效做的。

它不擅长的：

最新的数据。它的知识有截止时间，最近几个月的融资新闻、收入变化可能不准。关键数字你需要自己去 Latka、AppFigures 这些平台验证。
用户洞察。“用户到底痛不痛”这种问题，AI 只能给你逻辑推断，真正的答案要去社区里看用户的真实反馈。
直觉判断。有些方向数据上看起来一般，但你的直觉告诉你有机会——这种判断 AI 帮不了你。

所以正确的用法是：AI 负责信息收集和结构化分析，人负责最终判断。 AI 抹平的是信息差，不是决策。

最后

独立开发者最稀缺的资源是时间，而选题是最大的时间杠杆——选对了，后面的努力才有意义。

我的建议是：

现在就建一个 research 项目。 不需要等到有明确方向的时候。随时有想法就让 Claude Code 跑一份调研，存起来。
给 AI 一个明确的分析框架。 不要问”这个方向怎么样”，要告诉它从哪些维度分析。
积累到一定数量后做横向对比。 单独看一个方向很难判断好坏，放在一起比才能看出差距。

与其花三个月做一个没人要的产品，不如先花一周做调研。这一周可能是你今年花得最值的时间。