Solopreneur OS（Skillhub）
Solopreneur OS（ClawHub）

---

name: solopreneur-os
author: 王教成 Wang Jiaocheng (波动几何)
description: 一人公司操作系统。核心能力：工作流重构——将任何领域的复杂工作流重构为AI辅助一人简易完成的方法（拆解人的局限补偿层→消除→基于AI能力模型重整）。执行轴为6维能力调用而非角色分工，管线为IPO基元链而非流水线传递。内容轴提供清单法与样本法的OPC适配规则，创新轴适配一人公司独特约束的突破路径。领域负载物覆盖7域31种任务类型、每种任务的组件清单与18个实战范本（含5个合规检查范本+1个工作流重构范本）。覆盖从0到1启动、商业模式设计、AI工具栈搭建、合规风控、现金流管理的全周期。触发词：一人公司、OPC、单人创业、solopreneur、超级个体、独立开发者、个人商业、微创业、一人商业闭环。

One Person Company OS — 一人公司操作系统

核心理念：工作流重构

OPC的真正核心不是"在传统工作流中用AI替代人工"，而是基于AI能力模型重构工作流。

传统工作流的复杂性 = 事情本身的复杂度 + 人的局限补偿层。人脑容量有限所以拆环节，人之间要文档传递所以有中间产物，人之间协作有损耗所以需要管理协调——这些复杂性只与人的局限有关，与事情本身无关。AI拥有广域知识+生成能力+上下文窗口，可以端到端完成复杂任务，不需要这些补偿机制。

因此OPC的执行方式是能力调用而非角色分工——遇到什么事就调用什么能力，不需要先贴角色标签。流程应该回归事情本身的复杂度，而大多数事情本身没那么复杂。

适用范围不止于流程。 任何产物（文档、方案、设计、代码）都可以拆解为组成部分，其组装过程就是一种"工作流"。本方法同样适用于：把一份复杂产物拆解为组件→识别哪些组件是人的局限补偿→消除→重整为AI可端到端产出的组装链。产物重构和流程重构是同构的。

重构三步法

步骤	操作	要点
拆解	识别每个环节的存在理由	追问：这个环节存在是因为事情本身需要，还是人的局限需要？
消除	去掉人的局限补偿层	传递/协调/格式环节直接消除，校验环节精简为关键节点；校准环节保留——中间产出物若起纠偏作用则不合并
重整	基于AI能力模型重新编排	保留的✅核心环节+🔶校准环节（作为基元内分步校准点）+⚡关键校验节点→端到端IPO基元链

环节分类：✅核心（保留） | 🔶校准（保留为基元内分步校准点） | ❌传递（消除） | ❌协调（消除） | ⚡校验（精简） | ❌格式（消除）

校准 vs 校验：校验是事后检查对错，校准是过程中锁定方向。校准环节的中间产出物（如功能描述、方法调用结构）不只是传递文档，更是在过程中提供纠偏锚点——省掉校准看似简化，实则把纠偏压力推到最终产出，返工成本更高。

合并判断准则：AI技术上能一步完成 ≠ 一步完成最好。消除环节前，除了问"这是人的局限还是事情本身的需要"，还要问"这个中间产出物是否在过程中起校准作用"。如果起校准作用，即使技术上能合并，也不应合并——应保留为基元内分步校准点。

重构判断标准（满足任一即需重构，详见 references/sv-pipeline.md §零）：3+角色接力 | 3+份中间文档流转 | 30%+时间在协调沟通 | 返工率≥30%

重构验证清单：⬜事情完整性 ⬜补偿层已消除 ⬜校准不丢失 ⬜端到端可执行 ⬜复杂度回归 ⬜质量守恒 ⬜合规不跳过

重构后典型形态：单步IPO（标准化任务） | 简短基元链2-5个（中等复杂度） | IPO+人工决策（涉及合规/客户/品牌）

选择原则：能单步IPO的不用基元链，能基元链的不加人工决策。

重构方法的完整执行逻辑、触发条件、前后对比模板、实例化演示详见 references/sv-pipeline.md §零。

---

OPC定义

一人公司（OPC, One Person Company）：在AI工具赋能下，由单一创始人主导决策，借助AI Agent和外部资源网络，放大个体能力边界，形成商业价值闭环的创业形态。

特征	传统公司	个体户	OPC
决策者	多人协商	一人	一人主导
执行力	团队分工	个人人力	AI Agent+外部资源
规模化	招人扩编	受限于24小时	系统复制+产品化
成本结构	高固定成本	低但天花板低	极低启动成本+弹性
退出方式	融资/上市	关停	产品化/SaaS化/出售

---

Step 0：判定

0A 阶段判定

阶段	特征	核心任务	推荐基元链
0→1 探索期	无客户/产品/收入	验证需求、选定赛道	OP-P1需求验证
1→10 验证期	首批客户、不稳定收入	跑通交付、积累案例	OP-P2快速交付
10→100 增长期	稳定客源、需规模化	产品化、自动化	OP-P5服务产品化
100→1000 扩张期	收入可观、需系统化	SaaS化、品牌化	OP-P3内容获客飞轮

0B 三轴判定

判定维度	简单	中等	复杂
复杂度	单一问答→直接回答+陷阱检查	单模块任务→单步IPO	跨模块任务→IPO基元链
内容类型	非结构化→不激活	—	结构化成品→激活内容轴
创新需求	常规执行→不激活	—	需要突破→激活创新轴

---

执行轴：6维能力调用

OPC最核心的约束是一个人承担所有事，但"承担所有事"不等于"扮演所有角色"。执行逻辑：识别任务需要什么能力→调用对应能力→产出结果。

能力	代号	本质	核心挑战
调研	S	从环境中获取信息	信息过载，判断噪声vs信号
设计	C	对信息加工处理和决策	选择困难，判断自建vs外包vsSaaS
执行	A	产生可观测的产出	执行疲劳，判断手动vsAI自动化
财务	O	结构化管理和维护资源	现金流生死线
获客	I	与外部主体建立关系	最难外包，AI不擅长
合规	G	确保安全、合规、质量	小组织承担完整责任

调用逻辑：不是"我是产品人所以做调研"，而是"这个任务需要调研能力所以调用"。能力之间无边界，同一刻可叠加多种能力。

调用序列：调研→设计→执行→财务自然推进，获客贯穿前三个，合规贯穿全部。

关键原则：一个人不是同时做六件事，而是一个人决定什么事该做什么不做、什么调用AI、什么外包。6维能力是能力框架，不是岗位清单。

6维能力的详细映射（操作类型/自治度/陷阱/决策矩阵）、领域校准推导、IPO基元链模式详解与实例化演示、执行规则、工具调用策略详见 references/sv-pipeline.md。

---

内容轴：OPC内容方法与商业模式

内容轴分两层：方法层（怎么组织内容）和领域层（OPC的商业模式数据）。

方法层

范式	OPC适配	典型场景
清单法	按references/sv-requirements.md的槽位逐项填充	首次创建，确保不遗漏
样本法	按references/sv-exemplars.md的结构参考模仿产出	有高质量同类样本
结合	范本定框架+清单填内容	复杂成品

方法选择：首次创建按范本参考，已有经验按清单产出，复杂任务两者结合。用户决定，AI不得自动选择。

完整的清单法与样本法工作流详见 references/sv-compose.md。

领域层：四大商业模式

模式	毛利率	启动难度	月收入潜力
AI原生机构	70%	低-中	¥2万-35万
AI顾问服务	80%	低	¥2万-14万
AI数字产品	90%	中	¥3.5万-21万
AI软件服务	95%	高	¥7万-70万+

Dan Martell升级路径：AI服务/顾问（70-80%）→ 积累客户信任与业务洞察 → 可重复流程产品化打包成SaaS → 毛利升至95%。

四大商业模式的组件清单与定价参考详见 references/sv-requirements.md P2-01节。

---

创新轴：一人突破路径

OPC的创新约束独特——不是缺创意，而是缺资源、缺时间、缺人手。

模式	核心逻辑	典型场景
模式零：工作流重构（前置）	先重构流程本身，不在旧流程上优化	任何领域进入前的元能力
模式一：垂直利基定位	反转「做大市场」假设，极小市场极深服务	定位差异化
模式二：约束驱动	资源极限就是创新源泉	低成本获客、极限约束下的方案
模式三：技能→系统迁移	个人技能→商业系统的结构迁移	从时间换钱到系统换钱
模式四：一人×AI矩阵	个人能力维度×AI工具维度→新商业模式	跨领域能力组合发现

四种模式的详细执行方式、维度矩阵预设、评估侧重点、场景适配指引、创新工作流详见 references/sv-innovation.md。

---

OPC实现途径

OPC的元能力是工作流重构——掌握了重构方法，任何领域都能简化为AI辅助一人简易完成。

途径	一个人能完成什么	传统工作流→重构后	实现技能	OPC模式适配
软件开发OPC	软件产品设计→开发→交付全流程	6+角色N份文档→需求→架构→代码三步	AI Dev Workflow	AI软件服务(95%) / AI原生机构(70%)
风格设计OPC	风格设计→生成→衍生→应用全流程	4+角色多轮迭代→6槽位×100实例一站式生成	Style Design Generator	AI数字产品(90%) / AI顾问服务(80%)
学术产出OPC	学术论文选题→论证→生成全流程	导师-学生-审稿人三角→选题四模式+论文四步流	Thesis Topic Selector + Academic Thesis Workflow	AI数字产品(90%) / AI顾问服务(80%)
网文创作OPC	网络小说世界观→大纲→正文→运营全流程	编辑-作者-运营三人→三轴运行时+领域负载物	UTOS + Web Novel Writing Reference	AI数字产品(90%) / AI原生机构(70%)
任意领域OPC	任意领域知识→任务体系→产出全流程	N角色M环节→运行时+重构器+编译器+应用程序四层	UTOS + Workflow Refactor + Domain Payload Generator + 目标领域负载物	按领域适配

实现途径分两类：独立工作流型（自含执行逻辑，标准工作流可覆盖）和生态组合型（运行时+重构器+编译器+应用程序四层寄生部署，需要高度定制领域知识）。

关于实现技能

实现途径中的每个技能（skill）都是你自己全面可控的工作系统，不是别人或公司做的黑箱工具。

skill基本规范的优点：

• 全面可定制：执行逻辑、内容要求、质量标准、输出格式——所有需求按你的实际场景精确设计，没有任何环节是别人替你决定的
• 完全可修改：拥有完整的定义权和修改权，不满意就改，不需要等别人更新版本或开放配置项
• 平台无关迁移：skill是标准规范的自包含文件，任何支持skill规范的AI工具平台都能直接使用，不绑定任何特定产品或服务商
• 渐进式构建：从最简单的SKILL.md单文件开始，按需扩展references/scripts/assets，复杂度随需求自然增长，不需要一开始就设计完整架构
• 版本可控：纯文本文件，用Git管理演进历史，回滚/对比/协作与代码工作流一致
• 可组合复用：skill之间可以引用和组合，已有skill的能力可以直接被新skill调用，不需要从零开始

UTOS+WF+DPG+Payload四层架构：

当skill复杂度超出基本规范的处理能力时，四层架构提供了超越单skill的能力——它不是更大的skill，而是不同层级的架构：

层级	角色	类比	说明
UTOS（运行时）	通用执行引擎	操作系统内核	三轴判定、能力调度、基元链编排
WF（重构器）	工作流重构引擎	编译器前端——源码解析与优化	拆解传统工作流→消除人的局限补偿层→重整为AI能力模型的IPO基元链
DPG（编译器）	领域知识编译引擎	编译器后端——代码生成	将重构后的领域知识结构编译为可执行的领域负载物
Payload（应用程序）	领域专属任务体系	应用程序	领域专属的任务体系、清单、范本——可独立使用也可寄生部署

三层价值属性：

技能	价值类型	使用频率
WF	转化价值——解决"从旧到新"的转化问题	低频、脉冲式
DPG	创建价值——解决"从无到有"的创建问题	中频、按需
UTOS	运行时价值——解决"执行任务"的运行问题	高频、持续

职责分工：

技能	管什么	不管什么
WF	流程结构——哪些环节保留、消除、校准	领域知识内容（清单/样本）
DPG	领域知识内容——catalog(清单)、requirements(要求)、exemplars(范本)	流程结构
UTOS	三轴执行框架——执行轴编排、内容轴消费清单/样本、创新轴突破	具体领域内容

价值链：

传统工作流 ──[WF]──→ 重构后IPO基元链 ──[DPG]──→ 领域负载物 ──[UTOS]──→ 持续执行

四层协作逻辑：WF不是UTOS的外部附加工具，而是四层架构中不可省略的层级——它确保DPG编译的源材料本身已消除人的局限补偿层，而非将传统流程直接编译为结构化但冗余的Payload。没有重构器的架构，等于编译器前端的源码未经解析优化就直接生成代码——产出物可能结构完整但包含大量不必要的补偿层残留。

先重构再生成的效果：

场景	catalog任务数	requirements复杂度	exemplars数量
未重构直接生成	包含传递/协调/格式环节对应的任务类型	大量"人的局限补偿"相关要求	范本里嵌套冗余中间产物
先重构再生成	只保留✅核心+🔶校准+⚡关键校验对应的类型	要求聚焦事情本身	范本干净，无冗余传递物

四层架构优势：

• 一次构建，多领域复用：UTOS运行时只需部署一次，换一个Payload就切换一个全新领域
• 重构器前置保证：WF在DPG编译之前运行，确保进入编译器的领域知识已基于AI能力模型重整
• 领域知识工程化：WF产出重构后的IPO基元链→DPG将其编译为结构化Payload→领域经验可积累、可迭代、可交付
• 寄生部署：Payload可寄生在UTOS运行时上获得完整执行能力，也可独立作为基本skill使用
• 无限扩展：任何新领域只需要WF重构→DPG编译→生成新的Payload
• 重构器后置优化：已产出的Payload也可再经WF重构三步法优化为更精简的IPO基元链

领域负载物生成（DPG）

DPG是元技能——产出不是领域知识本身，而是领域负载物技能。当需要为新领域创建知识参考库时，DPG负责从零生成完整技能。

三层结构

DPG生成的领域负载物技能遵循固定三层结构：

第一层：任务清单 + 依赖拓扑       →  references/catalog.md
第二层：任务要求（槽位定义）       →  references/requirements.md
第三层：优秀范本                  →  references/exemplars.md + references/exemplars/子目录

• 第一层 catalog：每个任务含5字段（ID/名称/说明/依赖/UTOS映射提示），附域间逻辑流和依赖拓扑摘要
• 第二层 requirements：每个任务含必选组件、可选组件、组装顺序、约束、格式——定义"产出物由什么组成"
• 第三层 exemplars：清单主文件做索引 + 子文件存具体范本，供UTOS内容轴样本法消费

领域分析框架（R1-R5）

DPG使用五维度定位新领域，推导UTOS执行参数：

维度	低	高	影响什么
R1 信息密度	操作类/手工类 → S轻	数据类/研究类 → S重C深	感知和认知单元占比
R2 创造性	流程类/合规类 → A标准	艺术类/研发类 → A极高	内容轴创新轴激活频率
R3 交互性	独立产出类 → I少	服务类/协作类 → I多	交互单元数量
R4 规范性	创作类/设计类 → G偏松	法规类/工程类 → G偏严	守护单元密度、合规约束数量
R5 迭代性	一次性交付→循环少	持续运营/连载→循环多	管线中↻模式的使用

生成工作流

用户输入："帮我做一个XX领域的知识参考库"
        ↓
  Step 1: 领域分析（30-40%时间）
    ├─ 1A: 领域定义 + R1-R5分类定位
    ├─ 1B: 域划分（价值链拆解 / 职能分工）
    └─ 1C: 任务枚举 + 依赖推导 + UTOS映射提示
        ↓
  Step 2: 文件生成（40-50%时间）
    ├─ 2A: SKILL.md（三层结构+依赖声明+UTOS接口）
    ├─ 2B: catalog.md（任务清单+拓扑）
    ├─ 2C: requirements.md（槽位定义）
    └─ 2D: exemplars.md（范本框架）
        ↓
  Step 3: UTOS校验（10-15%时间）
    └─ 20项逐条检查 → 修正FAIL项 → 输出完整技能

UTOS兼容性契约

DPG生成的所有产物必须通过以下校验：

维度	要求
三层结构一致	必须为：catalog + requirements + exemplars
依赖声明格式	必须含强依赖UTOS声明 + 加载检查流程 + 降级模式
元操作映射	每个任务必须标注S/C/A/O/I/G映射提示
五字段Schema	每个任务组件必选：ID/名称/说明/依赖/UTOS映射
域间逻辑流	域间必须有明确的价值链逻辑顺序
依赖拓扑摘要	必须有至少3条跨域管线链路
Step 0-4接口	SKILL.md必须含"与UTOS的接口"章节

三条路径对比

路径	清单/样本来源	优势	劣势
WF单独用	无，用户临时提供	流程极简	内容质量靠用户自身积累
WF + DPG + UTOS	领域负载物结构化提供	流程+内容双保险，系统化	首次生成有成本
WF + UTOS（无DPG）	用户手动输入到IPO的I	灵活	每次都要手动准备，覆盖度不稳定

DPG的完整领域分析框架、三层结构模板、UTOS接口校验清单、生成工作流详见 domain-payload-generator 技能的references目录。

---

OPC领域负载物

执行轴管"怎么做"，领域负载物管"做什么"——7域31种任务类型、每种任务的零件清单、18个实战范本。

领域清单与依赖拓扑

域	任务数	核心任务	核心能力需求
P0 工作流重构	6	传统工作流识别→环节分析→消除→重整→验证→形态选择	调研→设计→执行
P1 商业定位	4	垂直利基定位、市场扫描、差异化价值主张、能力盘点	调研→设计
P2 商业模式	4	模式选择、服务包定义、定价策略、收入结构	设计→财务
P3 产品与交付	4	MVP设计、流程标准化、产品化路径、AI辅助交付	设计→执行
P4 获客与品牌	4	内容获客体系、冷启动、个人IP、转化留存	获客→执行
P5 运营与自动化	4	AI工具栈、Agent工作流、日常SOP、系统迭代	执行→财务
P6 财务与合规	5	主体选择、现金流、税务、合同法律、数据安全	合规→财务

关键依赖链路：（详见 references/sv-catalog.md 依赖拓扑摘要）

完整清单与依赖拓扑详见 references/sv-catalog.md。

领域要求清单

每种任务类型的"零件清单"——必选/可选组件、组装顺序、领域约束。按清单逐项产出。

完整槽位详见 references/sv-requirements.md。

领域范本库

18个OPC实战范本（含1个工作流重构范本+5个合规检查范本），按范本参考产出。

范本ID	范本名称	对应任务
EX-01	工作流重构范本	P0
EX-02	垂直利基定位一页纸	P1-01
EX-03	个人能力维度矩阵	P1-04
EX-04	AI原生机构商业计划框架	P2-02, P2-03
EX-05	AI数字产品商业计划框架	P2-02, P2-03
EX-06	MVP一页纸	P3-01
EX-07	服务产品化路线图	P3-03
EX-08	内容获客飞轮设计	P4-01
EX-09	冷启动获客行动计划	P4-02
EX-10	AI工具栈配置清单	P5-01
EX-11	日常运营SOP	P5-03
EX-12	现金流管理表	P6-02
EX-13	服务合同审查清单	P6-04
EX-14~18	五大致命陷阱检查	全局

完整范本详见 references/sv-exemplars.md。

使用规则

1. 任务识别：确认用户需要哪种OPC任务（参考catalog）
2. 方法选择：首次创建按范本参考，已有经验按清单产出，复杂任务两者结合
3. 按需读取：确认任务后读取对应requirements槽位和exemplars范本
4. 产出交付：按清单逐项填充，或按范本结构替换实际内容
5. 用户主权：AI按技能框架产出的内容是起点，不是终稿。用户对任何环节有独特的校准点、质量标准或业务约束，都可以也应当要求修改——尤其是校准点的取舍，只有用户知道哪些中间产出物对他的场景真正起纠偏作用。用户还可以主动提供清单和样本作为校准参考

---

OPC专属IPO基元链模式

模式	流程	适用
OP-P1 需求验证链	I:想法→[S市场扫描]→[C需求判断]→[I潜在客户确认]→[G可行性验证]→O:验证结论	0→1阶段
OP-P2 MVP快速交付链	I:已验证需求→[C最小方案设计]→[A AI辅助快速实现]→[I客户反馈]→↻→O:交付归档	1→10阶段
OP-P3 内容获客飞轮链	[A AI内容生产]⇉[I分发渠道1/2/3]→[S数据监测]→[C效果分析]→↻	任何阶段
OP-P4 合规风控检查链	[G主体合规]→[G税务合规]→[G合同合规]→[G数据安全]→O:合规档案	法律/财务/数据操作前
OP-P5 服务产品化链	I:已验证服务流程→[C产品化拆解]→[C自动化点位识别]→[A AI自动化搭建]→[G质量验证]→O:产品归档	10→100阶段

5种模式的详解、关键规则、实例化演示详见 references/sv-pipeline.md §三、§四。

---

OPC领域校准

OPC领域校准不查表，按5条推导规则自动适配：

规则	校准结果
资源极限原则	调研和设计能力优先调用，执行偏精准
现金流敏感原则	财务能力必须调用，合规不可省
AI杠杆原则	执行优先评估AI自动化，获客AI辅助但人主导
垂直利基原则	设计决策时强制收敛到垂直领域
合规底线原则	合规能力贯穿全程，不可跳过

校准维度默认值：能力优先级 S:C:A:O:I:G ≈ 2:3:2:1.5:1.5:2 | 自治度 🟨半自动为主 | 创新评估 可行性+非平凡性 | 产出格式 一页纸/清单/可执行步骤

校准推导逻辑与阶段校准矩阵详见 references/sv-pipeline.md §二。

---

OPC五大致命陷阱（内嵌合规检查）

陷阱	触发条件	检查动作
「AI能搞定一切」幻觉	纯AI执行决策	强制标注AI不擅长项+要求人工介入
合规与法律风险	注册/合同/财务决策	强制触发合规检查+法人独立原则
无客源就注册公司	提出注册公司意图	先验证3+付费客户？建议先个体工商户
卖AI技术而非商业成果	定位/获客决策	检查是否在说「我能帮你导入AI」→改说商业成果
定位太广无垂直利基	商业模式/定位决策	强制收敛：能否一句话说清服务谁解决什么

---

OPC工具栈

能力需求	工具类型	月费参考
调研	市场调研与信息检索工具	免费-¥200
设计	编码与架构辅助工具	¥100-300
执行	自动化流程与内容生产工具	免费-¥300
财务	协作表格与项目管理工具	免费-¥100
获客	获客辅助与客户沟通工具	按用量
合规	法律合规辅助工具	按用量

选型原则：优先国内可用/免费低成本；核心工具有备选；月费合计控制在¥200-500。

---

OPC数据速览

指标	数据
全国OPC数量	超1600万家，占企业总数27.4%
2025上半年新增	286万户，同比增47%
高盈利OPC深度使用AI	92%
启动资金低于$500	90%
稳定盈利比例	仅20%（SoloNest 2000+样本，待验证）
单人创始人占比(2025)	36.3%（6年增长53%）

---

呈现规则

场景	默认呈现	可展开
OPC快速问答	直接回答+陷阱检查	基元链详情、能力分析
商业模式设计	一页纸方案+四维评估	完整清单/样本、财务模型
合规风控	风险清单+建议	法律依据、操作步骤
现金流分析	关键指标+runway	完整现金流表、情景分析
获客方案	渠道+成本+预期ROI	内容策略、自动化流程

---

事实纪律

1. OPC政策数据必须基于可验证的最新政策，不确定的标注「待验证」
2. AI工具能力描述必须基于实际能力，不得夸大
3. 收入预期必须标注为「参考范围」，不得承诺具体数字
4. 合规建议必须标注「不构成法律意见」，关键决策建议咨询专业律师/会计师
5. 成功案例引用必须确知真实存在，不得编造
6. 对OPC的乐观预期必须同时呈现现实困难（仅20%稳定盈利）