AI 创业中MVP阶段的关键挑战

在创业领域有一个广为流传的段子：你的MVP（最小可行产品）不是过于简陋，就是复杂得难以想象。而如今，AI 正在改写这个段子——你的MVP既简陋又复杂，而且发展速度还快得惊人。

Anthropic的《创始人手册》将MVP阶段定义为一次收集证据的过程。这并不是在建设或打磨产品，而是在验证一个核心问题：真实用户是否认为你的产品有足够价值，是否愿意重复使用，是否愿意付费，是否愿意推荐给他人。在Idea阶段，我们验证的是“问题是否存在”；在MVP阶段，我们验证的是“解决方案是否值得”。

问题在于，AI让构建过程变得轻松无比。这既是好事，也是个陷阱。Anthropic从15个月达到$1B年度经常性收入只用了15个月就达到了$30B。Claude Code从一个内部实验项目成长为年收入$1B的产品只用了一年时间。Dario将40%的时间用于文化建设，因为他深知，速度越快，越容易偏离方向。

AI不会告诉你“够了”。它会一直构建。你必须自己踩下刹车。

传统MVP的死法是经典的：建得太慢，等上线时市场已经变了。或者建错了东西，42%的初创公司死在这里——造了没人要的产品。

AI时代的死法有所不同。它不是慢，而是太快太快太快地跑错了方向。

第一种叫agentic技术债。普通技术债是慢慢累积的，你还有时间还。AI技术债是复合增长的。没有架构规范和约束，每个编程会话都在重新推导基础决策。决策漂移，代码库失去连贯的心智模型。最后它会崩溃，被迫重建。这不是危言耸听——我自己试过一个周末用AI搭小工具，周一回来已经看不懂自己上周五写的代码在干什么。

第二种叫虚假PMF。AI能让你更快到达“早期动能”的时刻——朋友试用了，发个HN头条spike了，投资人的portfolio公司有反馈了。但那不是PMF。那是瞬时力量。你看不出第六周或第十二周会发生什么。产品有没有真正的留存？用户有没有自发回来？没人用你还得频繁outreach和个人跟进？如果是，那叫推，不叫拉。

第三种叫零摩擦范围蔓延。以前加功能是工程时间约束——“这个要两周”，你自然就不加了。现在加一个功能只需一个下午。每个单独看都合理：产品当然该处理那个边界case，用户当然想要那个工作流。累积起来，产品超出了原始边界，失去了方向。Anthropic的解药是构建前写scope definition——产品做什么，明确不做什么，什么证据出现才加新东西。

怎么知道你是不是陷入了false PMF？用Sean Ellis测试。问你的活跃用户一个问题：如果明天不能再使用这个产品，你会感觉怎样？

超过40%的人回答“非常失望”——这是一个有意义的PMF信号。低于这个数，你多半建的是一个“还不错”的东西，不是“非它不可”的东西。

这个测试的关键不在数字本身，在于它逼你面对一个uncomfortable truth：早期使用者的客气和真实的需求是两回事。朋友说“挺好的”和陌生人主动回来用是两回事。

还有一个努力测试。PMF之前，留存靠持续干预——你发消息、你做激励、你跟进。PM (产品-市场匹配)之后，产品开始自己做这份工作。从push变成pull。如果你的留存曲线全靠你自己撑着，撑不住那天就是跌落那天。

AI编程最大的坑不是代码质量——是上下文丢失。每个session都是空白的。AI不会记得你上周为什么选了A框架而不是B，不会记得你有意接受了某个取舍，不会记得你的架构原则。

Anthropic的解法简单得有点无聊：CLAUDE.md。一个文件，放在项目根目录，存三样东西——架构原则、要避免的依赖、有意识接受的取舍。每次coding session以它开始，以更新它结束。

这东西的本质不是配置。是项目的持久记忆。

一个agentic team如果没有shared memory，每个成员都在重新发明车轮。车轮重新发明几次没关系，重新发明二十次之后，你的代码库就成了一个没有灵魂的拼凑物。

社区里有人把这个模式扩展了：context doc + specific task + constraints，作为每个AI coding session的template。这不是过度工程——这是防止决策漂移的护栏。

AI生成的代码是能运行的代码，不是天生安全的代码。这不是AI的错——它能写出功能正确的逻辑，但它没有义务思考这个逻辑会不会被注入攻击、会不会泄露数据、会不会在边界条件下崩溃。

安全漏洞不可见，直到被利用。而且没有自然反馈回路提醒创始人。你的用户不会告诉你“嘿，你的API端点缺了rate limiting”——他们会利用它，或者离开。

Anthropic的最低责任门槛：任何用户接触之前做安全审查。用Claude Code Security扫描代码库，然后人工审查。不是“等产品跑通再说”，是“用户到来之前”。

这听起来像减速带。但它不是。没有安全审查的产品，跑得快等于翻得快。

MVP阶段结束时，你的产品可能感觉“不完整”。正确。PMF证据不依赖完整性。用户不会因为你的产品缺了一个dashboard按钮就不用它——他们只会因为产品没解决他们的问题就不用它。

Anthropic的建议是三轮迭代。每轮构建、测量、学习。三轮之后仍然没有PMF信号——诊断。有其他响应更好的细分吗？价值感知差距是定位问题还是产品问题？用户不知道这东西好，还是这东西确实不好？

这就是MVP阶段的核心矛盾。AI让你的建造速度十倍增长，但它不会帮你判断方向。它不会说“等等，这个功能不在scope里”。它不会说“用户留存数据不太对”。它不会说“你的技术债已经快压垮代码库了”。

它只会build。

踩刹车的人是你。写scope doc的人是你。做Sean Ellis测试的人是你。在用户到来之前跑安全审查的人是你。三轮迭代后决定pivot还是坚持的人也是你。

Anthropic写了整本Founder's Playbook。Dario拿40%的时间做文化。不是因为他们觉得文化浪漫——是因为速度越快，纪律越不能少。

你的MVP不需要完美。它需要证据。

你上一次问自己“这东西真的有人非用不可吗”，是什么时候？