五要素 · 让 AI 听懂你要什么
输入是什么 · 目标是什么 · 处理过程怎样 · 希望输出什么结果 · 有哪些约束。
随便一个想法丢给 AI 它也能产出，但聊得越多越容易“跑偏”。先用五要素做结构化沟通，再拿这五要素去和 Vibe Coding 方案对话，产出会更符合你真正想要的结果。（推荐用更聪明的模型，效果更好。）
讲者是谁
陈诗中老师本硕都在浙大读，本科是工业设计——2006 年是学校最早一批拿到红点、IF 奖的人之一。之后在企业里做了很多年产品：早在 2013 年就在支付宝做人工智能客服（那时还是“规则式”AI，用来承接昂贵的电话人工服务）；后来在钉钉做过视频会议、直播、钉盘、考勤等一系列功能；2019 年做过浙江省政府的项目（与后来的健康码有关），也做过大数据产品；2020 年做过浙大设计专业 30 周年回顾（采访了 30 位不同方向的校友）。最近几年在做 AI 方向的创业。
为什么要做 MVP
有个关键统计：约 90% 的项目，是在没摸清 MVP 的情况下就推向市场——这是创业里很大的教训。什么叫“摸清”？就是每一个环节都验证得很清楚。
MVP 就是找到你这个想法 / 产品的最小切入点。用一句很形象的话说——先找到你的滑板。我们最终想造的也许是一台汽车，但不要一上来就去造轮胎、造底盘（那些零件用户没法用起来）；而是先造出“每个阶段最小、但能用起来”的方案。
滑板能交付给用户用起来；轮胎和底盘不能。MVP 的判断条件就是：目标用户能不能先用起来？
它不是静态的，而是动态的：哪怕你还不知道最终要什么，也要先找一个小切口去试。比如做一个抢课工具——不需要登录、只放一个核心功能（选好热门选修课，一点就帮你抢），它能运行、能让用户拿到想要的结果，这就是 MVP。
MVP 的迭代：从滑板到汽车
滑板→带把手滑板→自行车→摩托车→汽车
用户用起来后就会给反馈，每一步升级都来自反馈、而不是凭空想象：滑板难控制方向 → 加个把手（儿童滑板）；一直蹬很累 → 装传动齿轮（自行车）；天热蹬得辛苦 → 装发动机（摩托车）；下雨会淋湿 → 加个外壳（汽车）。
每一个阶段都做出最小方案、都拿去和用户验证——这就是 MVP 的迭代方法论。
三件要做 · 两件不要做
要做
- 把假设写下来（先明确要验证的是什么）
- 找真实用户验证（做给自己的，就找同学）
- 设定验证标准（他是不是真的会用、真实反馈是什么）
不要做
- 不要尽善尽美
- 不要一上来就开发一堆复杂功能
- 只聚焦在你要验证的那一部分
还有一个很重要的策略：验证出“这个事情不成立”，也是很好的结果。第一天就验证不成立，后面的时间就不用再浪费——这是 MVP 最省时间的地方。
五种 MVP 方法（从重到轻）
五种方法都回到同一条思路：假设产品已经上线了，用户到底会不会用、会怎么用？过程中不一定要写代码——甚至可以让 AI 去模拟用户来分析（把花名册给 AI，让它扮演学生来评估你的方案）。
最重
① 人工服务（李斌式 / Concierge）
纯用人肉提供服务，最直接。先确认需求真实存在，再慢慢产品化。
钉钉考勤打磨了 8 个月，其中约 4 个月没做产品——派人去企业帮他们算考勤数据，最后才把“算数据”这件事变成产品。
较重
② 绿野仙踪式（Wizard of Oz）
前台是产品、后台是人：用户看到的是页面，背后其实是人在处理。
最早的鞋子电商（约 2007 年）：用户下单后其实没有电商系统，而是把订单变成一封邮件发给仓库工作人员去处理。高考志愿也是——前面产品按分数筛学校，后面是 3000 元的人工专家咨询（复合模式商业价值最高）。
较轻
③ 落地页（Landing Page）
先做一个简单的介绍页面，看有多少人打开、多少人点按钮，用数据验证，而不是一上来就把功能全做完、投入十几万。
甩个页面给目标客户：连打开都不打开、或打开看不懂你要干嘛——那这想法就“可做可不做，尽量别做”。
轻
④ 解说视频（Demo Video）
把产品思路做成一个有前后因果、能演示的视频，发到社交媒体，用点赞、评论、留资等互动做验证。很适合短视频时代——也解决“方案不会讲话”的问题。
Dropbox 是鼻祖：一个解说视频发到 Hacker News，引来大量关注，拿到 YC 投资和几万冷启动用户（留邮箱等上线通知），把冷启动变成热启动。
最轻 · 最聚焦
⑤ 单功能 MVP
只做一个最核心的功能点。很多好产品到最后也只解决一个小问题——选对了这个点，也能长成很好的产品。
和邱老师一起做的“一针见血”：把会议总结的很多能力只提炼出一个——让 AI 在会议中找出最核心的分歧问题。目标明确、容易被记住。
AI 时代，MVP 的做法变了
过去一年 Vibe Coding 越来越成熟，MVP 的方法也变了：既然更容易“做出来”，就更倾向于先做出来再验证——前端是产品、后端是人；或者先做一个页面、一个单一功能；或者索性把功能做出来再录成视频去测。用“纯人力”验证的越来越少。
那 MVP 和 Vibe Coding 怎么结合？先和一个 “MVP 教练” 对话，把模糊的想法讲给它，交流完拿到一个结构化的东西——也就是 5W1H 五要素：
把 AI 当“人”用，而不是当工具
很多人还把 AI 当搜索工具用（有问题问一下）。但今年最大的变化是：AI 已经是“智能体”了——它不是问答机器人，而是能规划、能调用工具、能处理文件、能自主运行的代理。所以要改变互动方式：给它目标，让它去拆解、执行，再基于中间结果做优化。
相当于我们用较低的成本，雇了一个懂产品、懂 MVP、懂业务、懂技术的复合型员工。既然雇了，我们就都成了老板——要给它派活、定目标、下任务。
用像 Workbot 这类智能体平台时，有几个关键点：
- 专家 · 技能 · 模板：可以给项目引入产品调研团队、UI 设计师等“专家”；引入处理 Word/PPT、浏览器协作、设计系统等“技能”；还有可复用的模板。（这份课件就是让它按“我要讲得模糊一点”的要求，帮着提炼内容和样式的。）
- 聪明的模型天然会，笨一点的靠团队补：接了全世界最聪明模型的（如 Claude Code）天然“知道这事怎么做”；不够聪明的模型，就要靠组建专家团队、工作流来补。
- 项目空间 / 文件夹概念：AI 认的是一个“空间”——它会把这个文件夹里的所有信息汇总处理。所以做项目要有清晰的空间概念，每个对话对应一个项目空间。
- 自主循环（loop）：设定任务和目标就能让它自己“规划-思考-行动-迭代”。比如睡前设定“每半小时处理一次、共 10 次、达到某目标”，第二天醒来就拿到每次都优化一点的结果。
为什么“Agent 能控制浏览器”是大事
MVP 的核心从来不是“你今天做了什么”，而是“你有没有去验证”。这一点套到 AI 上一样成立。
以前 AI 写代码有个大缺陷——只会闷头写，觉得逻辑对、理论上能跑，但你真去运行时它跑不起来。现在它能控制浏览器，就能做真验证：比如你说“把这个页面改成橙色”，它不再是改完 CSS 就自以为改好了，而是能在浏览器里真的看到改没改对。它还能：
- 数据验证：把它理解的数据和 Excel 原始数据做对比验证，反过来让任务更准确。
- 概念验证：让 AI 从“专家视角”先挑问题——它现在已经像个见过很多事的“老师傅”了（虽然它常会拍你马屁，所以要让它找出问题）。
- 用户视角模拟：从“用户视角”验证用户对这件事的理解（和专家视角是两回事）。
- 约束求解：给定约束（如“只在校园网内”）去找最优解。
不同阶段可以用不同模式：现在还是本周早期，可以多发散、找更好的切入点；到中期就要和它把方案明确收敛下来。（那个“MVP 教练”的提示词，就是在发散完、要落地写代码时才用。）
一条主线：数据驱动的迭代
无论用哪种方法，最终都回到一句：用数据反馈驱动迭代，而不是靠想法、靠意念。可以做 A/B test，也可以最简单地看大盘点击数据。一个 7 天做 MVP 的思路——创意调研 → 概念开发 → …——其实就是设计思维 / 服务设计的路子；今天用 Vibe Coding、用 AI 做的方案，一样遵循这条思路。
今天的两个尝试
- 提炼五要素并做对比：用“MVP 教练”提示词把昨天的想法提炼成 5W1H 五要素，再拿去智能体里跑一遍。做个 A/B test——“结构化提示词 + 一般模型” vs “不那么结构化 + 最聪明模型”，看效果差别，帮你想清楚到底想要什么。
- 部署上去、发群互评：不管做得多简单，都把它部署上去拿到一个链接、发到群里，让同学彼此看一看、提建议。部署后就能持续更新、持续拿反馈——滑板就已经滑起来了。（如果别人打开你的方案什么都没做就走了，要么他不是你的目标用户，要么你的东西有问题。）