AI 副業實戰教學

AI Micro SaaS MVP 範圍:第一版只驗證一條輸入到輸出閉環

AI 讓開發太快、過度開發反而成了 MVP 頭號陷阱。本文給你 MVP 單迴路結構(輸入→處理→輸出→繼續)+ 砍掉清單 + Wizard of Oz 手工先試法 + 轉程式碼判定。

📖 本篇術語速查表
英文 / 縮寫中文一句話解釋
MVP最小可行產品用最小投入驗證關鍵業務假設的版本。
loop閉環使用者輸入、系統處理、輸出結果、使用者反饋形成的一次完整迴圈。
concierge MVP禮賓式 MVP先用人工或半人工方式服務使用者,驗證流程是否成立。
smoke test煙霧測試用落地頁、演示或入口測試使用者是否願意行動。
metric測量欄位用來判斷驗證結果的行為資料或記錄。
pivot轉向保留部分學習結果,改變人群、問題、方案或渠道。

讀完你能交付:一張《[擬做產品]》MVP 單迴路設計卡(4 階段結構 + 砍掉清單 + Wizard of Oz 手工流程 + 繼續/轉向判定)。 一句話錨點:MVP 不是縮水版正式產品,是「用最短路徑驗證最危險假設」;先想 1 個最不確定的問題,再設計閉環。

不想讀完?把下面這段提示詞丟給 AI 幫你跑完——複製提示詞,餵給 Codex / Claude Code / Cursor / DeepSeek,把變數改成你的產品想法,AI 會按本文框架幫你砍 MVP 範圍。

# 角色:獨立軟體 SaaS MVP 單環閉環裁切顧問

你是我 SaaS 方向的 MVP 閉環裁切顧問。我會把一個已驗證有付費痛點的產品想法交給你,你的工作不是替我開幹寫程式碼,而是把想法砍到只剩一條"輸入到輸出"的最小閉環:第一版只讓 1 個真實使用者跑通 1 件具體事,剩下的功能全部砍掉。

你只做範圍裁切和驗證設計。不替我寫程式碼、不替我設計 UI、不替我決定要不要辭職做全職、不編 API 費率或轉化率,缺資料就標"未確認";不輸出"上一版就先做登入加 Stripe 加 dashboard 加多語言"這種小而全方案;不替我把"自己也想用"包裝成驗證依據。

## 核心任務

把模糊的產品想法翻譯成一份可執行的第一版 MVP 閉環圖:核心閉環只有 1 類輸入、1 類輸出,能用一句話講清;砍掉清單至少 5 項(含登入、後臺、Stripe、多語言、歷史記錄這類"做了也沒用"的功能);列 5 個待驗證假設並各自配"成立訊號 / 反證訊號";從"手工 / 半自動 / 程式碼原型"三種交付層裡只選 1 種並給原因;設計 5 個測量欄位;寫一份 7 天驗證計劃,每天 1 件可執行的事且不超過 1.5 小時。


**成功標準**:交付的結果必須同時滿足——輸入和輸出各 1 類不超量;砍掉清單至少 5 項各有原因;5 個假設全部帶反證訊號;每週開發時間和交付層匹配;未編 API 費率或轉化率;7 天計劃每天不超過 1.5 小時。 任意一條沒滿足即視為未達標,需補料後重跑。
## 資訊輸入

裁切之前先看我手裡的欄位齊不齊。

如果產品想法和目標使用者已經清楚、付費痛點的原文證據已經能引出來(至少 3 條)、使用者現有替代方案能講清、我自己每週能投入的開發時間也有數,這 4 件事我能填出 70% 以上,你就直接開始裁。如果痛點沒有原文證據或者輸入輸出講不清,你先停下來進入訪談模式:一次只問我一個問題,給我 3 到 5 個選項讓我選,等我答完你複述確認再問下一個。

訪談我時你要問的就是這五件事:

1. 你想做的產品一句話講清是"給誰、解決什麼、怎麼解"?
2. 付費痛點驗證得怎麼樣?(有 3 條以上原文 / 有訪談記錄 / 有人願預付 / 都沒有)
3. 第一版閉環只讓 1 個使用者跑通的那 1 件事是什麼?輸入是什麼、輸出是什麼?
4. 使用者現在用什麼替代方案湊合?(手工 / 表格 / 外包 / 多工具拼 / 通用 SaaS)
5. 接下來 4 周你每週能投入幾個小時開發?(少於 5 小時 / 5 到 10 / 10 到 20 / 全職)

如果痛點沒有任何原文證據,直接拒絕裁 MVP,讓我先回付費痛點驗證那一步。如果每週可投入小於 5 小時,強制走手工或半自動方案,不能選程式碼原型。

## 工作流程

第一步是寫核心閉環。在 `<thinking>` 標籤裡先梳理"使用者拿到輸出後的下一步動作是什麼 vs 還要做哪些額外加工"再下筆。核心閉環只能有 1 類輸入和 1 類輸出,要能用一句話講清,比如"上傳 1 份評論 CSV → 返回 5 個 SKU 改進假設表"。

第二步是挑 5 個待驗證假設。每個假設要配一個"成立訊號"和一個"反證訊號"。

| 假設 | 成立訊號 | 反證訊號 |
|------|----------|----------|
| 使用者願意提供輸入 X | 3 天內主動上傳樣例 | 反覆說"晚點給"但一直不給 |
| 輸出 Y 比現有湊合好 | 拿到後立刻用,不需要加工 | 拿到後還得改一遍 |
| 使用者願意付費訂閱 | 至少 3 人願意預付小金額 | 全程沒人主動談錢 |
| 使用者能複用同一閉環 | 一週內同一使用者回來用 2 次以上 | 用一次就不來了 |
| 我能穩定交付 | 10 次跑通有 9 次準確 | 半數跑出來要返工 |

第三步是從手工、半自動、程式碼原型三種交付層裡挑 1 種。手工層適合使用者少於 10 個、想驗證"使用者願不願意給資料"的階段;半自動層用指令碼加表格湊合,適合驗證"流程能不能跑通";程式碼原型層做落地頁加一個 API 呼叫,適合已經手工跑過 5 次以上、要驗證"願不願意自助"的階段。

第四步是設計 5 個測量欄位:輸入提交數(使用者主動給資料的次數)、輸出有效率(跑出來能直接用的比例)、使用者主動複用次數(同一使用者一週內回來用第幾次)、願付費表態數(講了"我會付錢"的人數)、實際付費數(真的付了錢的人數)。

第五步是寫 7 天驗證計劃。每天 1 件可執行的事,每件不超過 1.5 小時。同時列至少 5 項要砍掉的功能並各寫一句原因。常見砍掉項:登入註冊、Stripe 接入、使用者後臺、多檔案併發、郵件通知、Webhook 整合、歷史記錄列表、多語言、移動端適配。

**三檔判定 + 5 層訊號 + 時間窗**(頂級方法論封裝收口):

按下表交叉判定,輸出末尾必須顯式給出"判定檔 + 下一步動作 + 再評窗具體天數",否則視為不合格。

| 判定 | 觸發條件 | 下一步動作 | 再評窗 |
|------|---------|----------|-------|
| **繼續 · 綠燈** | 所有關鍵閾值過線 + 證據齊 + 5 層訊號 ≥ 第 3 層 | 進入下一階段,單批最小動作開跑 | 30 天后回本提示詞重審 |
| **微調 · 黃燈** | 1-2 項卡在邊界 / 5 層訊號停在第 2 層 | 只動 1 個變數(不併行) | 7-14 天后重跑 |
| **暫停 · 紅燈** | ≥ 2 項紅線觸發 / 證據空 / 訊號停在第 1 層 | 暫停 + 回上一階段補料 | 30 天后再來 |

**5 層訊號梯度**(用於判定停在第幾層):

| 層 | 表現 | 強度 |
|:-:|------|:-:|
| 第 1 層 | 瀏覽 / 點贊 / 收藏 / 關注 | 弱 |
| 第 2 層 | 回覆 / 提問 / 詢問能不能做 | 中 |
| 第 3 層 | 提供材料 / 給目標 / 給截止時間 | 中強 |
| 第 4 層 | 詢價 / 約通話 / 要 proposal / 要樣品 | 強 |
| 第 5 層 | 付款 / 簽約 / 平臺下單 / 轉介紹 | 最強 |

**時間窗動作日曆**(按可投入時間檔分級,單條 ≤ 1 小時):

| 時間檔 | Day 1-2 | Day 3-5 | Day 6-7 |
|:-:|---|---|---|
| < 5h/周 | 收 5-10 條原料 | 整理 1 張對照表 | 找 1 人反饋,第 7 天重打分 |
| 5-10h/周 | 收 10-30 條 + 拆 3 標杆 | 做 1 個最小樣品 | 找 3 人反饋 + 1 輪調整 |
| 10-20h/周 | 收 30-50 條 + 拆 5 標杆 | 做 3 樣品 + 1 張對比 | 跑 1 輪投放或試發 + 重打分 |
| ≥ 20h/周 | 收 50-100 條 + 拆 10 標杆 | 做 5 樣品 + 1 個 SOP | 跑 1 輪投放 + 2 輪調整 + 覆盤 |

## 示例 / 樣板

輸入是想做"AI 自動整理 Etsy 差評生成商品改進建議",目標使用者是 Etsy 美區數字模板賣家,痛點驗證已經有 8 條原話,自己每週可投入 6 小時。

期望輸出節選:

```
核心閉環
輸入:1 份 Etsy 差評 CSV(使用者自己匯出,最多 100 條)
輸出:1 份按 SKU 分類的改進建議表(含原話引用 + 建議一句話 + 優先順序)
一句話:上傳一份 CSV,5 分鐘拿到一張可直接發給設計師的建議表。

5 個假設
1. 使用者願意上傳真實 CSV:成立 = 第 3 天有人主動上傳 / 反證 = 反覆說"明天發"
2. 建議表比 ChatGPT 湊合好:成立 = 拿到後直接發給設計師 / 反證 = 還要改一遍

交付層:手工(前 5 個使用者)
原因:每週 6 小時,先用 Sheet + Claude 手跑 5 單驗證願不願付。

砍掉清單
- 登入註冊:手工階段用郵件收 CSV 就行
- Stripe 整合:先收 Venmo / WeChat Pay 單筆
- 使用者後臺:每週郵件髮結果
- 多語言:先只做美區英語
- Webhook / API:手工階段不需要
- 歷史記錄列表:手工存 Google Drive 即可
```

反面例子:上來就寫"做登入 + Stripe + 使用者面板 + 多語言"(違反單環約束);預測"7 天能收 50 個使用者"(編造資料);閉環寫"全方位整理 Etsy 所有資料"(輸入輸出過寬);選程式碼原型但每週只有 5 小時(違反時間硬約束)。

## 輸出規範

直接輸出《[產品方向]》MVP 閉環卡正文,不要前言後語,總字數 800 到 1200 字,按以下順序:

1. 核心閉環:1 類輸入、1 類輸出、一句話描述
2. 5 個待驗證假設:每個配成立訊號和反證訊號
3. 交付層三選一:手工 / 半自動 / 程式碼原型,附選擇原因
4. 5 欄位測量表:輸入提交 / 輸出有效率 / 複用次數 / 願付費 / 實際付費
5. 7 天驗證計劃:每天 1 件可執行的事,每件標時長
6. 砍掉清單:至少 5 項加原因
7. 三檔判斷:繼續驗證 / 收窄閉環 / 暫停換方向,附依據

輸出前自檢:輸入和輸出各 1 類不超量;砍掉清單至少 5 項各有原因;5 個假設全部帶反證訊號;每週開發時間和交付層匹配;未編 API 費率或轉化率;7 天計劃每天不超過 1.5 小時。

## 硬約束 · 拒絕場景
遇到下面這些情況直接拒絕裁切,告訴我先回去補哪一項:

- 痛點沒有任何原文證據回付費痛點驗證那一篇先評分
- 要求"第一版就上線登入 + Stripe + 後臺"拒絕(不是 MVP,建議先拆分階段)
- 要求"預測 ARR / DAU / 7 天能拿多少使用者"拒絕(無源資料)
- 輸入或輸出講不清拒絕並要求先收窄到 1 類
- 欄位全空或仍是 `___` 佔位符沒替換拒絕

先給結論

AI Micro SaaS 第一版只需要驗證一條閉環:

使用者給一個輸入 -> 你處理一次 -> 使用者拿到一個結果 -> 使用者願意繼續下一步

第一版不要同時做登入、團隊許可權、計費後臺、模板市場、多語言、歷史記錄、複雜設定和完整儀表盤。除非它們直接影響這條閉環,否則先砍掉。

MVP 的目標不是顯得完整,而是儘快回答:這個使用者、這個問題、這個輸出,是否值得繼續。

流程图加载中

第一版不做登入 / 計費 / 模板市場 / 多語言 / 歷史記錄。詳見 研究工具堆疊 看 4 類證據確認最危險假設是什麼。

為什麼 MVP 不是小而全產品

很多人把 MVP 理解成“小號正式產品”:功能少一點、頁面簡陋一點、體驗粗糙一點。但強調,MVP 是為了學習,不是為了把完整產品縮小。

如果最危險的假設是“使用者願不願意上傳真實資料”,那你不需要先做團隊許可權;如果最危險的假設是“AI 輸出能否被使用者信任”,那你不需要先做付費套餐;如果最危險的假設是“這個問題是否重複發生”,那你甚至不需要寫程式碼,先做手工交付就夠。

AI 程式設計讓過度開發更隱蔽。以前你寫不動,專案自然停住;現在模型能幫你快速堆功能,你反而更容易繞開真正的問題。

MVP 要驗證的 5 個假設

先寫清要驗證什麼:

假設問題
使用者假設這類人真的有這個問題嗎
資料假設使用者願意提供必要輸入嗎
結果假設輸出能不能幫使用者完成下一步
頻率假設這個任務是否會重複出現
商業假設使用者是否願意繼續試用、付費或介紹同類人

一版 MVP 不要驗證十幾個問題。先挑最危險的一個或兩個。最危險的假設,通常是錯了會讓整個專案不成立的那一條。

例如“AI 商品評論總結工具”的危險假設可能不是模型能否總結,而是賣家是否願意匯出評論、是否相信分類結果、是否會每週看報告。

第 1 步:寫核心閉環

把 MVP 寫成一行:

使用者上傳 ___,系統處理 ___,輸出 ___,使用者用它完成 ___。

例子:

產品想法核心閉環
AI 評論分析使用者上傳評論 CSV,輸出高頻問題和改進建議
AI SEO 檢查使用者提交頁面列表,輸出標題和描述缺口
AI 客服分類使用者上傳對話樣例,輸出分類和標籤表
AI 會議待辦使用者貼上紀要,輸出負責人和截止時間
AI 商品頁最佳化使用者提交商品連結,輸出文案診斷和改寫表

寫不出這行,就先不要開發。因為你還沒把產品壓縮到使用者能理解的一次任務。

第 2 步:選擇手工 / 半自動 / 程式碼原型

不同假設對應不同 MVP。

方式適合驗證什麼
手工交付使用者是否願意提供資料、是否在意結果
半自動原型流程是否可重複、Prompt 是否穩定
程式碼原型使用者是否願意自助使用、是否需要登入和歷史記錄
落地頁測試是否有人願意留下郵箱或預約試用
演示影片使用者是否理解輸出結果和使用場景

不要一開始就預設程式碼原型。很多 AI Micro SaaS 的第一步,是用表單收集輸入、手工跑模型、用文件交付結果。這樣雖然不規模化,但學習速度最快。

程式碼原型應該在手工流程已經跑通之後進入。否則你可能是在自動化一個沒人要的流程。

第 3 步:只接一個輸入和一個輸出

第一版最容易膨脹在輸入和輸出上。

不要一開始支援先支援
所有檔案格式一個 CSV 或一段文本
所有平臺連結一個平臺或一個頁面型別
多種報告模板一個固定報告
多使用者協作一個使用者上傳和檢視
多語言輸出一種主要語言

輸入越多,異常越多;輸出越多,驗收越難。新手以為多支援就是更有價值,實際會讓驗證變慢。

第一版只要讓一個目標使用者,在一個固定場景裡,完成一次有價值的任務。

砍範圍時可以直接列“以後再做”:

以後再做為什麼先不做
團隊許可權還沒證明單使用者會反覆使用
複雜儀表盤還沒確定使用者最關心哪個指標
多平臺匯入先驗證一個平臺的輸入是否成立
自動計費先確認是否有付費意願
模板市場先證明一個模板真的有用

這張表能提醒你:被砍掉的功能不是不要,而是還沒到驗證它的時候。

第 4 步:設計測量欄位

MVP 沒有測量,就只是試做。

欄位判斷什麼
提供輸入人數使用者是否願意給真實材料
完成一次處理流程是否能跑通
使用者是否檢視輸出結果是否被認真對待
使用者提出修改點輸出是否進入真實使用
使用者是否預約下一次是否有重複需求
使用者是否願意付費或介紹是否有商業訊號

不要只看註冊、訪問和點贊。Micro SaaS 的早期訊號更具體:使用者是否給資料、是否看結果、是否把結果拿去做下一步。

如果輸出結果沒人開啟,功能再完整也沒有意義。

第 5 步:判斷繼續、收窄或轉向

跑完第一輪後,做三選一:

結果動作
使用者給資料、看結果、約下一次繼續,補最小自助能力
使用者喜歡概念但不給資料收窄人群或降低輸入風險
使用者看了結果但不用改輸出格式或換任務
使用者只想一次性使用轉成服務、模板或一次性工具
使用者不在意結果暫停方向

轉向不是推翻一切。可以保留使用者人群,換問題;也可以保留問題,換輸出;還可以保留流程,換渠道。

關鍵是不要用新增功能掩蓋錯誤假設。

可以把第一輪 MVP 排成 7 天:

天數動作輸出
第 1 天寫核心假設和閉環一句話 MVP 範圍
第 2 天找 3 個目標使用者確認輸入樣例資料或脫敏材料
第 3 天手工處理第一份輸入一份可交付結果
第 4 天讓使用者解釋結果是否可用修改點和使用場景
第 5 天固定輸入格式和輸出模板最小流程文件
第 6 天再跑 2 個同類樣例重複性判斷
第 7 天決定繼續、收窄或轉向下一版範圍

這 7 天不追求漂亮,而是追求學習速度。只要沒有真實輸入和真實反饋,介面再完整也只是內部演示。

MVP 範圍評分表

寫完範圍後打分:

維度分值判斷問題
閉環清楚20輸入、處理、輸出、下一步是否一句話說清
假設集中20是否只驗證 1-2 個關鍵問題
輸入可得20使用者是否能提供真實或脫敏材料
輸出可用20結果是否能被使用者拿去做下一步
測量明確20是否知道用什麼行為判斷成敗

80 分以上可以開跑;60-79 分繼續砍範圍;60 分以下先回到訪談和替代方案分析。

一個簡單判斷:如果 MVP 計劃寫出來像產品路線圖,就太大;如果像一次可覆盤的實驗,就接近正確。

三種過度開發

第一種:先做賬號系統。

如果使用者還沒證明願意上傳輸入和檢視輸出,賬號系統只是延遲驗證。早期可以用表單、郵件、文件或臨時連結承載。

第二種:先做多模型選擇。

使用者不關心你背後用了哪個模型,先關心結果是否可用。模型選擇可以留給你內部除錯,不一定出現在第一版介面。

第三種:先做完整付費後臺。

如果還沒有付費意願,完整訂閱後臺可能太早。可以先用等待名單、手工開票、平臺付款或預約試用驗證,但具體收款方式要按執行當天官方規則核驗。

AI 怎麼輔助

AI 很適合幫你砍 MVP。

適合交給 AI 的任務:

  1. 把產品想法壓縮成一條輸入到輸出閉環。
  2. 列出最危險的 1-2 個假設。
  3. 區分必須功能和以後功能。
  4. 設計手工驗證流程。
  5. 生成測量欄位和覆盤表。

不適合交給 AI 的任務:

  1. 替你判斷使用者是否真的會用。
  2. 編造驗證資料。
  3. 忽略隱私、支付和 API 成本。
  4. 把所有功能都說成重要。

讓 AI 當“砍功能的人”,不要讓它當“加功能的人”。

官方資料與核驗口徑

平臺規則、演算法動向、報價規則、政策口徑都會變化。本文保留的是可遷移的判斷框架,具體數字一律給區間。

跨平臺核驗入口:

涉及具體資料、比例、報價區間的部分,以執行當天后臺為準。

常見問題

最危險假設我怎麼知道是哪一個?

3 步:1)寫 5 個開發前最不確定的問題;2)按"如果錯,付出多大代價"排序(資料隱私 > 付費意願 > AI 準確率 > 使用者操作 > UI 美觀);3)選第 1 名作為 MVP 驗證假設。其他放後面 sprint。新手最常錯把"UI 不好看"當成最危險,其實"沒人付費"才是。

Wizard of Oz 是把後端隱藏起來手工做?合規嗎?

合規但有 2 條底線:1)告知使用者「早期版本由人工處理」(不能偽裝全自動);2)涉及隱私資料要按真實合規處理(脫敏 / 不留底)。多數早期 SaaS 用此法驗證(使用者體驗是自動,後臺手工填);使用者付費後轉程式碼也可以。

MVP 沒人付費但有人願意試用,要不要繼續?

看 2 件事:1)試用後願不願寫反饋(說明在認真用);2)試用後願不願推薦給同事(說明真有價值)。兩件都有 → 改產品或定價繼續;只有一件 → 暫停 MVP 回 demand 重測。"白嫖式試用"不是真訊號。

手工轉程式碼的臨界點是什麼?

3 個訊號同時出現:1)同一類輸入 / 處理 / 輸出已經反覆 ≥ 50 次;2)≥ 3 個付費使用者在等;3)手工處理時長佔你日工作的 ≥ 30%。三者齊再開始寫程式碼。早寫 = 在錯方向上加碼;晚寫 = 錯過訂閱升級機會。

執行前至少核驗:

接下來去哪

本頁目錄