先做一个能跑通的最小版本,用它来发现你原本看不见的需求;building 是习惯,不是一次学会的知识。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
第一版的作用是让你看见原来没想到的东西
材料里的观点开始之前,“landing page”“会员系统”这类词只是名词,把几百个关于信息、权限、状态和异常的决定压缩成一个看起来边界清晰的东西。真正的决定要等你看到错误的版本才存在:先看到页面,才知道信息顺序不对;先用过 dashboard,才知道哪些数据不该占主要位置。所以第一版不必追求完整,它的价值是暴露你原来没意识到的部分。有人做的 landing page 第一版很快出来,之后前后打磨了八十多版,这些修改大多不是因为第一版写得差,而是很多正确决定在看到之前根本不存在1。
从原型到产品的那段路才是要学的地方
有了 coding agent,一个下午就能做出像模像样的 App,但原型只碰到最容易的情况:需求清楚、数据简单、用户只有你自己。产品要面对别人输入你想不到的东西、数据出错、需求变化,而且你不在场。从原型到产品,每一步都是想法撞上现实,错一次学一次。所以“找到第一个东西”不是先想清楚再动手,而是先动手做出能检验的一小步,再根据真实反馈决定下一步。拿到模糊需求时先拆成能检验的小步、结果不对先找原因而不是换工具,这类习惯比学会某个工具留得久2,3。
现有材料讲的是从第一版到产品的通用关系,没有针对你具体想做的项目或技术栈给建议。
出处
- 1Don't build: 看清demo和production之间的鸿沟
讲清第一版为什么能暴露原来看不见的决定,以及 demo 和产品之间的差别。
- 2假学习的终结
说明从原型到产品这段路为什么最该学,以及习惯和工具的区别。
- 3AI替你做出来以后,你还会什么?|哥大客座课程回放
补充原型只覆盖顺利情况、真困难该留给自己这一判断。
你也有想问的?
卡住的时候,问问立正:回答只从立正讲过、写过的东西里来,每一段都能点回原文。
问类似的问题也可以接着问:
别人还问了
- 什么场景/团队/项目用MCP/Skills什么时候不用
MCP 和 Skills 不是按场景二选一,而是先看结果、再看它是否真省 context:官方 MCP/CLI 简单但结果杂乱、几轮就撑满窗口时,才值得自己做成 Skill。
- 如何用 AI 辅助 产品设计
用 AI 做产品设计,关键不是让 AI 画图或写代码,而是把 AI 放进产品运行过程里承担任务,并把自己的判断标准写成 AI 能读的上下文。
- 什么是创意?创意也是对现有元素的组合排列吗?是的话,在这种情况下,怎么判断一个点子是否是真正创新的创意?最后如何获得创意?
创意可以看成对现有元素的重新组合,但判断它是否真创新,要看它是否解决了一个此前没被满足的真实需求;获得创意的路径是靠近真实问题、快速交给现实修正,而不是坐在房间里凭空想点子。
- 想做的事情太多,身边的噪音也太多,害怕选择了一条路放弃了别的东西,什么都想抓住,到头来什么都做不好。ai时代日新月异,该如何保持well informed,同时找到并且坚定自己的conviction
先分清哪些是决定方向的层级、哪些只是执行方法,再把“保持知情”当成筛选信息的能力而非追新;信念感来自对底层逻辑的理解,不是靠意志硬撑。
- 如何有效的整合和利用数据?
整合数据的关键不是把数据堆在一起,而是先建立对业务、产品和用户的正确心智模型,再用实验检验每个改动,让数据回答它真正能回答的那部分决策。
- Ai平权下,资源更值钱,那么学习知识的目的是什么
AI让知识本身不再稀缺,学习的目的从「记住答案」转向「能判断、能行动、能交换」——用行动和思考引领求知,而不是先囤知识。