AI生成MVP进Sprint前的三项验证检查

AI 能用一个下午把 prompt 变成可运行的 MVP。真正的瓶颈不再是构建——而是判断哪些 MVP 真正值得团队投入 sprint 的时间。

我之前总是把 AI 生成的原型丢进 sprint，结果一半都卡住了。所以现在任何东西想上看板之前，我都会跑三个快速检查。

1. 它能通过冷读吗？

把 MVP 交给没有参与 prompt 对话的人。如果对方无法用一句话说出它解决什么问题，说明这个需求的边界还不真实——只是看起来像那么回事的输出。

2. 有没有可证伪的成功指标？

"用户会喜欢它" 不是指标。"40% 的试用用户无需帮助即可完成 onboarding" 才是。如果在 sprint 开始前写不出那个数字，你就无法判断这次 sprint 到底有没有效果。

3. 什么东西能一击毙命？

说出那个一旦错误、整个项目就毫无意义的单一假设——然后先测试这个，而不是挑简单的部分来测。

只有三个检查都通过，MVP 才能拿到 sprint 时间。其他的都打回去重新 prompt。

我最终把这套检查流程固化成了一个可复用的 prompt -> MVP -> 验证关卡工作流，这样就不用每周都重新争论一遍了。如果你好奇它的具体结构，我正在 https://nxcode.io 上逐步完善它。

你在让 AI 原型获得真正的工程时间之前，会跑哪些检查？