MVP 翻车通常只有两种，看 backlog 就能看出来：功能太多（因为”都觉得需要”），以及功能下面没有可证伪的假设（哪怕把全部做完也学不到任何东西）。下面这 12 个 Prompt 强制你先写”我们相信 X 在拿到 Z 时会做 Y”，再把 backlog 砍到 30%，能用 smoke-test / Wizard-of-Oz / 单用户验证就别动手开发，并设 6 周时限与 kill / pivot / 加注 三档标准。先用 JTBD Prompt 锁住底层 job，再来砍范围最稳。
一句话总结
- 先写假设（
我们相信 [persona] 拿到 [价值] 会 [行为]；当 [指标] 时即成立），再只框验证它的内容。 - backlog 砍到原列表 ≤30%。每一项标”核心验证 / 支撑 / 砍”，每个”砍”都要给理由。
- 写代码前先问：smoke-test 落地页、Wizard-of-Oz、单用户 MVP 是不是更快更便宜就能回答同一个问题。
- 设 6 周左右时限，配一个指标和一条写死的 kill 标准，跑平就触发决策，而不是被悄悄拖下去。
- 这是推理任务，不是写代码。截至 2026 年 6 月，丢进 Claude Opus 4.7、GPT-5.5（Thinking）或 Gemini 3.1 Pro，再把你流量或访谈里的真实数字喂回去。
用哪个模型跑
划范围是判断题：模型帮你把 backlog 一项项辩下来、帮你挑一个可证伪的指标，而不是替你写功能。截至 2026 年 6 月，三家前沿推理模型都能胜任，而且都有够用的免费档，一次性划范围足矣：
| 模型 | 划范围最佳场景 | 免费档 | 付费起步 |
|---|---|---|---|
| Claude Opus 4.7 / Sonnet 4.6 | 长篇、关键的”挑战我的方案”对话；1M token 上下文 | Sonnet 4.6（受限） | Pro $20/月 |
| GPT-5.5（Thinking） | 砍功能清单时的快速来回 | GPT-5.5，额度紧（美国免费版带广告） | Plus $20/月 |
| Gemini 3.1 Pro | 长 backlog + 调研文档一次性粘进去（1M 上下文） | App 内有 | Google AI Pro $19.99/月 |
小窍门：第 2、9、12 题（狠心砍、估成本、post-mortem）开”Thinking” / 扩展推理模式，它们比其他题更吃逐步推理。
这套 Prompt 适合用在哪
- Indie maker MVP
- 公司内部 MVP
- 已融资 startup MVP
- 老产品的新功能验证
- B2B 合同的 PoC
1. 假设先行
我要做 {idea} 的 MVP。请先写可检验假设："我们相信 {persona} 给 {价值} 会 {行为}。当 {指标} 时我们认为这成立。" 再只框验证这个假设的内容。2. 狠心砍 backlog
下面是我当前 MVP backlog {N} 项。逐项标"核心假设验证 / 支撑 / 砍"。给砍的理由。最终 MVP 应 ≤原列表 30%。
{粘贴}3. 时限计划
为 {粘贴} MVP 起时限计划：第 1-2 周（构建）、3（发布）、4-5（学习）、6（kill / pivot / 继续）。输出：周交付物、第 6 周看的指标、kill 标准。4. 人工 / Wizard-of-Oz 范围
为 {粘贴} idea 设计 Wizard-of-Oz MVP：把最难的技术先用人工假装。输出：看起来自动化的部分、实际人工的部分、成本、它能验证 / 不能验证的边界。Wizard-of-Oz 是有历史战绩的打法：Zappos 创始人 Nick Swinmurn 当年靠去本地鞋店拍照、有订单再自己去买来寄，验证了”网上买鞋”有需求；IBM 当年测一个早期语音转文字概念时，其实是隔壁房间藏了个打字员。当”要造的最贵那块”恰好也是”最不确定的假设”时，就用它。
5. 无代码 MVP 范围
为 {粘贴} idea 用 {Bubble / Webflow / Airtable / Zapier} 框无代码 MVP。输出：每个功能 → 用什么无代码组件、哪里脆弱、规模化时会爆在哪。估预算用的大致价格（截至 2026 年 6 月）：Bubble 有免费档，付费约 $29/月起；Webflow 有一个低价入门 Site 档（每月十几美元上下），再往上是更贵的 CMS/Premium 档；Airtable 有免费档，付费约 $10/人/月起；Zapier 按任务量计价、随用量涨，可能从 $20/月爬到几百。常见的单兵栈（Webflow + Airtable + Zapier 或 Make）低用量时大概 $60-100/月，随用量上涨而走高。各家会经常重排档位，下单前请到各家官网价格页确认当前数字。
6. Smoke-test 落地页
不构建 MVP，设计 smoke-test：落地页 + 假"立即购买"按钮。输出：页面段落、衡量指标（注册 / 点击购买 / 候补名单）、值得动工的阈值。7. 单用户 MVP
为 {粘贴} idea 框"单用户 MVP"：仅对 1 个点名用户跑通。输出：他是谁、我们手工给他做什么、我们学到什么、扩到 5 个用户的时机。8. 只做 spike
我的 MVP 有 1 个高风险技术假设 {粘贴}。请框"只做 spike"的 MVP，只测这条假设，其他剥光。输出：spike 范围与 go/no-go 阈值。9. 成本 / 时间估算
下面是我的 MVP 范围。估算：单兵开发时间、含外包预算、能让估算翻倍的最大未知、最便宜的先 de-risk 它的方式。
{粘贴}10. Kill 条件
为 {粘贴} MVP 定义 kill 条件：什么指标、阈值、周期。输出："kill 它" / "在这里 pivot" / "加注" 的具体条件。11. MVP → 90 天 roadmap
我的 MVP 刚验证成功。下面是学到的。请起验后 90 天 roadmap：深化已验证价值的功能、降级的、明确说不的。明示范围纪律。
{粘贴}12. MVP post-mortem
我的 MVP 未通过验证。下面是发布物 + 数据。请帮我拆：是假设错、执行错、受众错，还是指标错。给 pivot vs kill 建议。
{粘贴}容易踩的坑
- 没有可检验假设，做完也学不到任何可证伪的东西。
- 凭”都觉得需要”堆功能，而不是只砍到那个最关键的假设上。
- 没 kill 标准，跑平的 MVP 会被悄悄拖到下个季度。
- 把 MVP 当成产品的 v1，而不是单次实验。
- 跳过更便宜的方式（smoke-test 落地页、Wizard-of-Oz、单用户）直接开发。
- 用注册、PV 这种虚荣指标，而不是假设预测的行为。
常见问题
MVP 到底该多小？
小到只测一个假设、其余全不碰。第 2 题的 30% 不是法律而是逼问工具：如果砍到 30% 后还留着不碰核心假设的功能，就继续砍。一个判据是：去掉这个功能，实验还能跑、还能学到同样的东西吗？能，就砍。
Smoke test、Wizard-of-Oz、还是真做，选哪个？
按”最不确定的假设”来配。如果风险是”到底有没有人要”，smoke-test 落地页（第 6 题）一个域名的成本就能回答；如果风险是”价值到底能不能交付出来”，Wizard-of-Oz 或单用户 MVP（第 4、7 题）用人工把价值送到，跳过工程；只有当风险真的是技术性的，才写真代码，第 8 题的 spike 就是用来隔离这条风险的。
什么算一条好的 kill 标准？
发布前就写死的：一个指标、一个阈值、一个日期。“第 6 周若候补名单点’购买’的不足 15%，就 kill”远胜”先看看情况”。第 10 题逼你把 kill、pivot、加注三档都定出来，结果落在中间也能对应到一个决策。
能让 AI 替我决定砍什么吗？
不能，也别这么干。模型擅长把每一项的正反理由摆出来、压测你的指标是否可证伪，但它没有切肤之痛，也读不懂你的客户。把它的砍单当成草稿来辩，再把访谈或分析里的真实数字喂回去。
一定要 $20 的付费档才能用吗？
一次性不用。截至 2026 年 6 月，ChatGPT（GPT-5.5）、Claude（Sonnet 4.6）、Gemini 的免费档都能跑完一次划范围。付费档的价值在于：跨长 backlog 反复迭代、把大调研文档塞进 1M token 上下文、或反复跑那几道更重的推理题。
相关阅读
- 特性优先级 Prompt
- JTBD Prompt
- Startup idea 评估 Prompt
- 用户画像 Prompt
- PRD 起稿 Prompt
- 用 AI 划 MVP 范围：1 页”做 / 不做”清单的写法
标签: #Prompt #产品创业 #User Story