现在用 AI 做产品，最容易犯的错，可能不是抄得太多，而是太想从零发明。
以前一个人想做个工具，要找设计、找开发、等几周，很多离谱的想法在半路就自己凉了。现在不一样。提示词写两段，原型出来；再补几个接口，一个看上去像样的产品就摆在你面前。
速度变快了，淘汰机制却没有自动长出来。
一个想法只要做得够完整，创始人和团队就很容易开始给它找理由：界面还可以再磨一磨，用户教育一下就懂了，下一版把这个功能补上，数据应该会好。
最后大家不是在做产品，是在装修一个没人需要的房子。
Zynga 创始人 Mark Pincus 在 Lenny’s Podcast 的访谈里，反复讲了一个很朴素的产品框架：Proven、Better、New。
先把已经被用户验证的部分学明白；再做一个用户承认的改善；最后只留一个真正值得赌的新变化。
它听起来不酷，甚至有点违背很多人对“创新”的想象。但 AI 把制作成本压低以后，这套方法反而更重要了。因为今天最稀缺的已经不是“能不能做出来”，而是你能不能及时发现：这个产品到底哪里值得继续做。
从零发明，常常是在让用户替你学十件事
很多人做产品时，会有一种原创洁癖。
觉得参考成熟产品不够有面子，想把流程、交互、定价、内容、社区、分发都做成新的。做完以后，团队很兴奋，因为没有人跟自己一模一样。
用户的感受通常不是这样。
他打开一个新产品，先要搞懂你是谁；登录方式和他平时不一样；第一次使用的路径也不一样；核心功能要学习；价格要重新理解；朋友为什么要来，他还得替你想。每一件事单独看都不大，叠在一起，就是一串“我为什么要花这个时间”的问题。
用户没有义务给你颁原创奖。
他只会判断：顺不顺手，值不值得，能不能马上解决自己的问题。
Pincus 讲过一个很扎眼的案例。席德·梅尔在 PC 游戏领域经验深厚，但团队把游戏带到 Facebook 时，仍然沿用了 PC 玩家愿意慢慢读引导的假设。对 Facebook 用户来说，点了很多次还没玩起来，事情就结束了。他们不会耐心等你解释设计理念，直接走。
问题不在于团队不会做游戏。
问题在于，他们没有先学会这张新牌桌上的用户习惯。平台变了，用户变了，进入场景也变了，过去成功的经验不能原封不动地搬过来。
这就是 Proven 的门槛。
它不是“网上有个竞品做过”，更不是“十年前有人证明过”。它得尽量贴近今天这批人、这台设备、这个任务发生的时刻。你要研究的是用户已经在做什么，在哪里愿意停下来，哪一步会走，哪一步会跑。
只看竞品截图，远远不够。
Better 不是团队觉得高级，是用户少折腾一步
做完 Proven，很多人又会误判 Better。
团队经常把“我们做得更酷”当成改善：一个更特别的交互，一套新的信息架构，一段很有创意的引导动画。可只要用户还要重新学，它大概率仍然是 New，只是换了个好听的名字。
真正的 Better 往往没那么浪漫。
少点两次。加载快一点。把原来要在三个页面找的东西收在一个地方。让重度用户少复制一次、少确认一次、少返一次工。
用户不一定会写一篇长评夸你，但他会继续用。他甚至可能说不清为什么，只觉得“这个比原来顺”。这才是比较可靠的改善。
所以立项时别只在会议室里问：这个设计好不好？
把问题换成：一个正在用旧方案的人，能不能不听我们讲半天，就看出它哪里更省事？
答不出来，就别急着把它记进 Better。它可能还是一张风险牌。
New 只留一个，失败才有信息
New 当然不能没有。
完全没有新变化，用户没有理由特意试你；但 New 也是最容易错的部分。它可能是一个新的价值承诺，一个新的工作流，或者一种以前没人愿意相信的用户行为。
真正麻烦的是，很多团队一次会塞进六个 New。
新的登录，新的人机交互，新的核心能力，新的定价，新的分发方式，新的用户教育。上线后数据不好，谁也不知道是用户不需要核心功能，还是根本没进得去；是价格有问题，还是没人看懂你在卖什么。
这时的失败没有信息。
Pincus 的方法很值得抄：把已经成立的部分尽量做稳，只留一个新赌注，再准备几张替代的 New。它不成立，就换假设，而不是把所有东西推倒重来。
这不是保守。
这叫把风险压缩到你真正看得见的位置。
Rovio 最终做出《愤怒的小鸟》之前，试过很多游戏。OMGPOP 在快没钱时，也不是凭空等灵感，而是认真研究已经跑通的手机玩法，最后做出了《你画我猜》。两条路都可能走到结果，差别在于：你有没有能力把一次失败拆成下一次更聪明的尝试。
AI 很适合干这件事。
它能让你一天做十个版本，也能让你一天同时犯十个版本的错。真正有用的做法，是把它当成测试机，而不是自动装修队。
别先做完整产品，先让 AI 帮你测唯一的新赌注
举个普通团队能直接照着跑的例子。
假设你想做一个 AI 旅行助手。它的卖点不是“帮你查攻略”，而是航班延误后，自动重排行程，尽量保住已经订好的项目。
这里的 New 是什么？
不是聊天界面，也不是地图，也不是“AI”三个字。真正的新赌注是：人在行程被打乱时，会不会愿意把重新安排这件事交给系统，并觉得结果比自己搜半天更有用。
先别做 App。
找五个近期真要出行的人，让他们在隐去姓名、订单号等敏感信息以后，提供原行程、预算、不能退的预订，以及最不想被打乱的安排。
然后把任务交给 AI：保留不能退的项目；控制新增预算；给出两套替代行程；每一处变化写明费用、冲突和待确认项。
AI 交回两张行程表。人来验四件事：
- 时间能不能接上。
- 钱有没有算错。
- 已有预订有没有漏。
- 哪些决定仍然必须本人点头。
最后别问“你觉得这个创意好吗”。
看他们会不会真选一套，拿它改自己的行程；下次遇到类似情况，还愿不愿意再用。五个人都说挺有意思，却没有一个人采用，你缺的不是一个更漂亮的界面，而是更强的需求证据。
这个例子里，AI 没有替你判断市场。它只是把验证成本压低了。
材料是什么，交付结果是什么，哪些地方必须人工验收，仍然得由你来写。你连这三件事都说不清，AI 只会更快地把混乱变成一个完整的界面。
别用下一版继续养希望
Pincus 在访谈里区分过 belief 和 hope。
前者是相信，后者是希望。听起来像文字游戏，做产品时差得很远。
相信来自行为：用户愿意反复用，愿意付钱，愿意带朋友来，愿意在没有人提醒时回来。希望通常长这样：数据虽然不行，但下个版本应该会好；用户虽然没留下，但他们可能还没理解；朋友虽然不用，但都说很有潜力。
希望不是罪。
早期产品本来就要靠一点希望往前走。真正危险的是，希望没有被写进可以被推翻的条件里，于是团队每次看到坏数据，都能再发明一个理由继续投入。
Pincus 在访谈中提到，他关掉过一个做了四年、投入约 2500 万美元的元宇宙项目。这是他的个人自述，不是一条能套到所有团队身上的经营定律。但它把一件事说得很实在：弱项目最贵的地方，常常不是已经花出去的钱，而是它继续占着整支团队的注意力。
所以立项第一天，就该把 Kill 写进去。
不是“第一周没人用就关”。教育、医疗、企业软件、长销售周期和高风险行业都不能粗暴套消费产品的速度。你要写的是：在这个行业正常的验证周期内，什么行为始终没有出现，我就不再往同一个假设里加钱。
没有强信号，可以换 New，找更贴近真实需求的版本；也可以停。最怕的是，所有指标都在提醒你不对，你还在用“再来一版”拖延承认。
借鉴用户行为，不是拿走别人的东西
这套方法很容易被讲成一句危险的话：成功产品都是抄出来的。
不是。
你可以学习的是用户已经验证过的行为、上手路径、交互规律和需求场景。你不能因此复制别人的代码、素材、内容、品牌、用户数据或受保护的设计资产。法律和伦理边界，不会因为你把它叫作 Proven 就自动消失。
而且 PBN 也不是消费游戏的万能答案。受监管产品、硬件、医疗、教育、金融，验证节奏和伤害成本都不同。那里要的是更谨慎的分阶段证据，而不是把“快速失败”当成口号。
但对于今天正在用 AI 做工具、服务、小程序和内容产品的大多数人，这个框架足够管用。
你先别问：我能不能做一个别人没做过的东西？
先问：用户已经在做什么？我能让哪一步变得更省事？我唯一愿意赌的新变化是什么？什么行为出现，我才相信它？什么结果出现，我就不再往里投？
这几句答清楚，AI 才会变成你的加速器。
答不清楚，它只是帮你更快地把错误想法打磨得很精致。