Day 7：综合实战
一个人，从需求到产品。
回顾：六天的认知旅程
过去六天，你走过了产品从无到有的完整链路。每一天解决一个核心问题：
| Day | 主题 | 你学到的核心 |
|---|---|---|
| 1 | 发现需求 | 三种能力：同理心/观察/数据 |
| 2 | 定义产品 | 三步：拆解/排序/表达 |
| 3 | 做决策 | 三层判断：值不值得/什么形式/能否持续 |
| 4 | 构建原型 | 三个问题：什么形态/什么程度/多快 |
| 5 | 验证假设 | 四维度：定标准/看数据/防自欺/分阶段 |
| 6 | 迭代修正 | 三个判断：退哪层/改多大/决策质量 |
六个环节，拆开是能力，串起来是闭环。
Day 7 要做的事：把它们串起来。
闭环的三个齿轮
我们研究了 10 位在"一个人跑通产品闭环"方面有代表性方法论的产品人和创业者——从硅谷大厂到独立开发，从学术界到风险投资，时间跨度从 2005 到 2026。
分析完所有人的方法后，闭环的核心结构自然浮现。不是我们预设的框架，是从他们的实践中提炼出来的：
| 齿轮 | 回答什么 | 如果缺了 |
|---|---|---|
| 发现 | 做什么？为谁做？ | 做出来没人要 |
| 交付 | 怎么做出来？多快能做出来？ | 想法永远停在脑子里 |
| 验证 | 做对了吗？接下来改什么？ | 自嗨到死，不知道问题在哪 |
Day 1-2 对应发现，Day 3-4 对应交付，Day 5-6 对应验证。三个齿轮咬合转动，缺一个就停。
关键不是每个齿轮有多精密，而是齿轮转得有多快。所有人都在说同一件事：闭环转得越快，活下来的概率越大。
- Eric Ries 叫它 Build-Measure-Learn loop（Day 4）
- Jake Knapp 把它压缩到 5 天（Design Sprint），再到 2 天（Foundation Sprint）
- Pieter Levels 把它压缩到 48 小时
区别只在于每个人从哪个齿轮开始转：
| 起点 | 谁 | 为什么从这里 |
|---|---|---|
| 从发现开始 | Cagan、Torres、YC | 先确认问题存在，再动手 |
| 从交付开始 | Levels、Karpathy | 先做出来扔到市场上，让市场告诉你对不对 |
| 从验证开始 | Ries、Knapp | 先设计实验，用最小成本测试假设 |
| 社区先行 | Lavingia | 先找到一群人，再从他们的问题中找产品 |
没有"正确的起点"。但有一个共识：不管从哪里开始，尽快转完一圈。
AI 时代：一个人的闭环
AI 没有改变闭环的结构（发现-交付-验证），但改变了每个齿轮的成本和速度。
Pieter Levels 在 2014 年开启"12 Startups in 12 Months"挑战：每个月做一个产品，48 小时验证，有人付钱就继续，没人付钱就关掉做下一个。12 个项目大部分失败了，但 Nomad List 跑出来了——2024 年收入 530 万美元，始终一个人。
Sahil Lavingia 走的是另一条路：先找到社区，手动交付价值，验证有人愿意付费，最后才写代码。他把这套方法写成了《The Minimalist Entrepreneur》。2026 年，他把整本书的方法论转化为 9 个 AI Skill——这本身就是"一人闭环"在 AI 时代的范例。
两个人路径完全不同，但结论一致：一个人可以跑通从发现到验证的完整闭环。
AI 时代的本质变化在这里：
| 环节 | 传统时代 | AI 时代 |
|---|---|---|
| 发现 | 需要大量用户调研 | AI 辅助分析公开数据、模拟用户对话 |
| 交付 | 需要工程团队、数周开发 | 一个人数小时做出 MVP |
| 验证 | 需要数据分析人员 | AI 辅助分析反馈、自动化测试 |
交付成本趋近零。Karpathy 2025 年定义了 vibe coding，2026 年已经进化到 agentic engineering——你 99% 的时间不直接写代码，而是编排 AI agent 来写，你做监督。
但 Cagan 的警告仍然有效：AI 降低了交付成本，但没有降低发现的难度。做出来容易了，做对的东西没有变容易。
这意味着什么？发现能力——你在 Day 1-3 练的那些东西——成为最稀缺的资源。
即将推出
完整实战练习即将推出。届时你将用自己的产品想法，跑通从发现到修正的完整闭环——有 AI 辅助，一个人就能做到。