MVP（最小可行产品）

核心结论

YC 对 MVP 的核心理念超越了传统的"最小可行产品"概念——应构建的是"最小可演化产品"（Minimum Evolvable Product），足够简单以应对市场压力，并能根据早期用户推动快速适应。创业最早期最需要证明的不是技术可行性，而是人们到底想不想要这个——Doordash 四位斯坦福工程师用一个下午搭建原型（Google Form + Find My Friends）就验证了需求。AI 时代（尤其是 Vibe Coding）正在深刻改变 MVP 的构建方式——自然语言编程让非技术创始人也能快速交付可工作原型。但 YC 的核心提醒不变：MVP 的重点永远是学习速度，而非产品完整性。

YC 对这个主题的主要观点

一、做不可扩展的事

PG 2013 年的经典文章逆转了硅谷被 Google 扭曲的"可扩展性偏执"——创业公司最大的问题不是架构不够可扩展，而是无法获得用户。在任何一个时刻，先杀掉眼前的龙，再去担心后面的龙。（来源：20240530-Startup-Experts-Discuss-Doing-Things-That-Dont-Scale）
五大经典案例：(1) Airbnb 创始人亲自出门拍摄房源照片启动飞轮 (2) Fleek 三人团队扛箱子在伦敦街头卖二手服装四个月来学习定价和需求弹性 (3) Algolia 亲自为客户提交 Pull Request (4) Instacart 在没有任何超市合作的情况下用 YC 资金买下 Trader Joe's 所有商品拍照上线 (5) DoorDash 一个下午搭建原型。（来源：20240530）
创始人面对面时间是小公司对抗大公司的终极武器——"这是我的手机号，任何时间联系我，我会不惜一切代价让你成功。"大公司中层经理绝不会这样做。（来源：20240530）

二、最小可演化产品而非 MVP

第一版产品不应只是 MVP（最小可行产品），而应是 最小可演化产品（Minimum Evolvable Product）——足够简单以应对市场压力，并能根据早期用户的推动快速适应和演化为更成熟产品。（来源：20260114-How-To-Get-Your-First-Users）
特斯拉 Roadster 案例：一辆 15 万美元、不实用、跑不远的两座跑车——本质是在"搜索早期采用者"。这揭示了产品演化的路径依赖：为何 Model Y 加速比兰博基尼快但悬挂不如丰田舒适？因为早期采用者更关心技术和加速而非舒适。如果早期用户愿意为缓慢舒适的车付 15 万美元，特斯拉今天的汽车会完全不同。（来源：20260114）
知道产品会改变很多是一种解脱——它不需要从一开始就完美。最终它将成为什么，取决于你从哪里开始以及与谁一起开始。（来源：20260114）

三、DoorDash 原型：最经典的 MVP

四位斯坦福工程师用一个下午搭建原型：Google Drive 上传菜单 → HTML/CSS 展示 → Tony 手机作订单热线 → Find My Friends 模拟实时调度 → Google Form 收订单。最难证明的不是技术，而是人们到底想不想要这个。（来源：20240530）
"破裂水管"比喻：想象一栋有很多破裂水管但不知道哪些破裂的房子——大公司逐个检查每根水管花两年；创业公司直接打开所有水龙头，水从哪里冒出那根管子就裂了。当产品因为太多人使用而崩溃时，修复动机会非常高涨——从未有创业公司因此而死。（来源：20240530）

四、尽快获取用户并收费

寻找第一批用户是搜索问题而非说服问题——你在寻找天生尝鲜者和痛点驱动者。尽早收取真金白银——付费客户比免费用户提供更尖锐反馈。（来源：20260114）
尽早发布：你对早期用户知之甚少，需要为他们创造广泛的接触面。（来源：20260114）
快速实验，不怕流失：创业公司的优势是运行糟糕实验时没有人写文章报道。"你对抗的是无关紧要，而非头条新闻。"（来源：20260114）

五、Vibe Coding：AI 时代的 MVP 构建方式

Vibe Coding 是 AI 时代的 MVP 构建利器——用自然语言指挥 AI 编写代码。YC 合伙人 Tom 在过去一个月用 Vibe Coding 做了多个副项目，发现这不仅效果惊人，更是一项可学习的技能。（来源：20250425-How-To-Get-The-Most-Out-Of-Vibe-Coding）
核心原则：让 LLM 遵循专业软件工程师的工作流程——从写计划、版本控制、测试驱动到模块化架构、频繁重构。（来源：20250425）
第一步是写计划而非写代码：与 LLM 协作撰写详尽项目计划，保存为 Markdown 文件。审核计划——删除不想要的、标记"不做"的过度复杂功能、把后续想法归入"待定"区。按章节逐步实施。（来源：20250425）
Git 是最可靠的朋友：每次新功能前确保 Git 干净状态。出问题果断 git reset --hard——如果不对就重掷骰子。反复修补只会让 LLM 积累层层垃圾代码。（来源：20250425）
选择成熟框架：Rails 等 20 年历史的框架因有大量一致训练数据，AI 表现惊艳。Rust 或 Elixir 因训练数据较少表现较差——但可能很快改变。（来源：20250425）
测试驱动：先手写测试用例（不依赖 LLM），然后让 LLM 在测试的护栏下自由生成代码。（来源：20250425）
AI 时代的创业方法论转变：前 AI 时代"先卖再造、精益创业"的经典教条正在被重新审视——追随好奇心、站在技术前沿，用正确的提示词、数据集和评估方法即可创造出令人惊叹的产品。（来源：20250516-Startup-Ideas-You-Can-Now-Build-With-AI）

六、AI 如何改变 MVP 的可能性

AI（尤其大语言模型）使大量此前不可行的创业想法迎来窗口期。全栈创业公司首次可以拥有软件公司级别的毛利率——AI 智能体让公司不需要庞大的运营团队和低毛利率。（来源：20250516）
招聘评估（Triplebyte 需要数年积累标注数据→Meror 用 LLM 第一天即可完成）、教育科技（超个性化学习终于可及）——这些都是 AI 重写 MVP 构建规则的实例。（来源：20250516）

反复出现的原则

先证明需求再构建完整产品：DoorDash 的 Google Form 原型和 Instacart 的无合作上线的核心理念——最难证明的是需求而非技术。
学习速度 > 产品完整性：Fleek 扛箱子卖衣服四个月、Instacart 手动买货拍照——所有不可扩展的事都是为了加速学习。
尽早交付、快速迭代：YC 一致强调不要等产品完美。发布是终极验证。
路径依赖——早期用户塑造产品未来：特斯拉 Roadster 案例揭示了第一批用户的选择如何影响产品最终形态。
AI 正在降低 MVP 构建门槛：Vibe Coding 让非技术创始人也能快速构建可工作原型，成熟框架（Rails）与 AI 的结合表现惊艳。

适用场景

创业最早期——需要验证核心假设
资源极度有限的小团队（1-3 人）
非技术创始人需要快速构建产品原型
不确定产品方向，需要快速试错
想要避免过度工程化

不适用或需要谨慎的场景

受严格监管的行业（医疗、金融合规）——可能需要更完整的产品才能面向真实用户
需要极高可靠性的基础设施产品
已达成 PMF、进入规模化阶段的产品
硬件产品——物理原型的迭代成本远高于软件

来源证据

核心来源

20240530-Startup-Experts-Discuss-Doing-Things-That-Dont-Scale（多位 YC 合伙人）
PG 逆转 Google "可扩展性偏执"的历史背景。
Airbnb 拍照、Fleek 街头卖衣服、Algolia 提交 PR、Instacart 无合作上线、DoorDash 一个下午原型。
"你应该做的，就是那些在大公司会被开除的事——那才是创业公司的行动手册。"
20260114-How-To-Get-Your-First-Users（YC）
"最小可演化产品"概念——产品不需要从一开始就完美。
特斯拉 Roadster → Model Y 路径依赖案例。
"寻找第一批用户是搜索问题而非说服问题。"
20250305-Vibe-Coding-Is-The-Future（Evidence pending——raw 文件内容暂缺）
标题表明 Vibe Coding 作为未来编程范式。
20250425-How-To-Get-The-Most-Out-Of-Vibe-Coding（Tom，YC 合伙人）
Vibe Coding 完整最佳实践：工具选择、先写计划、Git 策略、测试驱动、Bug 修复、模块化架构。
"Rails 等成熟框架因训练数据丰富，AI 表现惊艳。"
"Git 是你最可靠的朋友。不要犹豫使用 git reset --hard。"
20250516-Startup-Ideas-You-Can-Now-Build-With-AI（Harj, Gary, Jared）
AI 让创新迷宫的所有墙壁移位。
全栈创业公司的 AI 复兴——AI 智能体让公司首次拥有软件级毛利率。
前 AI 时代"先卖再造"教条已过时的论断。

不同讲者之间的差异 / Tensions

MVP 的构建理念演变：PG 2013 年"做不可扩展的事"强调手动操作和人工流程，2024-2025 年的 Vibe Coding 讨论则强调用 AI 快速构建软件原型——这是工具进化带来的范式转变，但底层原则（快速学习、快速发布）保持一致。
"先卖再造"的地位：Jared（2022）在 Startup School 中强调销售漏斗和"先卖再造"，而 2025 年 Light Cone 节目提出前 AI 时代的创业教条已过时。这代表了工具能力变化对方法论的冲击——当构建成本急剧下降时，"先构建再验证"可能变得比"先卖再造"更高效。
Vibe Coding 的适用范围：20250305（raw 文件为空）和 20250425 的内容量差异巨大，说明该话题仍在快速发展中，最佳实践每周都在变化。

典型案例

DoorDash 原型：Google Drive + HTML/CSS + Tony 手机 + Find My Friends + Google Form——一个下午搭建，四位斯坦福工程师。证明了需求后才构建产品。
Instacart：用 YC 资金买下 Trader Joe's 所有商品→周末拍照定价→周一宣布上线。没有任何超市合作，先达规模再签正式协议。
Airbnb：创始人亲自拍摄专业级房源照片——不可扩展但启动了飞轮。
Fleek（W22）：三人团队扛箱子从伦敦批发商拿货→跑二手服装店销售四个月→亲自搞懂定价、需求弹性、什么好卖。
Algolia：亲自在 Product Hunt 的 GitHub 中实现搜索功能并提交 Pull Request——千倍回报的客户关系。
特斯拉 Roadster → Model Y：Roadster 作为"变形虫"搜索早期采用者，路径依赖塑造了 Model Y 的产品特征。
Solugen：创始人带一烧杯自产双氧水参加 YC 面试——"行动者心态"。

实操清单

[ ] 用最简方式在 48 小时内构建一个可演示原型（用 AI 工具或不写代码的方案）
[ ] Vibe Coding：先与 LLM 协作写 Markdown 项目计划，按章节逐步实施
[ ] 每次新功能前确保 Git 干净——出问题果断 git reset --hard
[ ] 优先写集成测试（端到端验证），而非低层级单元测试
[ ] 选择成熟框架（Rails 等）作为技术栈以提高 AI 编码效果
[ ] 构建的不是 MVP 而是"最小可演化产品"——能存活、能适应
[ ] 将原型交给用户后不教操作，观察真实行为
[ ] 不要等产品完美——DoorDash 式的极简原型就能验证核心假设
[ ] 快速实验定价、落地页、引导流程——不怕流失，没人报道你的糟糕实验
[ ] 完成后，让早期用户感觉到自己是"独家见证者"

尚待补充 / Evidence pending

20250305 Vibe-Coding-Is-The-Future 的 raw 文件内容缺失——所有信息为 Evidence pending
Paul Graham《做不可扩展的事》文章的具体发布日期（2013 年，精确日期未确认）
Fleek "每家店赚约六千美元"的具体数据准确性
Algolia 为 Product Hunt 提交 PR 的具体细节
Instacart 与 Trader Joe's 正式签约的具体时间线
Tom（YC 合伙人）的全名
Vibe Coding 各工具（Replit/Lovable/Cursor/Windsurf/Claude Code）的相对优劣对比随版本更新快速变化