AI 项目怎样缩小第一轮实验

有一个很大的产品想法时，可以先找出它最依赖、又最不确定的假设。第一轮实验只负责验证这个假设，结果会决定下一步该继续做什么。

例如想做阅读助手，真正不确定的可能是摘要是否能帮助读者找到值得精读的文章。账号、支付和推荐社区还不是当前实验必须回答的问题。

写出可以被推翻的假设

“阅读助手很有市场”太宽泛。可以改成：“对一组指定文章，摘要能够保留读者需要的结论，并指出重要限制。”接下来就能讨论谁来判断、用什么材料、错误怎样记录。

把目标用户和输入范围写清楚。只测试过短新闻的结果，不能直接推广到长论文或专业报告。

先留一个比较对象

比较对象可以是目前的人工流程、已有工具，或不使用新功能时的结果。使用相同输入，记录完成时间、关键遗漏和修正量。

不要只展示最成功的一个样例。把明显失败的样例也留下，它可能比一次漂亮演示更能说明下一步应该改哪里。

给实验设置终点

要回答的问题：
本轮输入范围：
比较对象：
由谁检查、检查什么：
时间或成本上限：
继续条件：
修改方向或停止条件：

条件应按任务实际风险和成本选择，没有适用于所有项目的固定分数。小样本可以帮助发现问题，不能冒充已经证明商业需求。

将失败拆成可修的问题

摘要漏掉限制，可能是提示不清，也可能是材料获取不全或模型没有理解。先检查输入是否完整，再检查要求，最后比较生成行为。

如果读者根本不使用摘要，则需要重新检查问题选择。继续优化措辞未必能改善这个结果。

每轮只做足以回答问题的修改，保存前后版本和判断依据。若决定加入新功能，写出它服务哪个已经观察到的需求。这样项目会逐渐扩大，但每一步都能解释为什么值得做。