过去四周，我用Claude Code写了17个原型，上线12个，付费转化：0。
这个数字让我重新审视自己两个月前发布的「新兴技术价值框架」。当时我说成本和GTM（市场进入策略）是"情境依赖"的——翻译成人话就是：先造出来，再看着办。现在看，这话约等于"先上车后补票"的学术版。
从"造出来就有人用"到"造出来没人买"
Agentic AI（自主智能体）把开发门槛砍到了脚踝。一个产品经理+Claude Code，周末就能搓出过去需要三个月的功能。SEO也能让AI包办，流量不再是问题。
但流量≠销售，这个等式在2024年失效得特别明显。
我观察到一个悖论：工具越强大，个体越容易陷入"原型陷阱"。你有一个想法，快速验证，范围越收越窄，最后做出来的东西只解决你自己的问题。朋友圈点赞很多，打开钱包的没有。
这不是技术失败，是GTM失败。更准确地说，是GTM缺位。
市场不存在时，策略从何谈起
传统GTM假设市场已知。你分析竞品、定位细分、设计转化漏斗。但新兴技术领域，市场本身是个黑箱。
我的框架原本把GTM放在"情境依赖"的篮子里，潜台词是：等技术成熟了再补。这几周的实践告诉我，这顺序反了。
当Claude Code让"build"变成小时级动作，真正的成本不再是订阅费，而是时间——学习工具的时间、迭代判断的时间、偏离核心价值的沉没时间。
我见过一个SaaS创始人，三个月做了8个AI功能，每个都能演示，每个都卖不出去。他的原话：「我在用战术勤奋掩盖战略懒惰。」
个体、创业公司、大企业的同一种病
这三类玩家表面差异巨大，面临的困境却出奇一致。
个体Builder最容易掉进"自嗨型产品"——解决了自己的痛点，误以为市场存在。创业公司则容易在"快速验证"的旗帜下，把MVP（最小可行产品）越做越碎，失去叙事完整性。大企业的症状更隐蔽：各部门各自为政做AI试点，预算花了不少，没有一块拼图能拼出完整价值。
核心问题不是"能不能造"，而是"造了往哪卖"。
我的修正方向是：在框架里给GTM一个前置位置。不是等有了产品再想，而是从第一天就假设市场未知，设计"发现市场"的机制。
具体怎么做？我还在测试。一个初步想法：把GTM拆成"市场存在性验证"和"规模化路径"两个阶段。前者用更轻量的方式—— landing page测试、付费意愿访谈、甚至直接预售——在写第一行代码之前完成。
这听起来像常识。但当你手握Claude Code这种"想造就能造"的工具时，常识是最容易被忽略的东西。
成本结构也需要重新定义
我原来说成本是"情境依赖"的，现在看太轻了。
显性成本确实在下降。Claude Pro订阅费20美元/月，能替代过去几千美元的外包开发。但隐性成本在飙升：你的注意力被无限可能的原型切割，你的判断力被工具的即时反馈驯化，你的核心想法在等待"完美验证"中稀释。
一位AI-native创业公司的CEO跟我算过账：他们团队用AI工具把开发成本压到传统模式的15%，但决策迭代次数是过去的4倍。「我们省了钱，但花了更多时间在'试试这个方向'上。」
这不是批评工具。工具是中性的。问题是我们的框架没跟上工具进化的速度。
我现在的假设是：新兴技术的成本结构，应该包含"注意力成本"和"决策成本"这两个维度。它们不像服务器费用那样可量化，但对最终成败的影响可能更大。
框架2.0的开放问题
我正在把这套修正后的框架应用到实际项目中。一个测试案例：用预售验证市场存在性，再启动开发；另一个案例：给AI功能设定"决策预算"，超过一定迭代次数强制转向。
结果还没出来。但我已经确定一件事：在Agentic AI时代，"build and they will come"是危险的想法。建造本身不再是门槛，发现市场才是。
你的最后一个原型，有多少用户付费了？
热门跟贴