How to build products on a moving frontier | Dan Shipper (Every)

Anthropic、OpenAI 等公司用“1-2 人实验室”高频试错，90% 新点子直接丢弃，只有 10% 能进主产品。

AI 公司要在主产品稳定和追新之间找平衡，靠的不是大团队，而是极小的“实验室”机制。Dan Shipper 结合 Every、Anthropic、OpenAI 的实操，讲清楚怎么用 1-2 人高频试错、怎么筛选成果、哪些标准决定实验能否变成主产品。你会看到，AI 爆款背后其实是大量被丢弃的尝试和一套极简但高效的转化流程。

AI 新模型和工具层出不穷，团队如果一边执行计划一边追新，最后两头都做不好。

• 实验室团队专门“瞎折腾”：遇到新模型、新工具，先试一遍，90% 的尝试直接丢掉，只留下最有潜力的 10%。
• 产品团队只管主线和客户：主产品稳定优先，只有实验室筛出来的成果才考虑产品化，避免被新奇想法打乱节奏。
• Anthropic 和 OpenAI 的做法：Claude、Codex 等产品都是先在小团队里反复试错，成熟后才推向主流用户。

AI 让“实验室”变得极小，甚至 1 个人就能玩转，关键是高频试错和清晰的成果转化机制。

• 极小团队更高效：Dan Shipper 认为“1-2 人比 8-10 人更高效”，只要有“海盗型”（疯狂试新）和“建筑师型”（把混乱变产品）两种人就够。
• 内部自用是第一标准：新功能先在团队内部用，能让同事自发用起来，才有资格推进给客户。
• 成果转化有硬标准：实验成果要满足“用户愿意反复用、比现有方案好 10 倍、成本可控”三条，才会被产品团队接手。

Every 团队用 AI 帮主编 Kate 自动润色文章，走了一遍“实验室到产品”的完整流程。

• 个人项目起步：Dan 用 Fable 让 AI 学 Kate 的编辑风格，先在自己空闲时间做原型。
• 内部反馈推动迭代：Kate 开始用 AI 工具改稿，团队用 Notion 跟踪每次改进，发现 AI 帮 Kate 节省了 12% 的工作量。

“实验室的 90% 尝试都要丢掉，只有 10% 能进主产品——但这 10% 就可能是下一个爆款。”

• 你的团队不需要大张旗鼓搞创新，1-2 人就能搭“实验室”，关键是专人高频试错、成果有明确转化标准。
• 新功能先在团队内部用起来，能自发流行才值得推给客户，否则直接丢弃，别让主线被新奇想法拖慢。