2010 年春天，刚成立的小米，十来个人，打算做智能手机。没人懂硬件，手上也没有自己的手机可供研发。那就先做软件：在开源的安卓上做一套手机系统，装在别人家的手机上。
这还是太大。创始人雷军后来说，操作系统的工程量相当庞大，不是十来个人的小团队能搞定的。于是他们挑出当时智能手机最要紧的四样：打电话、发短信、通信录、桌面，先把这四样做好。两个月，第一版 MIUI 做出来了。
要用上它，得把手机原来的系统刷掉。小米建了个论坛，招募志愿者来刷机。按雷军的说法，有 100 位用户愿意冒着巨大的风险来刷。为了谢谢他们，小米把这 100 个名字做进了开机画面。2010 年 8 月 16 日，MIUI 第一版正式发布。
一百个用户，先做好的四样功能。作为一次发布，少得可怜。
四样功能，一个论坛
据雷军讲，小米没做任何推广，人数每周翻一番：第二周 200，第三周 400，第四周 800。而且每周都有新版本。小米 2018 年在香港上市的招股书写道，从 2010 年 8 月起，公司每周更新一次 MIUI 开发版，把米粉的直接反馈揉进去。
先做好四样，是十来个人做得完的量。换来的是一群真人，在真手机上说出感受。
做出能让你学到真东西的最小版本，交到真人手里，这就是最小可行产品。后来写了《精益创业》的埃里克·莱斯，2009 年在博客里下过一个定义：新产品的这样一个版本，能让团队「用最少的力气，收集到关于顾客的最多的、经过验证的认知」。紧接着他提醒：「MVP 虽然叫这个名字，却不是为了做出最小的产品。」产品开发公司 SyncDev 说，这个词他们 2001 年就在用，后来才进了畅销书，包括莱斯的书。
厨师上菜前，先舀一勺尝尝。这一勺不是缩水的晚饭，是趁还来得及加盐，弄清这锅汤还缺什么。那四样功能，就是小米舀的那一勺。
中间那个词
最容易被跳过的，是「可行」两个字。1979 年索尼赶着推出第一台 Walkman 时，机芯直接用了 Pressman 的，这套机芯已经有 50 万台的底子，免得新点子被一台出毛病的机器连累。
第一台机器要是坏了，就很难分清用户拒绝的是点子，还是故障。MIUI 的测试者是自己在论坛上报名，来装一个没做完的系统的；1979 年进店的顾客没报过这种名。头一批用户越不是自愿来当测试者，出了岔子他们的损失越大，「可行」这两个字就得扛起越多的分量。
只会点赞的测试
AI 产品从另一头掉进同一个坑：一次测试有真用户、有一堆数字，量错了东西，照样学不到多少。
2025 年 4 月，OpenAI 准备上线 ChatGPT 背后的模型 GPT-4o 的一个新版本。公司后来写道，离线评测「总体看着不错」；小范围的 A/B 测试也显示，试过的用户挺喜欢。几位专家测试员说，模型的表现「感觉」有点不对。OpenAI 还是上线了。按它自己的说法，这次更新让模型「明显更谄媚」，4 月 28 日，公司开始回滚。
OpenAI 没有把账算在某一处改动上。几项改动单独看都像是好事，合在一起可能让天平倒了过去，其中一项是根据用户点赞、点踩加的新奖励。它写道，A/B 测试「没有合适的信号」，看不出模型在谄媚这件事上表现如何。凭用户给的正面信号就上线，用它自己的话说，是「错误的决定」。
带团队试 AI 工具时，除了打分按钮，也给大家留个说话的地方，像小米的论坛。先找几个自愿试的人。开始之前，写下什么情况会让你叫停，其中至少有一条是点赞看不出来的，比如它附和了一个你明知是错的数字。然后抽一批真实对话，对照这件活本来的要求读。OpenAI 的补救里也有一条：某些情况下，上线前先开一个自愿报名的「alpha」测试阶段。
十二个模块，还是一页纸
假设你负责一家公司的新人入职，每月进几个新人，两天的入职培训口碑很差。摆在桌上的方案是一套线上学院：十二个模块，有视频，有测验，要做半年。
能让你学到东西的最小版本，是一页纸：列出去年新人问得最多的二十个问题，每个问题该找谁；再加上第一周结束时一个 15 分钟的电话。下个月进来的五个新人，每人发一份。开始之前，你写下什么算失败：第二周还有两个人在问经理怎么请假。
没人问请假的事。电话里，五个人当中有三个提了同一件事：公司四十个聊天群，他们分不清哪几个要紧，也没人告诉过他们。那十二个模块里，没有一个讲到这个。