從零打造：SELL → BUILD，先蓋一台 MVF

這是一份公開草稿。內容還在迭代，歡迎一起把它變得更好。

工廠點火 — 但別埋頭蓋大廠 90% 的人這一步死在「蓋了一座沒人要、又跑不動的漂亮工廠」_

CH04 你想清楚了工廠的結構，也知道第一座小到一台機器。

這一章解決最危險的問題：從零開始，到底先蓋什麼、怎麼蓋，才不會把錢和時間丟進水裡。

答案是把書②教過的精實創業，直接用在蓋工廠上——先 SELL，再 BUILD，而 BUILD 的方法叫 MVF：最小可行工廠。

CH05-1｜先別蓋工廠，先確認有人要（SELL）

矽谷投資人 Naval 那句被引用到爛、但真的對的話：

"Learn to Sell, Learn to Build." 學會銷售，學會建造。

注意順序——Sell 在前。

蓋工廠是為了「自動產出某個東西」。那你得先確認一件事：有人要這個產出嗎？ 不然你會蓋出一座 24 小時全自動、但沒人買單的工廠——比手工做還慘，因為你連 token 都白燒。

所以第一步不是開工，是驗證：

做一頁說明「我要產出什麼、賣多少」的銷售頁
   → 丟到真實的人面前
   → 開放預購 / 訂金 / 早鳥
   → 問的不是「你覺得好嗎？」，是「你現在願意付錢嗎？」

有陌生人掏錢，你才拿到綠燈——這個產出值得你蓋一台機器去自動化。先賣，是用市場的訊號決定你要蓋什麼，而不是賭。

CH05-2｜MVF：把 MVP 的精神，用在蓋工廠上

拿到綠燈，開始 BUILD。但別蓋整座工廠。

書②教你做產品時，不是一次做完美，是先做一個 MVP（最小可行產品）——最小的、能測試的版本，跑 Build-Measure-Learn，迭代到 PMF。

蓋工廠一模一樣。你要蓋的是 MVF（最小可行工廠）：

做產品（書②）              打造工廠（本書）
─────────────────────────────────────────
MVP 最小可行產品      →    MVF：一台會跑的機器
BML 跑-量-學循環      →    工廠迭代迴圈
PMF 產品-市場契合      →    Factory Fit：穩定達標 + 成本可接受

MVF＝能「不靠你的手、穩定產出一個達標成果」的最小組合。不是一座大廠，是一台會跑的機器。先讓一台真的會跑，再談放大。

CH05-3｜Step 1–2：選最小一條產線，寫下「可驗證的標準」

Step 1：選最小一條產線。 挑一個你重複在做、而且標準可驗證的任務，範圍砍到最小——一台機器只做一件事。優先選 coding（寫個小工具、自動化腳本），因為它有確定性檢查（跑測試、跑得起來就知道對不對），標準天然可驗證。

Step 2：寫下可驗證的標準。 這是 MVF 成不成立的判準——「這台機器算成功」= 它的產出能逐條通過哪些檢查（這就是 CH03 的 Boss Engineering）。

程式類（容易）：能通過這幾個測試？跑得起來？符合這份規格？
主觀類（難）：拆成可逐條判斷的條件 + 正反範例（見 Boss Engineering 手冊）

⚠️ 標準寫不出可驗證的版本，就先別蓋。沒有靶，機器只會穩定產出「差強人意」——這正是我內容自動化卡三週的原因。

CH05-4｜Step 3：蓋最小組合（你 → Claude Code → 一個 Agent）

標準有了，蓋機器。最小組合就是 CH04 的 v0 三角：

你（Boss，給目標 + 標準）
   ↓
Claude Code（AI CEO，負責 harness + loop、讓員工達標）
   ↓
一個 Agent 員工（執行那一件事）

你不寫 harness、不調 loop——那是 AI CEO 的工作。你交付的是目標和可驗證的標準，外加一句：

「你指派一個 agent 去做，並負責讓成果通過這份標準，沒過就修，過了才回報。」

這台「會產出 + 會自我檢查」的最小機器，就是你的 MVF。

CH05-5｜Step 4：跑—量測—學習（工廠版的 BML）

機器蓋好不是結束，是迴圈的開始。拿真實任務餵它跑，然後量三個數字：

量測	看什麼
達標率	10 次裡有幾次一次就通過標準？
單次成本	一次跑掉多少 token？划算嗎？
單次耗時	從下任務到拿到達標成果多久？

從數字學習它在哪裡失敗 → AI CEO 改系統（不是你重做那一次成果）、你精修標準。一輪輪逼近。

這就是工廠版的 Build-Measure-Learn。（這只是基本的迭代；要讓它真正自我改善、規模化，是下一章 Loop Engineering 的深功夫。）

CH05-6｜Step 5–6：達到 Factory Fit，才放大

Step 5：達到 Factory Fit。 當這台機器能穩定（不是偶爾）產出達標成果、而且成本可接受——恭喜，你的 MVF 成立了。你擁有一台被驗證過、會自己跑的機器。走到這裡，你就是 AI 全端創業家。

Step 6：才放大。 加第二台、加員工、加中間層——但只放大已經 Factory Fit 的機器。

✅ 複製一台已驗證會賺錢的機器
❌ 賭一個還沒驗證的「千個 Agent 大夢」

停 / 走鐵則：MVF 還沒 Factory Fit，就別放大。 放大只會把問題和成本一起乘上去——一台會產次級品的機器，複製十台，就是十倍的次級品和十倍的帳單。

CH05-7｜今天的第一步

看你現在卡在哪一關：

還沒驗證需求 → 今天做一頁銷售頁，丟給 10 個真實的人，問「現在願意付錢嗎？」
需求已驗證 → 今天蓋你的第一台 MVF：
1. 挑一個有確定性檢查的 coding 小任務
2. 寫下可驗證的標準（它要通過哪些檢查）
3. 交給 Claude Code 當 AI CEO，讓它指派一個 agent 去做、自己驗到過
4. 跑 5 次，記下達標率——這就是你第一台 MVF 的 Factory Fit 量測

跑出第一台會自己跑、產出達標的機器——你就從「用 AI 的人」，正式變成「擁有一座 AI 工廠的 AI 全端創業家」。

想看一座完整的工廠長什麼樣——從開模、組生產線、控成本到每天賣？讀附錄：真實案例 —— 打造一座量產 Agent 原生網站的 AI 工廠。

你蓋出了第一台會跑、也驗證得了自己的機器。

但「基本的跑-量-學」還只是入門。要讓工廠真正自我改善、撐得起放大，需要一門更深的功夫——Loop Engineering。

下一章，我們讓工廠開始自己變強。