最小可行质量 MVQ

一个扎实的 MVQ（Minimum Viable Quality）要明确定义三条门槛：

1. 可接受门槛（Acceptable bar）：对真实用户来说"够用"的水平，出错时能优雅恢复（例如语音助手："我不确定是谁在说话——用你的账号还是继续当访客？"而不是直接出错）
2. 惊艳门槛（Delight bar）：功能让人觉得"神奇"的水平。不需要一个精确的百分比，而是找行为信号：用户不再重复自己或改述指令，"不，我是说……"这类纠正大幅减少。经验法则：如果 8-9 成尝试无需重试就成功，感觉是神奇的；如果 1/5 需要重试，信任会迅速流失。
3. 不可发布门槛（Do-not-ship bar）：不可接受的失败率会破坏信任的临界点（例如：在关键流程——购买、发消息、个性化操作——中识别错误超过某个比例；用户被迫反复重复自己才能被识别）

关键认知：这三条门槛的具体数值不是固定的，取决于产品所处的"战略语境"——原文提到有五个战略语境因素会拉高或拉低这个门槛（原文用一张图列出，具体清单未在文本中展开）。同时 MVQ 也和产品所处阶段有关：封闭测试阶段用户容忍度更高（预期会有 bug），全量发布阶段同样的失败模式就会显得"这产品坏了"。

成本包络（Cost envelope）：这个功能在规模化后大概会花多少钱运行，是 MVQ 里同样重要的一部分。不需要精确数字,但需要一个大致区间:

• 单次调用大概成本是多少？
• 用户每天/每月大概会触发多少次？
• 最坏情况（重度用户、边缘案例）是什么？
• 缓存、更小的模型、蒸馏能不能把成本降下来？
• 如果用量涨 10 倍，这笔账还算得过来吗？

原文举例（AI 会议纪要功能）：单次调用处理一份 30 分钟转写稿约 $0.02；平均用户每月 20 次会议 → 约 $0.40/月/用户；重度用户每月 100 次 → 约 $2/月/用户；加上缓存和低风险场景用小模型后可能降到约 $0.25-0.30/月/用户。这样就能有一个真正有意义的商业讨论：一个 $0.30/用户/月且能带动留存的功能是显而易见该做的；一个 $5/用户/月但影响不明确的功能是一个商业问题。