08|Demo-driven:一个能跑的 demo,为什么胜过一百页方案?
你好,我是曹犟。
上一讲结尾我们提到,人的问题理顺了,信任的账户开好了,接下来就要往账户里存钱了。而空口白话,说服力有限,最硬的存款,就是一个实际能跑起来的东西。而这一讲,我们就来讲 Demo-driven:一个能跑的 demo,为什么胜过一百页方案,以及怎么建好 demo,并且把 demo 用好。
正式展开之前,我先回顾一下 第 2 讲 我曾提到的一条互联网上的真实评论,说 FDE 就是先用一个 AI demo 唬住客户,然后总结需求给产品团队。这个评论虽然有一些极端,但其实藏着一个真问题:demo 到底是拿来干什么的?如果 demo 是拿来唬客户的,那它确实只是售前方案配套的道具。但在 FDE 的方法论里,demo 的第一作用恰恰相反:它不是让客户说“哇塞”,而是让客户说“不对”。
我们这节课就顺着这个思路展开讲。
为什么是 demo,不是方案?
这一节的标题,说的是 demo 和方案的对比;但要把这件事说清楚,得先理清三样东西的关系:方案、原型和 demo。我们先从最容易被混着用的一对说起:demo 和原型,这也是我最近一段时间想得比较多的一个概念区分。
原型更多是研发过程内部的评审物:它可以省掉一部分页面内容,因为默认看的人都知道;也可以写满内部的术语和概念;还经常把好几个界面拼在一张图上,方便评审和开发。
但 demo 不一样,demo 是要给客户看的,要尽可能贴着客户的真实使用场景走:数据可以是合成的,但场景、术语、操作路径,必须是客户未来真正要看到和理解的。 原型对内,demo 对客户。
现在,回到前面提到的三样东西的对比:原型是内部的半成品视图;方案虽然也是对客户的,但只是文档,太过抽象;只有 demo,才是客户能指着说“不对”的东西。
这里再展开说一个我过去多年反复验证过的判断:人对着文档提不出真意见,人只有对着能跑的东西才会说真话。
第 5 讲 我们聊进场的时候说:拿合成数据搭个轻原型,扔到用户面前,他脱口而出的“这个不对”“我们从来不这么干”,比十个调查问卷挖出来的真东西还多。顺带说一句,第 5 讲里管它叫轻原型,按刚才的口径,它其实承担了对客户的功能,所以已经是个粗糙的 demo 了:照着用户的真实场景搭建,并且是扔到用户面前用的。在第 5 讲中,它是发现工具,用来帮我们摸真需求;而到了这一讲,它要升级成验证与信任的工具。
为什么一百页的方案做不到这一点?
毕竟,包括神策在内的很多公司,过往跟客户沟通最常用的方法,就是做一个 PPT,对着 PPT 向客户详细讲解解决方案,特别是在产品还不完善或者说还是“期货”的时候,更依赖方案本身了。我自己的观察,至少有以下几个原因。
第一,方案是抽象的。客户听方案的时候,脑子里补全的是他自己想象出来的系统,两边想的可能根本不是同一个东西,就算客户亲口表示认可,也不代表真的对齐了。
第二,对方案表态不需要付出太多成本。客户说“挺好的,继续推进”,这句话里没有任何承诺。但一个能跑的东西摆在面前,用还是不用,本身是需要付出时间成本的,在这种情况下,这个东西好用还是难用,是藏不住的。
第三,这一条是 AI 时代特有的:方案里的 AI 永远聪明,demo 里的 AI 才会犯错。客户需要亲眼看到它在自己的业务上怎么表现,包括怎么出错,才能对产品建立真实的预期。
这背后的信任逻辑,我们自己在驻场时感受很直接。 第 5 讲 提过,我们在客户现场会顺手用 AI 做点小工具,把投手每天人工反复操作的环节自动化掉。这些小东西没有一件是合同里约定的,但每做成一件,客户对我们的信任就加深一层。道理其实很简单:承诺一百件我们能做的事情,不如真正当场做成一件小事。demo,本质上就是这个逻辑的放大版。
当然,我不是说方案文档没有用。复杂的集成方案、合规的评审材料,该写还是要写。demo 代替的不是文档本身,而是那种“靠文档达成共识”的幻觉。特别是在打磨产品的时候,再好的方案都替代不了一个可以真实上手的 demo。
某种意义上,FDE 这个角色本身,就是从“ 拿着 demo 反复上门”里逐渐形成的。 第 1 讲 聊过 Palantir 的起源:Cohen 带着早期产品去见客户,被嫌太难用、太糙,公司的应对不是回去闭门改产品,而是派工程师坐到客户现场,一边解决问题一边打磨。FDE 的整套方法论,就是把“让客户当面提意见”这件事流程化了。
最小单元:先跑通端到端的一条线
那 demo 的范围应该做多大?我的答案是:能产生端到端结果的最小单元。
这里的关键词是端到端, 宁可窄,不能断。举一个简单的例子,你要给客户演示报表自动化,正确的做法,是选定一张最有代表性的报表,从取数、配置、计算、可视化到产出结论,完整跑通这一条线;而不是把十张报表的界面都画出来,但每张都只能完成一两步。窄但通的 demo,客户看完的感受是“这事能成”;宽而断的 demo,客户看完只记住了“到处都是半成品”。从更大的视角上看,这条“宁可窄不可断”,就是 第 6 讲 聊的逐个场景打穿落到 demo 上的具体体现:先把一条业务流跑到底,而不是把系统一次性铺开。
不过,端到端跑通,只是让客户看到了业务结果,对于 FDE 来说,还有一个重要的工作是,看这条链路在技术上站不站得住脚。换句话说,一个合格的最小单元,要同时完成两种验证: 对外验证价值,对内验证技术可行性。
Shimoda 把这两种验证分别叫作 MVP 和 MVA。MVP 是最小可行产品(Minimum Viable Product),面向客户,证明这件事有价值;MVA 是最小可行架构(Minimum Viable Architecture),面向工程团队,验证那些决定方案能不能落地的核心技术风险是否可控。前者回答“值不值得做”,后者回答“做不做得成”。两个“最小”缺一不可。只做 MVP 不做 MVA,demo 很惊艳,架构却是纸糊的。MVA 不是一次性的脚手架,而是能长成生产架构的种子,建得好的 MVA,能干净利落地毕业,进入生产架构;建得不好,可能第四个月就得重写。
什么叫承重的技术风险?
就是那些决定整个方案能不能落地的关键技术问题。一旦解决不了,整个方案就得推倒重来。放到企业级 AI 项目里,我会先看三类问题。
第一,大模型的真实能力够不够:换成客户的真实数据,碰到脏数据和长尾问题,结果还准不准、稳不稳,能不能达到业务可以接受的下限。
第二,模型需要的数据和工具能不能真正接通,包括鉴权、接口、权限和网络隔离。
第三,到了真实的业务规模,延迟、并发和 token 成本能不能接受,模型出错以后有没有兜底。
MVA 的任务,就是用最小的工程量,把这几根承重柱先立起来。

AI 时代,大模型的前端开发能力是如此之强,以至于把最小单元中客户可见、可以上手的那一面做出来,成本已经被压到了历史最低。我们自己的做法, 第 5 讲 提到过:第一周驻场结束,带着一脑袋的业务认知回公司,周末用 Claude Code 把高保真的 demo 搭出来,第二周直接带它回客户现场。
放在几年前,这样一个 demo 少说要一个小团队做上几周;现在,则只需要一两个人一个周末就能完成。这个变化的意义不只是省钱,而是“高频回现场做 demo 迭代”这件事,第一次变得可行、变得可持续。 demo 成本降一个量级,你和客户之间的反馈循环就能快一个量级。
成本降下来,也让一个过去经常被拿来当借口的理由越来越站不住脚。过去,不少团队直接拿内部原型应付客户,总说专门按照客户的真实场景做一版 demo 太贵。几年前,这个理由可能还有现实基础;但现在,如果还把内部原型直接推给客户,更多就是做事方式的问题,而不是成本问题。原型留给内部评审;见客户,就应该按照客户的场景、客户的术语,甚至客户原有系统的信息结构,老老实实做一个 demo。
工具上也没有什么神秘的:Claude Code 这类 AI 编码工具打底,合成数据造样本,再加上现成的组件,一个能跑的端到端的 demo,成本已经低到你没有理由不做了。顺带提一下,对于 FDE 来说,动手之前要习惯性地先问一句:这个问题真的需要 AI 吗?最小单元不一定要用最炫的技术,能端到端解决问题就好。
需要说明的是, 便宜的是“做出来”,不是“做对”。这条 demo 该选哪个场景、跑哪一条线,做出来之后客户那句“不对”背后到底指向什么真需求,这些核心判断 AI 给不了你,只能靠你自己。
每周 demo:把模糊反馈逼成工单
demo 做出来了,具体该怎么用?我从实践中总结出一条很认同的纪律: 每周给干系人演示。
demo 驱动开发不是表演,每一次 demo 背后其实是一个逼迫机制,把模糊的反馈逼成具体的工单。客户说“我说不好,感觉不太对”,这句话没法拿回来修改产品;但当他看着屏幕说“审批人的名字应该放在第一列”,这就是一张可以直接排期的工单。模糊反馈变具体工单,靠的不是追问技巧,而是眼前有一个具体的东西。
这个逼迫机制要转起来,还有一个客户侧的前提,就是 第 5 讲 客户四问里所提到的反馈周期。demo 给客户后,客户的反馈要能当场给、当周给。如果每一条反馈都要带回去层层汇报,下周才有回音,逼迫机制就空转了,每周 demo 也就退化成了每周汇报。
说到底,每周 demo 就是一次小小的共创: 让客户的真实声音,赶在东西定死之前,先进到产品的设计里。这个“把真实需求提前拉进研发”的思路,第 13 讲聊沉淀时我会正式展开。
给客户演示 demo 或者让客户自己用 demo 的时候,有一个问题值得反复询问:要怎样,你才会点“同意”?这个问题的妙处在于,它把讨论从“你觉得怎么样”拉到了“距离你验收还差什么”。前一个问题收获的是客气话,后一个问题收获的是具体的改进清单。
每次 demo 过程中,我建议记下三样东西。
当场的具体反馈:这部分直接变工单。
没说出口的迟疑:哪个功能演示的时候客户明显不感兴趣,哪个环节他反复追问,这些信号比客气话更诚实。
双方的承诺:客户答应给的数据、你答应改的功能,各自落到具体的人和时间。一页纸就够了,但每周都要有这一页纸。
Shimoda 曾经说过一句话:跑不动每周 demo 的 FDE,到第四周就会陷入需求规格的争论里。我见过太多这样的项目,双方拿着 SOW(Statement of Work,工作说明书)文档逐条抠字眼,越抠越细,越抠越没有共识。每周 demo 的本质,是用运行中的系统代替文档,成为双方讨论的共同事实。文档可以各自解读,但跑起来的系统只有一个样子。
上门演示之前,还有一道成本很低的工序,我们自己每次都做: 让 AI 来扮演客户的角色,比如扮演一个投手,把 demo 从头到尾走查一遍。角色设定得越真实,走查暴露的问题越像真实用户会踩到的:术语不对、步骤反直觉、边界情况没兜住。这些基本问题提前改掉,真正呈现给客户的 demo,才配得上客户的时间。
还有一个细节,我个人很坚持: demo 尽量现场做,别只开视频会议。我们自己的节奏就是如此:拿到足够的信息、开发完 demo,就再去一趟客户现场,看着客户亲手使用。当面演示,你能看到谁凑过来了、谁在旁边小声议论、操作到哪一步时有人忍不住伸手想试。这些现场反应,是屏幕共享所给不了的。正如上一讲所说,外来者说一百句,不如自己人说一句;而自己人开口的前提,往往就是他在现场亲眼看到了、亲手摸到了。

还有一个值得讨论的配套问题:客户的技术团队如果想参与建设,怎么办?热情肯定是好事,但我的建议是分区对待:客户可以参与外围建设,比如仪表盘、测试数据、评估集的输入;核心架构还是要留在 FDE 团队自己手里。这当然不是防着客户,而是责任要清晰:将来系统出了问题,你没办法对一段客户写的关键代码负责。
demo 赢的是资格,不是合同
最后,也是我最想强调的一点:对 demo 的效果,要保持清醒。
a16z 有一篇专门讲企业级 AI 的文章,标题直译过来就是“从 demo 到成单”。里面有个判断我很认同:用现在的工具,做出一个炫的 AI demo 相对容易,但 AI 产品从 demo 走到能用的产品,这道鸿沟比传统软件更宽。原因有两个。
第一,底层模型不是一个稳定不变的技术依赖。模型一升级,原来调好的提示词、工作流和安全护栏,都可能需要重新验证。
第二,模型的输出是非确定性的。即使模型版本不变,同样的输入也不保证每次得到同样的结果。demo 里你可以挑表现最好的样本,生产里用户的行为不可预测,数据也是脏的,成败取决于你能不能处理好那些长尾边界 case。
面对从 demo 到成单的鸿沟,具体怎么保持清醒,我有三条总结:
demo 阶段就主动暴露长尾和脏数据。别只用洗干净的样本演示,专门挑几条真实的烂数据当场跑,让客户看到系统在 bad case 下的表现和兜底方案。这一步看起来是自曝其短,本质上是在管理预期:现在暴露,成本可能只是一点面子;上线以后暴露,成本则是信任,甚至是赔偿。有航空公司就吃过这个亏,客服机器人对客户做出了错误的承诺,最后被判赔偿。与传统软件相比,AI 的错误不再只是体验问题,它可能是要负经济责任的。
demo 通过,并不等于活儿干完了,后面还有一段最容易被砍掉的“硬化”阶段。所谓硬化,其实就是上生产之前的加固工作:处理边界情况、补监控、做压测、准备回滚方案。这段工作不产生任何新功能,演示不出来,客户通常又会催上线,所以最容易被人抱着侥幸心理而跳过。Shimoda 曾经给这种侥幸算过一笔账:跳过硬化省下的时间,通常会在六个月后、系统第一次真正出故障的时候,用信任加倍还回去。
警惕 demo 债务。如果 demo 允诺的体验,生产系统撑不住,那之后每一次和客户的接触,都会背着旧的“期望债”。这种情况在 FDE 的失败模式里有个专门的名字,叫 demo 债务螺旋,我们第 18 讲做失败模式体检的时候会展开。

那条鸿沟怎么跨过去?a16z 那篇文章观察到,跨过去的团队通常做对了三件事:
严格地跑评估,模型一升级就重测;
在基础模型之上搭建足够的脚手架和安全护栏,不裸奔;
在集成测试上真金白银地投入,把客户的系统、策略、工作流一个一个接通。
这三件事,恰好对应我们后面三讲的主题:集成施工是第 9 讲,安全护栏是第 10 讲,评估是第 11 讲。你可以把这三讲连起来看,它们就是从 demo 到生产的完整施工图。
还有一条边界要说清楚:客户在 demo 上点头,和项目验收是两回事。AI 项目怎么定义“好”、怎么量化验收、怎么避免扯皮,需要一套专门的评估方法,这是第 11 讲评估驱动开发的主题,这里先不展开。
最后用一句话收拢这一小节: demo 赢来的不是合同,而是继续往下走的资格。把资格当成合同,demo 的债务就会从这里开始欠下。
课程总结
这一讲,我们讲的是 Demo-driven,核心就一句话:用能跑的真东西代替文档,成为你和客户之间的共同事实。
我把这一讲的内容,按做一个 demo 的几个环节整理成一张表:

如果你想转型 FDE,每周 demo 是现在就可以开始练的基本功。它会逼你每周都做出一个可以运行、可以拿给客户验证的结果。对 FDE 来说,这种能力比多学一个新的 AI 框架更重要。
对交付和实施同学,“要怎样你才会点同意”这个问题,下次评审会上就可以用到。它能逼着参会人把模糊的意见说具体:哪里还不符合要求,改到什么程度才会通过。
对 To B 创业者和产品经理,我想着重强调 MVA 这个概念。演示驱动的节奏里,最容易牺牲的就是架构质量。demo 越顺利,越要问一句:demo 底下是能毕业进生产的架构,还是第四个月就要重写的架构?
demo 验证通过,信任也攒起来了,接下来就要动真格的了:进到客户的系统里,把 demo 变成能扛住真实业务的生产系统。下一讲,我们就来讲现场施工,怎么在客户系统里填 gap、写生产代码。
思考题
留两个问题,欢迎你在留言区聊聊。
第一,回想你最近一次给客户或者老板做的演示,它是端到端跑通的一条线,还是很多个半成品的拼盘?如果是后者,那么重做一次,你会先把哪条线跑通?
第二,你有没有经历过 demo 很惊艳、上线很狼狈的项目?回头看,问题出在长尾数据、硬化阶段,还是当初 demo 许下的期望本身就过高?
期待你在留言区分享你的思考。如果这节课对你有启发,也推荐你把它分享给身边更多朋友。