简易拼装
用开源组件、现成 API、已有框架快速组装 MVP，验证假设——速度比完美更重要。
这个打法的本质
很多初创团队陷入一个陷阱：想着”我要做一个更好的产品，所以必须自己实现所有核心功能”。结果花了 6 个月自研，最后发现”用户其实根本不需要这个”。MVP 的目的不是”展示你的技术实力”，而是”尽快发现你的假设对不对”。
拼装式 MVP 的逻辑：
- 假设还没验证 → 用现成组件快速验证 → 验证成功 → 再考虑自研优化
- 核心差异化在体验而不在技术 → 技术用现成的 → 专注打磨体验
- 市场窗口很窄 → 不能等完美，必须快速上线
拼装的好处是什么？时间。Cursor 从”Fork VS Code”到”上线 AI 编程助手功能”，只花了几周。如果从零开始造 IDE，再加 AI 能力，起码要半年。这个时间差，决定了谁能抓住市场。
关键是：拼装不等于”低质量”。拼装只是说”我不自己做这个技术”，而不是说”我的产品质量低”。Cursor 用的是 VS Code（开源但质量超高）+ OpenAI API（专业级别）。拼装出来的产品，体验一点不差。
典型案例
Cursor
Cursor 的整个 MVP 就是”Fork VS Code + 接 OpenAI/Claude API”。VS Code 的编辑器、快捷键、插件系统都现成的，Cursor 只需要在这个基础上加”AI 补全和 Agent”的交互。这个拼装方式，让 Cursor 能在最短时间内验证”AI 编程助手”这个假设。后来，Cursor 有了充分的用户验证和资金，才开始自研一些优化（比如对 codebase 的理解）。
Lovable
网站 UI 生成的 MVP，本质上是”React 框架（开源）+ Claude API（现成模型）+ 浏览器编辑器界面（简单拼装）“。Lovable 不需要自己做前端框架、不需要自己训练模型，只需要快速整合这些组件，验证”AI 能生成靠谱的 UI”这个假设。
Character.ai
从产品设计角度，Character 很聪明地”对话界面极简”。不做复杂的 UI、不做社交功能、不做推荐算法（早期）。就拼装一个对话框，加上基础的用户系统。这让团队能把全力投在”角色体验”和”模型能力”上。
Genspark
搜索 Agent 的 MVP，核心是”搜索 API（现成的）+ Claude/GPT-4（现成模型）+ 对话界面”。Genspark 不需要自己爬取网页、不需要自己训练模型、不需要自己做排序算法。拼装现成的部件，快速验证”AI Agent 搜索”这个假设。
关键成功要素
- 识别”什么可以拼”vs”什么必须自研”：关键是区分”差异化所在”和”基础设施”。基础设施可以拼装，差异化的点需要下功夫。比如 Cursor，编辑器可以拼装，但 AI 对代码的理解能力需要自研。
- 选对开源/API 组件：拼装出来的质量，取决于你选的组件质量。选一个垃圾开源项目或不稳定的 API，会导致整个 MVP 质量低。要选”经过验证、有大社区支撑”的组件。
- 快速验证后要有升级计划：拼装 MVP 通常有性能瓶颈或功能限制。一旦假设验证成功、有了用户和资金，要明确”接下来哪些功能需要自研或优化”。
常见误区
- 拼装太多，反而没有差异化：如果全部拼装，竞争对手也可以用同样的组件拼装，那就没竞争力了。所以拼装应该是”快速验证”的过程，不是长期策略。需要在某个关键点上有自己的创新。
- 为了拼装而忽视用户体验：有些团队用拼装作为借口，做出来的产品体验很差。拼装只是手段，最后还是要追求好体验。比如 Cursor 的 Tab 补全体验就很好，不是因为”VS Code 有这个”，而是 Cursor 精心打磨了这个交互。
使用此打法的产品详解
标杆案例
Cursor - 最极致的拼装案例 Fork VS Code 的完整架构，集成 OpenAI/Claude API，在最短时间内验证”AI 编程助手”假设。体现了”不拼核心体验，只拼基础设施”的精髓。
Lovable - Web UI 生成的教科书案例 React + Claude API + 简单编辑器的最小化组合，用最少的自研代码验证了”AI 能生成靠谱 UI”。
经典案例
Zapier - 工作流自动化的集成者 本质是”连接器的连接器”——不自己做任何产品，只拼装已有的 API。通过 API 互补的生态获得增长。
Bubble 和 FlutterFlow - 低代码拼装 用开源前端框架 + 拖拽界面，让非开发者快速拼装应用。体现了”用 UI 隐藏复杂性”的拼装思路。
Supabase - 后端即服务的拼装器 PostgreSQL + 开源认证库 + 实时同步，快速拼装出”Firebase 替代品”。
中国案例
Dify - Agent 工作流的无代码平台 用 LLM + 向量数据库 + 工作流编排的拼装，让用户不需要编程就能构建 AI 应用。体现了”拼装的民主化”。
Coze（字节豆包）- Agent 快速构建 拼装式的 Agent 开发，通过简单配置而非编码，快速验证 Agent 的商业价值。
反面教材
某些”过度拼装”的产品 - 没有差异化的拼装陷阱 全量拼装 API 和框架，导致竞品也能在 1 周内复制。缺乏”自研差异化点”，最后成为红海产品。
搭配打法（WHY）
为什么搭配 关键功能聚焦？
拼装 MVP 的前提是知道什么是核心功能。关键功能聚焦决定了”哪些必须自研、哪些可以拼装”。Cursor 知道”AI 代码理解”是差异化，所以只拼装编辑器。
为什么搭配 开源颠覆？
开源颠覆是”找到开源项目中的空白”，拼装打法是”快速组装来填补这个空白”。两者的结合：识别（开源颠覆）→ 执行（拼装打法）。
为什么搭配 开源合作？
拼装出的 MVP 成熟后，反过来可以开源某些组件，从”使用开源”变成”贡献开源”，形成社区正循环。
在传统企业中的体现
金融科技公司的快速原型 面对”我们需要一个新的风控模型应用”需求时，不用花 3 个月从零开发。用 Supabase 做后端、用 Flutter 做端、用现成的风控引擎，1 个月快速验证这个业务假设是否成立。
传统制造企业的 IoT 应用快速验证 不用自己做云平台。用 Vercel 做应用层、用 Firebase 做数据层、用已有的 IoT SDK，快速验证”这个工厂数据应用”是否有价值，再决定是否自研深化。
零售企业的 AI 应用实验 用 Dify 这样的无代码平台，快速为门店客服、导购组装一个”AI 话术助手”。验证效果后，再考虑定制化开发。