Agent 原生 BML
沒有 Agent 的 BML 循環最少一個月；把 Build-Measure-Learn 每個環節都交給 Agent 執行後，你的角色從執行者變成設定目標、審核結果的老闆。
你學過 Build-Measure-Learn。
或者至少聽說過：做一個最小版本，測試，看數據，從數據學習，改進，再做一次。精實創業的核心迴圈。
但你有沒有算過，這個迴圈跑一次要多久？
傳統 BML 的速度限制
沒有 Agent 的情況下：
Build，做出 MVP，一到四週。Measure，等夠多人用過，一到兩週。Learn，分析數據、找洞察、調方向，又一到兩週。
一個循環，最少一個月，通常兩三個月。一年跑四到八個。
這個速度在 AI 之前是合理的，因為每個環節都需要人力，人力是瓶頸。
現在，人力不再是瓶頸了。
Agent 原生 BML
Agent 原生 BML，是把循環的每個環節都交給 Agent 執行的版本。你的角色從「執行每個環節的人」，變成「設定目標、審核結果、決定方向的老闆」。
Build：Claude Code 寫程式，Agent 生成落地頁文案、電子報、社群內容。你決定方向，它執行。原來一週，現在一天。
Measure：資料收集自動化，Agent 每天整理數據、每週生成報告、標注異常。你不用拉數據，只需要讀報告。原來兩週，現在 24 小時就有初步信號。
Learn：Agent 把數據和你的假設對比，找出哪些成立、哪些沒有，提出下一輪的調整建議。你做最終判斷，分析草稿是 Agent 準備的。原來一週，現在一小時。
一個循環從幾個月壓縮到幾週。一週跑一輪，在過去不可能，現在是可以規劃的節奏。
一週的具體節奏
週一（30 分鐘）：看上週報告。 Agent 已經準備好：關鍵數字、表現最好和最差的內容、需要注意的異常。
週二（1 小時）：決定本週方向。 根據數據，決定本週測什麼——放大有效的，還是調整無效的。你做決定，寫成 Agent 能執行的指令。
週三到週五（每天 15-30 分鐘）：確認執行品質。 Agent 在跑。你每天快速確認輸出：有沒有明顯錯誤？有沒有偏離方向？有就更新指令重跑。
週六（可選，15 分鐘）：記下本週觀察。 隨手記下什麼讓你意外、什麼和預期一樣、什麼想下週測試。這些觀察是下週 Learn 的原料。
一週 BML，你的實際投入：三到四小時。
剩下的，Agent 在跑。
從驗證產品，到優化系統
傳統 BML 主要驗證產品：這個產品有沒有市場？
Agent 原生 BML 的用途更廣——它優化你的整個 AI 一人公司：
這個 Blog 主題方向對不對？（內容 BML） 這個電子報的轉換率能不能提高？（行銷 BML） 這個 Agent 的輸出品質穩不穩？（系統 BML） 這個定價對不對？（商業模式 BML）
每個都有假設，都在測試，都有 Agent 在收集和整理數據。你不是在跑一個 BML，是在同時跑多個——因為每個循環的執行成本都極低。
今天的第一步
選你現在最想驗證的一個假設。
「我的讀者對這個主題有興趣」「這個定價他們會買單」「這個 Agent 流程穩定到可以放心讓它跑」——都可以。
寫下來，然後問自己：
「我要怎麼知道這個假設成不成立？什麼樣的數據是我要看的？」
這個答案，就是你第一個 Agent 原生 BML 的 Measure 環節設計。
下一章，我們來看當你同時跑 10 個 BML，會發生什麼事。