用途：该技能应用“迭代而非完美——AI产品的渐进式改进”方法论，帮助团队在AI产品开发中避免因追求完美而推迟上线，转而先发布“足够好”的版本，再通过真实用户反馈持续迭代。
主要能力：提供实用指导、问题诊断、工作流设计、决策支持与行动计划。核心理念包括：完美不可达，100%准确率通常不可能；真实反馈比实验室完美更有价值；先发布MVP，用真实数据驱动改进；数据飞轮只有产品上线后才能启动。
使用方式：执行步骤为——与团队和业务方协商定义MVP最低标准；将标准量化为具体指标作为发布门槛；上线前设计用户反馈收集机制（错误报告、满意度评分、使用数据）；达到门槛即发布；基于反馈和数据制定下一轮改进计划；持续循环迭代。完成标准是产品已上线、反馈通道已建立、下一轮迭代计划已制定。
适用场景：团队一直打磨模型却迟迟不上线；业务方要求功能完备后才允许发布；团队纠结于几个百分点准确率提升而错过发布窗口。语言信号包括“还没准备好”“再优化一下”“等准确率再高一点”“功能还不完善”“再测试一段时间”“再打磨打磨”。
限制：不适用于安全关键系统（医疗、航空须上线前达到极高标准）、品牌首次发布（MVP可能损害品牌形象）、法律合规要求（某些功能必须完整才能合法运营）。失败模式包括用“迭代”掩盖懒惰、发布后不建立反馈通道、频繁大改、没有迭代计划。资料未讨论如何平衡快速上线与品牌风险，建议知名品牌采用小范围灰度测试降低风险。相关技能：ml-workflow（依赖）、statistical-acceptance（组合）、start-small-find-partner（组合）。