Notion被这2人玩成AI创业引擎：1个想法自动生成产品全案

你有多少个创业想法死在"先调研一下"这一步？

开发者圈子里有个黑色幽默：GitHub仓库里躺着137个star为0的side project，每个都始于凌晨三点的灵感，终于第二天的竞品分析。Notion里堆满半成品的PRD（产品需求文档），最后连自己都懒得点开。

两个开发者搞了个叫Founder OS的东西，直接把这套流程塞进Notion。输入一句话的想法，AI自动跑完市场调研、竞品分析、排期表、进度看板。demo视频里，从"做个AI简历筛选工具"到生成完整的甘特图，用了不到4分钟。

从137个僵尸项目到1个自动流水线

创始人之一的背景很典型：做过PM（产品经理），创过业，深知那个痛点——想法到执行之间，隔着无数张打开的浏览器标签页。

他说过一句话：「大多数想法死在规划阶段，不是因为难，是因为摩擦太大。」

你得先去Product Hunt翻有没有类似产品，再去Crunchbase查融资情况，打开Notion建个数据库，换个工具画甘特图，最后发现三个工具的数据对不上。 momentum（ momentum）就这么没了。

Founder OS的解法粗暴但有效：把Notion当成中央处理器，所有环节围着它转。

用户只需要在Notion数据库里丢一句话的想法，剩下的交给MCP（模型上下文协议）服务器调度——AI规划服务负责拆解任务，研究服务自动爬竞品信息，Notion集成服务把结果格式化成表格、图表、看板。

架构图很清晰：MCP Server当控制器，下面挂三个专职服务。没有单体应用的臃肿，各干各的，通过标准协议通信。

竞品分析从3小时变成3分钟

系统跑出来的竞品分析长什么样？

不是那种"市场很大、竞品很多"的废话报告。Founder OS会生成结构化对比表：竞品名称、核心功能、定价策略、目标用户、差异化空间，直接标出潜在的blue ocean（蓝海）机会。

数据来源是实时网络搜索，不是调个静态API糊弄事。

更实用的是PRD生成。传统PRD要写背景、目标、用户故事、功能清单、验收标准，动辄十几页。Founder OS的输出直接嵌在Notion里，带格式、带层级、带优先级标签，开发照着拆任务就行。

roadmap（路线图）部分用了Mermaid.js画甘特图，里程碑、依赖关系、时间线一目了然。进度看板则是基于Notion数据库自动计算的完成百分比，实时刷新。

整个流程闭环：Idea → 市场研究 → PRD → 路线图 → 进度追踪。五个节点，全自动流转。

MCP协议：被低估的连接层

这套系统的技术选型有个值得注意的细节：MCP（模型上下文协议）。

这是Anthropic去年推出的开放标准，目的是让AI模型能安全地连接外部数据源和工具。Founder OS把它当成系统总线在用——Notion是数据层，各个AI服务是计算层，MCP负责翻译和调度。

这种架构的好处是模块化。想换个LLM（大语言模型）？改MCP Server的配置就行。想加个新功能，比如自动生成融资BP？新建一个服务，接入同一个MCP总线。

创始人没有公开技术细节，但从demo推断，研究服务大概率用了搜索API+网页解析的组合，PRD生成依赖长上下文模型，Notion集成则走官方API做块级操作。

没有炫技，全是工程实用主义。

工具自动化 vs 思考自动化

Founder OS参加的是Notion官方举办的MCP挑战赛。这个比赛本身也说明趋势：Notion正在从"更好的文档工具"往"AI工作流平台"转。

但有个边界值得讨论。系统能自动生成竞品分析，但它判断"差异化空间"的逻辑是什么？是基于关键词匹配，还是真能理解产品定位？demo里看到的对比维度很标准，但创业早期的关键洞察往往来自非结构化信息——一个用户吐槽、一次线下访谈、某个边缘技术的突破。

这些AI暂时抓不到。

创始人自己也承认：「系统解决的是执行摩擦，不是判断质量。」换句话说，它能帮你把60分的想法快速落地成60分的产品，但100分的想法从哪来，还得靠人。

不过对目标用户——那些"有想法但卡在规划阶段"的开发者——这个定位刚刚好。与其在完美计划和零行动之间纠结，不如先跑起来，用真实反馈迭代。

Founder OS目前还是项目形态，没有商业化信息。但类似的需求已经在验证：垂直领域的AI Agent（智能体）、自动化工作流工具、Notion插件生态，这几个方向今年都在升温。