点击上方 程序员成长指北，关注公众号
回复1，加入高级AI交流群

---

全文约 2 万字，含 20 个实操练习，建议收藏

---

unsetunset导语unsetunset

2026 年 5 月15日，Anthropic 在其官方博客悄然发布了一份重磅文档——《The Founder's Playbook: Building an AI-Native Startup》（创始人手册：构建 AI 原生创业公司）。这份长达 36 页的 PDF，系统性地阐述了在 AI 时代如何从零开始构建一家创业公司。

这不是一份泛泛而谈的趋势报告，而是一本实操手册。它重新定义了创业的四个核心阶段——Idea（想法）、MVP（最小可行产品）、Launch（发布）、Scale（规模化），并针对每个阶段给出了明确的目标、退出标准、常见失败模式，以及如何利用 Claude 系列产品（Chat、Claude Cowork、Claude Code）来加速推进。

为什么这份文档值得关注？

首先，它来自 Anthropic 官方。作为 Claude 的缔造者，Anthropic 对 AI 工具的能力边界有着最深刻的理解。这份文档代表了他们对"AI 如何改变创业"这一命题的系统性思考。

其次，它的核心观点足够颠覆：**创始人的角色正在从"执行者"转变为"AI agents 的协调者"**。过去，技术创始人写代码，非技术创始人跑业务；现在，这条界限正在消融。一个从未写过代码的人可以用 Claude Code 构建生产级应用，一个不懂商业的技术人员可以用 AI 生成完整的市场策略和融资材料。

第三，它足够务实。文档中充满了可直接执行的 Exercise（练习），从如何用 Claude 压力测试你的创业假设，到如何设计客户访谈问题，再到如何在 MVP 阶段避免 AI 技术债务——每一个建议都指向具体的行动。

本文是什么？

本文是对这份官方文档的完整解读。我们将按照原文的章节结构，逐一拆解其核心观点、方法论和实操建议。所有的 Exercise 都将完整保留，帮助你在阅读后直接付诸实践。

如果你正在创业，或者正在考虑创业，这份指南值得你花时间读完。

让我们开始。

---

unsetunset第一章：2026 创业生命周期，重新启动unsetunset

AI 正在重塑创业公司的构建方式。

今天，从未写过一行代码的创始人正在交付生产级应用；精干的 10 人独角兽公司，已经从励志故事变成了刻意为之的战略选择。

在 2026 年，AI 可以编写生产代码、进行市场调研、综合竞争格局分析、起草投资材料、自动化运营工作流。通过消除那些曾经让经验丰富的技术创始人也头疼的陡峭学习曲线——整合工具、平台和系统以将想法变为现实——AI 最重要的贡献是拉平了"谁能创业"的竞技场。

好想法比以往任何时候都更有价值

在 2026 年，一个好想法能让创始人走得比以往任何时候都更远。

Agentic coding（智能体编程）将过去需要一个工程团队才能完成的工作，压缩成创始人自己就能交付的任务。

传统的创业增长路径假设，从想法到规模化是这样一条路：

验证 → 融资 → 招人 → 构建 → 再融资 → 增长 → 再招人 → 重复

现在，AI 已经打破了"每进入一个新阶段就需要更大团队、不同技能组合和新一轮融资"的预期。

本手册的目的

这份手册根据这些新现实，重新绘制了创业旅程的四个核心阶段（Idea、MVP、Launch、Scale）的地图。我们将探讨：

• 当 AI 成为技术和组织发展的核心时，每个阶段是什么样子

• 每个阶段应该使用什么工具

• 使用这些工具的创始人如何压缩时间线

如果你准备好绘制从想法到退出的最短路径，请继续阅读。

---

unsetunset第二章：成为创始人意味着什么，正在改变unsetunset

过去，创始人由他们"能做什么"来定义：技术创始人写代码，非技术创始人负责业务运营和成交。

但 2026 年创始人可用的模型、系统和 AI agents，已经打破了"能构建的人"和"有想法值得构建的人"之间的壁垒。

创始人角色的根本转变

AI 原生创业公司正在从根本上改变"成为创始人"的含义：

• 没有工程背景的人，现在可以构建生产级软件，将他们的想法变为现实

• 技术精湛但缺乏商业知识的创始人，可以轻松生成市场进入策略、财务模型和高度精美的路演材料

从执行者到协调者

历史上，创始人的大部分时间都花在执行模式上：写代码、管理团队、处理日常运营工作。

在 AI 原生创业公司中，创始人的角色变得更少是"个人贡献者"，更多是 **"agents 的协调者"**——这些专业的 AI 助手可以读取文件、运行命令、执行代码，甚至浏览网页。

创始人的注意力向上移动到更高阶的工作：产生想法，并指挥执行这些想法的系统（AI agents、工具，以及存在的小团队）。

AI 最革命性的结果

AI 作为核心基础设施最具革命性的结果，是解放了拥有专业领域知识的非技术创始人。

当创始人群体扩展到工程背景之外，你会看到创业公司由拥有截然不同生活经验的人创建，他们正在解决传统技术创始人管道从未优先考虑（甚至可能从未注意到）的真实问题。

AI 工具的三大核心能力

传统创业模式假设你需要雇佣工程师来构建、销售人员来销售、运营人员来管理业务。人数曾被视为组织动力和产品成熟度的标志。

2026 年的早期创业公司截然不同。它们在设计上就是极度精简的，通常只有创始人一人或几个人的小团队。通过将技术和组织发展都以 AI 为基础设施，它们可以在扩大团队之前就达到产品验证、早期收入，甚至盈利。

AI 帮助创业公司像更大组织一样运作的三个关键领域：

1. 对话式智能与研究

定位：每个领域的随叫随到专家

想想创始人在第一年需要知道但几乎肯定不知道的一切：

• 我该如何设置工资单？

• 我该如何规划产品开发冲刺？

• 我该如何起草一份紧凑的投资人备忘录？

这类早期创业问题过去都有同一个答案：找一个懂的人。对于自筹资金或种子前的创始人，这可能意味着花时间收集知识而不是构建产品，或者可能需要用早期资金的一大块来请顾问。

现在，他们拥有 AI 作为每个可想象领域的随叫随到专家：

• 深度研究：竞争分析、市场规模估算、财务建模

• 文档起草：路演材料、案例研究、投资人备忘录、PRD（产品需求文档）

• 战略思考伙伴：魔鬼代言人分析、事前验尸、场景规划、路线图优化

2. 智能体编程（Agentic Coding）

定位：永远在线、永不受阻的工程师

构建软件过去需要技术联合创始人、外包开发公司，或者足够长的资金跑道来在写第一行生产代码之前雇佣工程团队。

智能体编程工具现在允许每一个有抱负的创始人用自然语言描述他们想构建什么，并指导 AI 以全工程团队的速度和规模来生成、测试、调试和重构生产级代码库。

从"我有一个想法"到"我有一个产品"的时间线已经被压缩。创始人的角色现在集中在构建什么以及为什么构建，而 AI 处理为真实用户准备好的真实基础设施的实际建设。

3. 工作流自动化

定位：按需自动化的运营团队

即使创始人可以像顾问一样研究、像工程团队一样构建，仍然有一整类工作超出了战略规划或产品开发的范围，但仍然必须完成：

• 日程安排

• 更新 CRM

• 拉取周报

• 保持文档更新

• 发布内容

• 跟踪合规要求

• 管理公司运行所依赖的工具和系统之间的连接组织

在精简的创业公司中，这些负担主要落在创始人身上——这对本应用于更高阶决策的时间和注意力是一项重大税收。

使用 AI 工具的工作流自动化可以减轻这种税收：

• CRM 在交易推进时自动更新

• 周报自动生成

• 产品文档与产品变更同步更新

关键是，Claude Cowork 与创业公司运行所依赖的互联系统集成——你的项目管理工具、通信工具栈、数据源——而不需要有人来构建和维护这些集成。在 Day Zero 创业公司中，这个"有人"几乎总是创始人。

时机和协调是一切

有效利用 AI 研究、自动化和智能体编程能力的创始人，可以构建一个杠杆率远超其人数所暗示的创业公司。他们还可以将大部分时间和带宽用于真正重要的工作。

但这些工作不会自动发生；协调这些 AI 工具的创始人需要知道如何（以及何时）应用它们。

本手册的其余部分致力于探索创始人在遵循 AI 原生创业路径时将遇到的目标和挑战，以及如何在旅程的每个阶段有效地应用 AI 工具。

Claude 产品矩阵：选择正确的工具

AI 让创业创始人更容易更快地交付、自动化繁琐的工作流、并大规模运营，但使用哪个界面很重要。以下是根据手头任务何时使用 Chat、Claude Cowork 或 Claude Code 的指南：

Chat 用于快速交流，无需离开你已经在使用的应用。用它来处理运营公司的持续小任务：

• 从密集的投资人备忘录中提取一句话要点

• 在董事会会议前核实一个说法

• 理清团队的一长串 Slack 讨论

Claude Cowork 用于真正需要时间的知识工作：从多个来源拉取信息、理解它、并产出成品，如文档、演示文稿或电子表格。比如：

• 将一个文件夹的客户电话记录转化为下次产品评审的主题发现文档

• 在融资前从十几个供应商网站构建竞争格局

• 一个固定的周一早间任务，从你连接的工具中拉取指标，并将周 KPI 简报放入共享文件夹

Claude Code 是团队工程师的智能体编程环境：直接访问代码库、Plan Mode、git 集成、以及本地、IDE 或沙盒云环境。这是精简团队在不断增长的代码库中交付功能、从 MVP 时代迁移遗留代码、以及在无需等待更多人手的情况下从原型走向生产的地方。

如果任务是...	使用	原因
一个问题、一次改写、一个快速头脑风暴	Chat	快速、对话式、无需设置
从你的文件和系统构建的研究、分析或成品文档	Claude Cowork	文件夹访问、连接器、技能、定时运行
编写、测试或交付软件	Claude Code	代码库访问、差异对比、git、开发环境

三者共享底层的同一个 Claude；改变的是围绕它的工作空间。

---

unsetunset第三章：Idea 阶段——验证先于构建unsetunset

每一个创业创始人都从同一个地方开始：一个他们无法停止思考的问题。

这是创业阶段中想法与现实相遇的时刻：2026 年的创业成功需要在证据支持之前不构建的纪律。

这个阶段的工作是研究、客户发现、竞争分析，以及对反面证据的诚实评估——所有这些都要在让 Claude Code 生成第一行生产代码之前完成。

Idea 阶段目标

在 Idea 阶段，创始人的主要目标是研究导向的验证：在投入资源构建之前，收集确凿证据证明一个真实问题存在（并且你提出的解决方案能够有效解决它）。

实际上，Idea 阶段是创始人必须按大致顺序回答的一系列问题：

1. 这个问题是否真实、具体、且频繁到足以围绕它构建？

2. 到底是谁有这个问题，这是一个市场吗？

3. 有没有其他人在解决它，如果有，如何解决以及解决得如何？

4. 一个解决方案实际上需要做什么才能解决这个问题，我的想法能做到吗？

这些探询的结果加起来回答一个终极问题：这值得构建吗？

这意味着在行动之前要变得具体。"人们在费用报销方面有困难"是一个观察。而"中型市场公司的财务经理每周花 4 个多小时核对提交，因为他们目前的工具没有与会计软件集成"是一个可测试的假设。

Idea 阶段退出标准

Idea 阶段的退出条件是找到问题-解决方案契合（Problem-Solution Fit）。你已经建立了定性证据，主要来自与真人的对话，证明你在开始构建之前就在为真实的人解决真实的问题。

当你能对以下三个问题都回答"是"时，你就准备好离开 Idea 阶段了：

1. 问题是否真实且具体？ 肯定地回答这个问题要求你能准确说出谁经历这个问题、他们多频繁遇到它、它对他们影响有多严重、以及他们目前如何处理它。

2. 你的解决方案是否解决了实际问题？ 不是你最初假设的问题，而是验证过程揭示的问题。有时这两者是一样的，但并不总是如此。

3. 你是否有足够的信号来证明构建是合理的？ 在这个阶段你永远不会有确定性，等待确定性本身就是一种失败模式，但你需要足够的定性证据，使承诺 MVP 是一个理性的决定而不是信仰的行为。

Idea 阶段的常见挑战

Idea 阶段是创业旅程中最重要工作发生的地方，因为这是最具后果性的错误发生的地方：现在搞错一些东西可能会迅速让你的新兴事业脱轨。

大多数构思阶段的挑战都涉及比你的理解所能支撑的更快地前进，因此那些谨慎和深思熟虑地推进的创始人将会经历稳步进展。

挑战一：把构建误认为验证

问题所在： 当技术障碍被移除时，一个充满热情的创始人有可能跳过创业旅程中最重要的工作：验证他们的想法确实是人们需要和会使用的解决方案。

即使在当前智能体编程时代之前，42% 的创业公司失败是因为它们构建了没人想要的东西。现在，Claude Code 等智能体编程解决方案已经大幅缩短了"我有一个想法"和"我有一个产品"之间的距离，这个失败率只会攀升。

虽然现在是有好想法的创始人的最好时代，但快速且轻松地搭建一个看起来像产品的原型，也反直觉地为 AI 原生创业公司带来了真正危险的存在性风险。

直到最近，构建还需要真正的开发时间和预算，即使是一个基本的原型通常也需要几个月。现在技术开发的障碍基本消失了，AI 让创始人太容易在没有验证其在现实世界中的效用的情况下直接跳入构建。

达到问题-解决方案契合需要先验证假设再构建，但许多首次（甚至有经验的）创始人错误地认为 AI 绕过了这个要求，把流程变成了：有一个想法 → 立即构建原型 → 把原型的存在当作验证。原型成为相信假设一直是正确的理由，而从未测试它是否真的正确。

一个能工作的原型很容易被误认为是你在解决真实问题的具体证据，但它不是。 你的原型反而应该作为与潜在用户对话的有用压力测试道具。这些对话本身才是真正的证据。

挑战二：过早扩展

问题所在： 当构建毫不费力且即时完成时，你可能会在商业需求验证之前就扩展执行。

过早扩展意味着在你真正验证路径值得承诺之前就承诺一条产品路径。

这一直是创业杀手，但 AI 已经让创始人更容易在没有注意到的情况下落入过早扩展的陷阱。智能体编程助手如此强大，以至于在没有有意识地决定偏离航线的情况下，执行很容易就能远远超过验证问题-解决方案契合。

它会以完全相同的热情围绕一个根本有缺陷的前提生成、测试、调试和重构代码库，就像它对待一个好想法一样。系统中的智能是你的。 这个阶段的首要指令是让你的理解领先于你的构建——特别是当构建如此快速且感觉如此轻松的时候。

挑战三：丧失客观性

问题所在： 让 AI 工具寻找支持你已有信念的证据，它就会找到。确认偏误现在有了一个研究引擎。

确认偏误一直是创业的职业风险：创始人天生对他们的想法充满热情。现在，AI 工具给确认偏误带来了显著的增强。让 AI 验证你的创业想法，它会找到支持证据；让它估算你的潜在市场规模，它会找到让你的 TAM（Total Addressable Market，总可寻址市场）看起来可融资的数字。

AI 遵循你的指导，这意味着一个不问难题的创始人现在可以比以往任何时候都更快地为一个坏想法构建一个精心设计的、看起来研究充分的案例，同时完全相信他们实际上是在进行尽职调查。

解药是同一个工具，只是指向相反的方向：AI 会像验证一个想法一样彻底地压力测试一个想法。当研究和结构化的对抗性思维表明你的想法需要修正的证据时，这就是转向的信号。

Claude 如何帮助 Idea 阶段的创始人

通过 Idea 阶段推进你的 AI 原生创业概念可能感觉需要很长时间。你是一个创始人，你只想构建。

但这个至关重要的启动阶段从根本上是一个研究和验证练习，这意味着在全力投入写代码之前，要使用帮助你更严格思考的工具。

以下是使用 Claude 跨其产品界面（Chat、Claude Cowork 和 Claude Code）尽快通过 Idea 阶段同时进行适当尽职调查的方法。

定义和压力测试问题假设

你自己的领域专业知识和前期研究已经产生了一个假设。第一项工作是磨练它直到它真正可测试。

Claude 在这里特别有用，因为它能迫使你变得具体：到底是谁有这个问题，多频繁，多严重，他们目前如何处理它？一个无法精确回答这些问题的问题陈述还没有准备好被验证。

练习：与 Claude 合作磨练你的问题陈述，直到它成为一个可测试的假设。

例如，"合同审查时间太长"是无法有意义地测试的。但"中型市场公司的内部法务团队每个合同审查周期花 3 天以上，因为修订在电子邮件线程中管理，而不是在单一版本控制文档中"是非常可测试的。

你的下一步是让 Claude 反驳你的想法，并找到反驳你假设的证据。这可以暴露消极的市场信号、失败的竞争对手、客户行为模式和结构性障碍——这些在支持性综合中会被悄悄降低优先级。

目标是在已经用最强有力的反驳论点压力测试了你的假设之后进入客户发现，这样信息性的用户访谈才是真正开放式的，而不是寻求确认。

注意：使用 Claude 作为结构化的魔鬼代言人是 AI 创业生命周期每个阶段的核心用例。

市场研究和竞争格局绘制

评估你的竞争对手

有一种创业特有的现象叫做竞争对手忽视（Competitor Neglect）：过于专注于自己的愿景和执行，以至于系统性地低估了同一领域其他人在做什么。

幸运的是，AI 提供了解药：让 Claude 做出最有说服力的论证，说明为什么这个解决方案领域的竞争对手会成功而你不会。

Claude 可以分析为什么他们的方法实际上更好，为什么客户会选择他们，为什么你潜在的差异化因素可能不如你想象的那么具有防御性。

练习：让 Claude 按层级绘制你的竞争格局

包括：直接竞争对手、间接竞争对手、潜在收购方、以及可能进入你领域的相邻玩家。

然后让它论证为什么每个层级对你的成功构成真正的威胁，而不仅仅是最容易忽视的威胁版本。

市场研究

Claude Code 可以综合公开可获得的客户反馈，以揭示反复出现的抱怨和未满足的需求。额外好处：这样做本质上是对你竞争对手客户的免费定性研究。

练习：指导 Claude Cowork 综合你关键来源中的竞争对手评论，并识别现有解决方案尚未解决的主要抱怨。

如果你的假设解决了其中一个或多个，那就是问题-解决方案契合的强有力证据。如果没有，这也值得知道。

Claude Cowork 还可以从密集的行业报告、分析师文件和市场研究文档中提取相关信息和数据；然后，这些干净的、综合的输入成为 Claude 分析工作的理想上下文。

练习：从公开可获得的数据构建 TAM/SAM/SOM 模型，并压力测试其背后的假设。

识别市场是在扩张、整合还是成熟；这个背景会影响你如何思考时机和差异化。

绘制买家格局：谁掌握预算，谁影响决策，这两者是否是同一个人。

趋势分析

最后，使用 Claude 来倾听早期指标，告诉你是否在正确的时机进入。跟踪关于你问题的对话已经在发生的 subreddits 和 LinkedIn 群组，以及用户在描述他们问题时使用的确切语言。

让 Claude 识别类似市场中类似问题被解决的情况，并提取什么有效什么无效。揭示可能加速或威胁机会的监管、技术或人口趋势。

练习：让 Claude 识别三个外部趋势——监管、技术或人口方面——可能在未来两年内显著影响你的市场，并评估每一个对你具体假设是顺风还是逆风。

注意：本节中的市场研究和竞争格局绘制工作不是一次性练习。你将在 MVP 和 Launch 阶段继续做出发现并发展你的思考，因此每当你的假设演变时，重复这些练习很重要。

规划和设计客户发现

通过与产品潜在用户交谈所学到的内容质量，由以下因素决定：(1) 你问的问题的质量，以及 (2) 你是否在向正确的人提问。

Claude 对进行客户发现特别有帮助，包括与谁交谈、问什么、以及如何理解你听到的内容。

与谁交谈

精确的目标画像比长长的联系人列表有价值得多——包括最可能强烈体验问题的具体职位、公司类型、团队结构和资历级别。

从那里，识别这些人实际上在哪里可以接触到——他们聚集的社区、活动、LinkedIn 群组和 Slack 工作空间——并根据他们与问题的接近程度建立优先接触谁的框架。

问什么

定义了目标后，使用 Claude 来构建访谈框架本身：正确的问题，以正确的顺序，结构化以揭示人们实际做什么而不是他们认为他们会做什么。

新手创始人的错误是问一个关于未来的通用、开放式问题（"你会使用这样的东西吗？"）而不是具体询问相关的过去（"告诉我上次你处理这个问题的情况。"）

Claude 可以标记你的草稿问题中哪里在引导受访者、太宽泛、或者可能产生噪音而不是信号。Claude 还可以帮助你设计跟进问题，以探究搪塞或深入挖掘重要问题的模糊答案。

如果你的假设涉及不止一个角色，Claude 也可以为每个角色设计不同的问题集。财务经理和 CFO 与同一问题有不同的关系，单一的访谈框架会抹平这种区别。

练习：先手写你的访谈问题，然后让 Claude 审核它们。

具体让它标记任何引导性的、面向未来的、太宽泛的、或可能产生社会期望答案而非诚实答案的问题。

然后让它为访谈中最可能产生搪塞的两三个时刻建议跟进探询。

访谈后分析

每次对话后，使用 Claude 来复盘：输入你的笔记并让它识别什么确认了你的假设、什么挑战了它、以及什么是真正令人惊讶的。

一旦你收集了一批访谈，通过 Claude Cowork 运行你完整的访谈笔记集，以揭示反复出现的主题、矛盾和两个方向上最强的信号。

然后把那个综合输出带回 Claude，让它标记你对数据的解读是否可能在模式匹配你想听到的东西而不是实际存在的东西。

练习：每五次访谈后，指导 Claude Cowork 综合你的笔记并产出两个列表：支持你假设的证据，和挑战它的证据。

如果第一个列表明显比第二个长，让 Claude 判断这种不对称是否反映了数据中实际存在的东西——还是你希望找到的东西。

客户拓展和日程安排

使用 Claude Cowork 自动化围绕建立联系人列表、运行拓展和安排用户访谈的运营工作。

Claude Cowork 可以使用你用 Claude 定义的目标画像（包括职位、公司类型和资历级别）来研究和编制一个结构化的潜在客户列表和已验证的联系信息。

然后它大规模起草个性化的拓展邮件，根据个人的角色和背景定制每一封。随着回复的到来，它通过 MCP 连接到 Gmail 和 Google Calendar 来管理线程、处理日程安排请求，并把访谈放上日历。

工作流继续，Claude Cowork 在定义的节奏上生成跟进草稿（例如，对未回复联系人的第七天跟进），并在每个步骤完成时更新你的跟踪表，这样你总是知道每个潜在客户在管道中的位置。

练习：给 Claude Cowork 你验证过的访谈目标画像，让它建立一个潜在客户列表、起草个性化的拓展序列、并设置一个跟踪表，包含拓展状态、跟进节奏和访谈完成的列。

然后让它运行协调工作，而你专注于准备对话本身。

设计你的最终解决方案概念

你已经完成了验证工作：问题是真实的，你知道谁有这个问题，你有证据支持的解决方案概念。

使用 Claude 从每个角度发展和挑战你的解决方案概念：差距是什么？存在什么替代方案？这个解决方案要在规模上工作需要什么条件？

这是一个重要的现实检查点：这个设计是否真正解决了验证过程揭示的问题，而不是你最初假设的问题？

练习：向 Claude 展示你的解决方案概念，让它识别你的设计最依赖的三个假设。

然后问每个假设需要什么条件才能成立，以及如果其中任何一个不成立会有什么后果。

用 Claude Code 构建轻量级原型

现在是有趣的部分：有了验证过的假设和压力测试过的解决方案概念，你终于准备好构建一些东西了。

这是 Idea 阶段中 Claude Code 进入画面的时刻。即使你一直在修修补补，现在是你生成官方轻量级原型的时候：把你的想法放在真人面前并获得真实反应所需的最小表面积。

你不是在构建一个真实世界的产品（还不是）；你是在构建一个你想法的功能性样本，用于客户和投资人对话。

真实用户对他们可以实际触碰的东西的反应，会告诉你十几次问题-解决方案发现访谈都无法告诉你的事情。之前，你在确立你要解决的问题是真实的；现在，你在请求潜在用户与提出的解决方案互动。

练习：定义你的解决方案依赖的单一核心交互。指导 Claude Code 只构建那个。

当你有了它，把它放在你验证过的目标画像中的五个人面前，让他们试用。

你在这五次对话中学到的东西决定了你是继续构建，还是回到绘图板。

到达 Idea 阶段的终点是 AI 创业竞赛中的巨大飞跃，因为现在你不是在押注一个直觉；你是在根据证据执行。

现在进入 MVP 阶段，创始人的指导问题从"这值得构建吗？"变成"我们到底应该先构建什么？"，AI 的主要角色从研究伙伴转变为施工队。

---

unsetunset第四章：MVP 阶段——速度与纪律的平衡unsetunset

许多创始人把 MVP 阶段当作一个构建阶段，但 MVP 阶段从根本上仍然是一个证据收集练习。

区别在于，你现在收集的是关于解决方案的证据，而不是问题空间；具体来说，是一个真实的、可识别的群体是否认为它有足够的价值来使用它、回来使用它、为它付费、和/或告诉别人它。

MVP 阶段目标

作为 AI 原生创业公司的创始人，你的目标是将一个验证过的问题转化为真实用户会实际使用的工作产品。

这不是包含每个路线图功能的完整版本，而是你想法的最小、最聚焦的迭代——把真实的解决方案放在真实用户面前，并产生产品-市场契合（Product-Market Fit, PMF）的真实证据。

同时，你现在如何构建决定了以后什么是可能的。这意味着 MVP 阶段有第二个同等重要的目标：快速前进而不积累会复利的技术债务——那种在真实用户大量到来时会困扰你的债务。

最后，从第一天就投资于持久上下文是让 AI 保持为力量乘数而不是熵源的关键。

在 AI 原生创业公司中，你的代码库是你一个会话接一个会话与 AI 协作的东西，这使得可读性成为基础。跳过规格说明、架构决策和上下文文件（如 CLAUDE.md）的创始人会撞上一堵可预测的墙——每个新会话都需要重新解释代码库，AI 生成的变更会偏离原始愿景。

MVP 阶段退出标准

MVP 阶段的退出条件是产品-市场契合的真实证据：证明一个特定的、可识别的用户群体认为产品足够有价值，以至于回来使用它（留存）、为它付费（收入）、或告诉别人它（推荐）。

MVP 阶段的常见挑战

在 MVP 阶段，创始人的首要指令是速度和判断力。这里的挑战集中在你是否能足够快地以正确的方式构建正确的东西，而不走后来会付出代价的捷径。

挑战一：智能体技术债务（Agentic Technical Debt）

问题所在： 因为 AI 本质上移除了曾经控制什么能进入生产的每一个自然瓶颈，速度是有保证的。但当速度是创始人纳入 MVP 构建的唯一变量时，他们有可能积累难以偿还的技术债务。

某些技术债务在 MVP 阶段是适当的，前提是理解它必须在规模化之前得到管理。它逐渐积累，可以随时间清理或在专门的冲刺中清理。

然而，AI 技术债务会复利。

没有写在 AI 可以读取的地方的规格说明和架构约束，每个会话都从头推导基础决策，而这些决策会漂移。你最终得到一个背后没有连贯心智模型的代码库——不是因为任何单独的部分是坏的，而是因为这些部分从未被设计成相互配合。

这是一个真正的问题，而且往往出现得很晚。

挑战二：虚假的产品-市场契合

问题所在： AI 工具可以产生令人印象深刻的早期数字，但这些不能保证市场需要你的产品。

早期动力是创始人能拥有的最具心理力量的体验之一。在数周或数月的验证工作和谨慎、有纪律的构建之后，发布产品感觉像是确认你一直是对的。

智能体编程工具可以帮助你比以往任何时候都更快地到达这一时刻，但早期牵引力不等于产品-市场契合。

发布能量来自短暂的力量——比如你创始人的朋友、你投资人其他投资组合公司的潜在买家、或者一个 Hacker News 头条带来的峰值。不幸的是，这些都不能可靠地预测第六周或第十二周当初始推力消退后会发生什么。

挑战三：零摩擦的范围蔓延

问题所在： 当构建感觉毫不费力且几乎免费时，总是还有一个很酷的功能可以添加或一个边缘情况可以处理。这种范围蔓延可能弊大于利。

范围蔓延一直是创业风险。现在的区别是，反对它的传统制约力量——工程时间的真实成本——在添加一个功能只需要一个下午而不是一个冲刺时，已经不再以同样的方式存在。

这里的挑战是每个单独的添加都是可辩护的。当然产品应该处理那个边缘情况；当然用户会想要那个工作流。这些在当时不像范围蔓延，因为用智能体编程构建每一个都只需要很少的努力，但随着你的产品蔓延超出其原始边界，你有可能失去方向和动力。

解药是在构建开始之前创建的书面范围定义，描述产品做什么、它刻意不做什么、以及什么来自真实用户的具体证据才能证明在这一点上添加新东西是合理的。

挑战四：因缺乏经验而不安全

问题所在： 使用 AI 工具匆忙将应用推向市场而没有首先理解基本安全原则的创始人，最终会让他们的用户面临可预防的风险。

残酷的事实是，智能体编程工具生成的是能工作的代码，而不是天生安全的代码。

功能性代码很容易，因为要么功能工作要么不工作。安全漏洞在被利用之前是看不见的，这意味着没有自然的反馈循环来提醒首次创业的创始人有什么问题。

在任何用户接触你的应用或解决方案之前进行安全审查是发布最小可行产品的最低负责任阈值。

Claude 如何帮助 MVP 阶段的创始人

在构建之前定义你的架构

在 Claude Code 写第一行生产代码之前，使用 Claude 来定义和记录将治理这个阶段构建的一切的架构决策：要遵循的模式、要避免的依赖、正在做的权衡以及为什么。

这个输出将作为一个聚焦的架构上下文文档，并建立 Claude Code 将在其中运作的护栏。

没有这个上下文，每个会话都从头开始，Claude Code 被迫推断自己的结构假设。 让 Claude Code 在没有护栏的情况下构建会产生一个功能性但结构不连贯的代码库，而迭代和扩展不连贯的代码库最终是浪费时间和 token。迟早会有一个代码不可避免地崩溃的点，迫使你从头重建。

练习：在打开 Claude Code 之前，打开 Claude 并描述你正在构建的东西：它解决的核心问题、它服务的用户、以及你在未来六个月内合理预期的规模。

让它帮助你定义应该治理你 MVP 构建的架构原则、给定你约束条件下应该避免的依赖、以及你在这个阶段有意识接受的权衡。

接下来，将这个输出保存为 CLAUDE.md markdown 文件。这是你的架构上下文文档：你构建的第一个工件，也是每个后续会话都依赖的那个。

CLAUDE.md 文件作为 Claude Code 的项目级指令，提供项目特定的上下文和指令，当 Agent SDK 在目录中运行时会自动读取。功能上，它们是你项目的持久"记忆"。

定义和执行你的 MVP 范围

没有摩擦的范围蔓延是 AI 时代 MVP 的定义性失败模式之一。就像你定义和记录产品的应用架构一样，你也需要在构建单个功能之前定义你 MVP 的范围。

Claude 可以帮助你创建一个范围文档，描述你的 MVP 产品做什么、它刻意不做什么、以及功能修正标准：什么来自真实用户的具体证据才能证明在这一点上添加新东西是合理的。

当新功能想法出现时——它们肯定会出现——你使用 Claude 来压力测试它是来自用户的真实信号还是伪装成产品思考的创始人热情。

用 Claude Code 构建你的 MVP

一旦架构和范围被定义，Claude Code 成为主要的 MVP 构建工具。用它来生成、测试、调试和迭代你的代码库，但把每个会话当作你已经做出的产品决策的执行，而不是加入一些新决策的机会。

每个 Claude Code 会话开始时 (1) 重新审视你的范围文档，(2) 向模型提供你的 CLAUDE.md 架构上下文文档。每个会话结束时用会话暴露的任何决策更新它。

目标是一个你能解释其结构的代码库，而不仅仅是一个能运行的代码库。

练习：为你的 Claude Code 工作创建一个简单的会话模板，包括架构上下文文档、这个会话的具体任务、以及任何要遵守的约束或模式。

在每个会话结束时，向上下文文档添加一个简短的日志条目，详述构建了什么、做出了什么决策、以及会话引入了什么假设。

每个会话五分钟的文档是对抗复利成不可管理代码库的架构漂移的廉价保险。

在任何用户接触之前进行安全审查

作为 AI 原生创业公司的创始人，你的责任是知道你代码库里有什么、理解任何潜在的暴露向量、并且不向信任你处理他们数据的真实用户发布明显的漏洞。

Claude 可以对 AI 生成的代码进行有用的初步安全审查，并可以帮助识别常见漏洞。在发布前将其构建到循环中是一个好习惯。然而，它不能替代安全工具，或者在更高风险情况下，不能替代人类审查员。

Claude Code Security 更进一步：它扫描代码库的安全漏洞并建议针对性的补丁供人类审查，揭示传统方法可能遗漏的问题。

练习：在部署给任何真实用户之前，用具体的简报通过 Claude 运行你的核心应用代码：审查认证和会话处理、API 响应中的数据暴露、输入验证和注入风险、以及有已知漏洞的依赖。

认真对待每个发现并评估是否需要修复，对任何涉及认证、秘密或数据处理的东西进行人类审查。

在发布前构建你的度量框架

错误地将早期牵引力识别为产品-市场契合的创始人，通常是那些在发布后才开始跟踪数据的人——使用选择来评估什么在工作而不是暴露什么不在工作的指标。

解药是在第一个用户出现之前建立你的度量框架。

使用 Claude 来定义哪些指标对你的具体产品重要、基准是什么、以及数据中的什么模式会构成真正的产品-市场契合而不是讨人喜欢的噪音。

具体来说：在发布你的 MVP 之前设定你的留存基准、你的激活标准、以及你的第 7 天和第 30 天目标。

接下来，定义对你的具体产品来说什么是假阳性：例如，没有激活的注册、没有留存的收入、或没有重复使用的初始热情。

当数据到达时，让 Claude 对你自己的牵引力做出对抗性的论证：一个怀疑论者会对这些数字说什么？

管理发现和用户反馈后勤

一旦真实用户进入产品，运营层迅速扩展。Claude Cowork 处理重要但繁琐的工作，如构建和维护用户联系人列表、运行拓展序列、安排反馈会议、分类 bug 报告、以及跟踪迭代周期。

在用户反馈收集循环中保留一个人类进行细致的探索。 例如，用户说"这很好但我希望它也能..."需要解读：这是核心需求还是锦上添花？这是特定于这个客户还是代表一个细分市场？缺失的功能是真正的问题，还是入门流程上游的某些东西？没有工具能回答这些问题。

练习：配置 Claude Cowork 来运行你的 MVP 阶段反馈循环：向你的早期用户列表起草拓展、安排反馈会议、设计 bug 报告和功能请求的结构化接收流程、并写出收到内容的周综合。

先自己审查综合；之后，你可以让 Claude 分析信息以捕捉你可能忽略的任何重要点。

朝着证据迭代，而不是朝着完整性

MVP 阶段在你有产品-市场契合的真实证据时结束，无论产品感觉多么"完成"。

宣布你已经达到产品-市场契合并准备好从 MVP 阶段进入 Launch 阶段，最终是一个结合创始人直觉和收集证据的判断练习。不过有一些有用的试金石：

Sean Ellis 测试

问你的活跃用户："如果你不能再使用这个产品了，你会有什么感觉？"如果超过 40% 的人回答"非常失望"，那是一个有意义的 PMF 指标。

努力测试

产品-市场契合之前，留存需要持续干预——包括频繁的拓展、激励、个人跟进、以及为保持用户参与而付出的英勇创始人能量。产品-市场契合之后，产品开始自己做这项工作。当事情开始拉而不是推时，这种努力的转变是最清晰的信号之一，表明有什么真的改变了。

最终，没有单一数据点能确认产品-市场契合，因为这是一个必须在多个迭代周期中保持的模式，然后你才能明确地判定它。

当证据要求时转向

如果，即使投入了所有这些工作，你似乎就是无法达到产品-市场契合怎么办？

你的结果没有确认你开始的方向这一事实不是失败，而是系统在工作：MVP 阶段被设计为在你过度投资于错误答案之前暴露这些信息。

当数据不支持你当前的产品时，使用 Claude 来梳理数据告诉你什么：

• 探索替代客户细分 - 也许没有转化的用户从一开始就不是正确的目标。通常正确的受众已经在你的数据中，只是权重不足。

• 调整你产品的价值主张 - 也许你有正确的受众但你的 MVP 就是没有与用户产生共鸣。对入门、信息传递或核心功能强调的调整可能在不改变你已构建的东西的情况下修复这个问题。

• 保持开放的态度 - 认识到断层可能足够深，需要更根本的改变。

练习：如果你完成了三个或更多迭代周期而没有朝着你的产品-市场契合基准有意义地移动，在决定下一步做什么之前使用 Claude 运行诊断。

输入你的留存数据、你的用户反馈和你原始的问题假设，问它三个问题：

• 这个数据中是否有一个细分市场的反应与其他不同？

• 设计价值和体验价值之间的差距是定位问题还是产品问题？

• 当前产品要找到真正的 PMF 需要什么条件，考虑到你所看到的，这个场景现实吗？

让答案决定你是调整、转向、还是返回 Idea 阶段。

---

unsetunset第五章：Launch 阶段——从牵引力到增长引擎unsetunset

如果说 MVP 阶段是证明你的产品值得存在，那么 Launch 阶段就是证明你的业务值得增长。

Launch 阶段目标

在 Launch 阶段，创业创始人必须将早期牵引力转化为可重复、可持续的增长引擎。

除了让你的产品达到生产就绪状态，你还必须在同时强化其下的基础设施，并围绕你的产品构建一个真正的公司。

在 Idea 和 MVP 阶段，创业公司自然以创始人为中心，因为你需要完整的情境感知和紧密的反馈循环。但现在，仍然试图亲自掌控每一条线索的创始人会成为 Launch 阶段的瓶颈。

目标不是把自己从公司中移除，而是构建运营系统，将你的注意力解放出来用于只有创始人才能做的决策。

Launch 阶段退出标准

Launch 阶段的退出条件有三个要素：

1. 增长是可重复的、渠道驱动的 - 你不仅在留住用户，你还在通过具体的渠道以可理解的单位经济可预测地获取他们：CAC（客户获取成本）、LTV（客户终身价值）和回收期是你知道并能捍卫的数字。

2. 产品能够处理生产级工作负载 - 基础设施已强化，安全和合规已就位，可靠性在真实生产条件下保持稳定（不仅仅是你测试过的条件）。

3. 运营在没有创始人瓶颈的情况下运行 - 流程存在，自动化已到位。你不再是亲自处理支持、分类、冲刺规划或报告的那个人。

Launch 阶段的常见挑战

找到产品-市场契合是早期创业生命周期中最难的问题。现在，创始人的挑战变成了保持它。

Launch 阶段是那些找到真正产品牵引力的公司仍然可能分崩离析的地方——如果围绕和支持产品的组织跟不上的话。以下是需要警惕的失败模式。

挑战一：技术债务到期

问题所在： 为速度和验证而构建的 MVP 代码库运行得足够好，证明了产品有效，但生产流量、新功能和不断增长的复杂性现在正在暴露那些捷径。

在 MVP 阶段，为了速度而积累一些技术债务是合理的权衡。在 Launch 阶段，那些债务开始产生利息，放置不管的时间越长，修复的成本就越高。

解决方案包括：系统性的架构审计以识别结构弱点、有针对性的重构以解决最严重的问题、以及有意义地扩展测试覆盖率，使下一轮功能工作不会重新引入相同的问题。

挑战二：创始人成为瓶颈

问题所在： 在 MVP 阶段，创始人参与每一个循环是一种资产。在 Launch 阶段，随着支持量增长、产品决策堆积、运营复杂性倍增，同样的本能变成了约束。

从亲自做工作到设计做工作的系统，是创业生命周期中最难的转变之一。因为很少有明确的时刻发生这种转变，风险是完全错过它，在组织在你周围停滞时仍然保持构建者模式。

这种情况正在发生的迹象包括：

• 本应花一小时的决策现在花一周才轮到你处理

• 支持请求堆积因为只有你知道答案

• 运营任务只在你亲自记得做时才发生

补救措施是对你亲自处理的一切进行全面审计——从最小的任务到最高风险的决策——以识别什么可以系统化、什么可以委托、什么真正仍然值得创始人的时间和注意力。

挑战三：安全和合规不再可推迟

问题所在： 在 MVP 阶段保持安全和合规措施简单是可以的，但现在，有了真实用户、真实数据，以及可能的企业合同摆在桌上，它变成了负债。

在 MVP 阶段，只有少数测试用户且生产中没有敏感数据，安全漏洞是理论风险。然而，一旦你的产品进入生产并有真实用户依赖它，假设就变成了非常真实的暴露风险。

此外，不适用于原型的合规要求，在你处理客户数据、处理支付或向受监管行业销售时绝对适用。

补救措施是在生产规模到来之前而不是之后进行系统性的安全和合规审查，并将每一个发现都视为必需的修复——而不是建议。

挑战四：准备好之前就扩张

问题所在： 新市场和融资机会看起来像增长机会。它们也可能是产品-市场契合消亡的地方。

你建立的初始牵引力是真实的，但它也是特定于你早期受众的。过早扩张到与原始市场有意义不同的市场，会引入新的用户行为、合规要求、支付偏好和支持期望——而你针对初始市场调优的产品可能会无声地失败。

补救措施是把每一次扩张都当作一个新的小 MVP 阶段：用最小的努力测试假设，在完全承诺之前衡量真实的牵引力，并愿意撤退如果数据不支持的话。

Claude 如何帮助 Launch 阶段的创始人

系统性地处理技术债务

使用 Claude Code 进行结构化的代码库审计，以识别最严重的架构弱点以及如果现在不解决将在规模化时造成损害的脆弱点。让它优先排序发现——不是所有债务都相等，你需要首先关注实际阻碍可靠性或功能速度的债务。

练习：指导 Claude Code 审计你的代码库并生成三个列表：

• 在下一个流量峰值时可能导致故障的可靠性风险

• 减慢每个新功能开发的架构瓶颈

• 在规模化之前需要偿还但不紧急的技术债务

从第一个列表开始。不要试图同时修复所有东西。

构建运营系统以释放创始人时间

Launch 阶段最重要的杠杆转移是从亲自处理运营任务到构建自动处理它们的系统。

Claude Cowork 可以将当前需要创始人注意力的重复性工作转化为可靠运行的自动化工作流：

• 周报从你的工具中提取数据并自行生成

• 客户入职序列在没有手动触发的情况下运行

• 支持分类将工单路由到正确的地方

练习：列出上周你亲自完成的每一项运营任务。对每一项，问：这能自动化吗？这需要人类判断吗？这需要我来做吗？

配置 Claude Cowork 自动化至少三项不需要人类判断但一直占用你时间的任务。

安全和合规审查

在生产规模到来之前进行全面的安全审查。Claude 可以帮助进行初步的漏洞扫描、合规差距分析、以及优先排序需要立即关注的发现。

练习：使用 Claude 进行预规模化安全审查：

• 映射你所有的数据流以及敏感数据存储的位置

• 识别你的主要暴露向量

• 审计你的依赖是否有已知漏洞

• 记录你的安全实践以备合规需求

每个发现都应该有一个所有者和截止日期。

构建可重复的增长引擎

Launch 阶段的增长不是关于病毒式传播或黑客技巧——而是关于找到可重复的、单位经济正向的获客渠道。

使用 Claude 分析你现有的获客数据：客户来自哪里？每个渠道的 CAC 是多少？哪些渠道正在扩展，哪些正在饱和？

练习：让 Claude 帮助你构建一个渠道绩效仪表板，跟踪：

• 每个渠道的 CAC 随时间的趋势

• 每个渠道的 LTV/CAC 比率

• 每个渠道的增长速率和饱和迹象

使用这些数据决定在哪里加倍投入以及从哪里撤退。

---

unsetunset第六章：Scale 阶段——有意识地扩展unsetunset

如果说 Launch 阶段是证明你的业务值得增长，Scale 阶段就是证明你的组织能够支撑这种增长。

找到产品-市场契合已经是大多数创业公司永远做不到的事情。 现在，挑战变成了在不失去让你达到这里的东西的情况下扩大规模。

Scale 阶段目标

Scale 阶段的目标是有意识地扩展组织——以与产品增长相匹配的速度构建团队、系统和基础设施，既不会因过早招聘而过度扩张，也不会因人手不足而限制增长。

这是 AI 原生创业公司与传统创业公司最显著分化的阶段。

传统创业公司把规模化等同于招聘：更多的工程师、更多的销售人员、更多的支持代表。每一轮融资都伴随着人数的预期增长。

AI 原生创业公司以不同的方式思考规模化。招聘是针对 AI 无法完成或不应该完成的工作——需要人类判断力的高风险决策、需要同理心的客户关系、需要创造力的战略思考。其他一切首先考虑自动化。

Scale 阶段退出标准

Scale 阶段的退出标准是：

1. 组织与产品同步扩展 - 你有正确的人在正确的角色上，系统能够处理当前和预期的负载。

2. 增长不再需要创始人直接参与每个决策 - 你构建了一个能够在没有你参与每个细节的情况下运作的组织。

3. 公司已准备好进入下一个阶段 - 无论是更大的融资轮次、收购、IPO，还是可持续的盈利。

Scale 阶段的常见挑战

挑战一：过早招聘

问题所在： AI 原生创业公司的默认状态应该是精简。招聘应该是刻意的、证据驱动的，而不是基于"我们达到 X 收入就需要 Y 人"的传统假设。

过早招聘的风险是多方面的：

• 它增加了烧钱率，缩短了跑道

• 它引入了管理复杂性，分散创始人注意力

• 它可能在文化尚未巩固时稀释文化

• 最关键的是，它可能为 AI 可以更好完成的工作增加人力

在招聘之前问的问题：

• AI 能完成这项工作吗？（如果能，为什么要招聘？）

• 这项工作需要人类判断力吗？（如果需要，哪些具体方面？）

• 招聘这个角色能释放创始人带宽用于更高价值的工作吗？

• 我们有足够的工作来证明一个全职角色是合理的吗？

挑战二：文化稀释

问题所在： 早期团队有机地形成的文化可能在快速招聘中被稀释，尤其是当每个新员工进入时没有人明确传达什么让这家公司与众不同。

AI 原生创业公司有独特的文化维度需要保护：

• 与 AI 工具协作的舒适度和期望

• 对自动化的偏好而不是手动流程

• 精简运营的纪律

• 持续学习和适应的心态

补救措施是在扩大规模之前明确记录你的文化——不是作为墙上的口号，而是作为指导日常决策的具体行为和期望。

挑战三：技术债务的复利

问题所在： 如果 Launch 阶段没有充分处理技术债务，Scale 阶段会让它以指数方式恶化。更多的流量、更多的功能、更多的工程师——每一个都放大了现有架构弱点的影响。

在 Scale 阶段，你可能需要更根本的架构决策：

• 单体应用是否需要拆分为微服务？

• 当前的数据库架构能否支撑 10 倍的增长？

• 现有的部署管道能否支持更大的团队？

这些不是可以用快速修复解决的问题——它们需要有意识的投资和规划。

Claude 如何帮助 Scale 阶段的创始人

招聘决策支持

使用 Claude 来评估每个潜在招聘：这个角色真的需要一个人类吗？如果需要，职责的哪些部分需要人类判断，哪些可以由 AI 支持？

练习：在批准任何新招聘之前，与 Claude 一起完成以下框架：

• 列出这个角色的所有职责

• 对每项职责，标记：AI 可以完成 / 需要人类判断 / 两者混合

• 对于"需要人类判断"的项目，解释具体为什么

• 计算如果用 AI 支持而不是全职招聘，能节省多少成本

只有当人类判断的部分足以证明全职角色合理时才招聘。

知识管理和文档

随着组织扩大，知识管理变得关键。使用 Claude Cowork 来：

• 从 Slack 对话和会议记录中自动提取和组织决策

• 保持文档与产品和流程变化同步

• 为新员工创建入职材料

• 构建可搜索的知识库

练习：配置 Claude Cowork 来每周综合你团队的主要沟通渠道，提取：

• 做出的关键决策及其理由

• 提出的问题和给出的答案

• 出现的模式和重复的主题

使用这些综合来保持你的内部知识库更新。

企业级能力构建

Scale 阶段通常意味着向企业客户销售，这带来了新的要求：更严格的安全审计、合规认证、SLA 承诺、以及更复杂的采购流程。

Claude 可以帮助你为这些要求做准备：

• 起草安全政策和合规文档

• 准备审计响应材料

• 分析企业 RFP 并起草响应

• 构建面向企业的产品路线图

练习：识别你最想赢得的三个企业客户。让 Claude 研究他们的已知安全和合规要求，并创建一个差距分析：你今天能满足什么，需要构建什么才能满足他们的门槛。

---

unsetunset第七章：同样的工作，新的规则unsetunset

创业的核心工作没有改变：识别真实问题、构建解决问题的产品、找到愿意为之付费的客户、以及扩展业务。

改变的是做这些工作的方式。

AI 原生创业的核心原则

回顾本手册涵盖的四个阶段，以下是贯穿始终的核心原则：

1. 验证先于构建

AI 让构建变得前所未有地容易，这使得验证变得前所未有地重要。当任何人都可以快速构建任何东西时，构建本身不再是竞争优势——构建正确的东西才是。

2. 速度与纪律并重

AI 工具可以给你速度，但纪律必须来自你。没有架构约束、范围控制和安全意识，速度只会更快地把你带到错误的地方。

3. 从执行者到协调者

创始人的角色从亲自做工作转变为协调做工作的系统。这不是关于变得更懒惰或更不参与——而是关于把你的注意力放在只有你能做的决策上。

4. AI 是基础设施，不是捷径

AI 不会让创业变得容易；它会让创业变得不同。曾经由资源稀缺强制执行的纪律——有限的开发时间、有限的预算——现在必须有意识地选择。

5. 持久上下文是力量乘数

与 AI 有效协作需要投资于上下文：CLAUDE.md 文件、架构文档、范围定义、会话日志。这些不是开销——它们是让 AI 从随机助手变成一致合作者的东西。

创始人案例分享

在这份手册的研究过程中，我们与多家 AI 原生创业公司的创始人交流，包括 Ambral、Anything、Carta Healthcare、HumanLayer 和 Vulcan Technologies 等。他们的经验反复验证了本手册中的原则：

• 验证阶段投入的时间从未被浪费

• 技术债务的痛苦总是来得比预期更早

• 招聘决策需要比以往更加深思熟虑

• 创始人角色的转变是真实的，也是困难的

下一步

这份手册是起点，不是终点。AI 工具的能力在快速演进，最佳实践也在随之变化。

但基本框架应该保持稳定：

• 每个阶段有明确的目标和退出标准

• 常见失败模式可以预见和避免

• AI 工具在正确的时机以正确的方式应用

如果你正在用 AI 构建创业公司，我们希望这份指南能帮助你更快、更有信心地前进。

开始使用 Claude： https://claude.com/programs/startups

---

unsetunset编者结语unsetunset

这份来自 Anthropic 官方的《创始人手册》是迄今为止最系统、最务实的 AI 原生创业指南。它的价值在于：

1. 框架完整 - 覆盖了从想法到规模化的完整旅程，每个阶段都有清晰的目标、退出标准和失败模式分析。

2. 足够务实 - 充满了可直接执行的练习和建议，而不是空泛的趋势预测。

3. 来源权威 - 作为 Claude 的缔造者，Anthropic 对 AI 工具的能力和局限有最深刻的理解。

但这份文档也有其局限性：

首先，它本质上是一份产品营销材料。Claude Chat、Claude Cowork、Claude Code 贯穿全文，而竞争产品几乎没有提及。真实的创业场景中，你可能会使用多种 AI 工具的组合。

其次，它假设了一个理想化的创始人——有足够的时间和能力来执行所有这些练习、维护所有这些文档、遵循所有这些流程。现实往往更加混乱。

第三，它侧重于方法论而非具体案例。虽然提到了几家公司，但没有深入分享他们的具体故事、失败和教训。

这些局限性将是我们下一篇评论文章的重点。 我们将从更批判的角度审视这份手册：哪些建议可能过于理想化？哪些假设可能不适用于中国市场？哪些重要话题被忽略了？

敬请期待。

---

原文来源： Anthropic 官方博客原文链接： https://claude.com/blog/the-founders-playbook

AI 社群

我组建了一个氛围特别好的 AI 社群，里面有很多 AI Coding小伙伴，如果你对AI 学习感兴趣的话（后续有计划也可以），我们可以一起进AI相关的交流、学习、共建。下方加 考拉 好友回复「AI」即可。

   “分享、点赞、在看” 支持一波👍