From Anthropic

本文翻譯自 Anthropic 剛剛發布的《創始人手冊：創建一家 AI Native 公司》

原文鏈接：claude.com/blog/the-founders-playbook

Anthropic 剛剛出了一份 36 頁的創始人手冊：創建一家 AI Native 的公司，幾個人，做幾百人的事兒

由著這個問題，手冊把創業拆成四個階段（想法、MVP、上線、規?；?，每個階段講清楚該做什么、容易踩什么坑、Claude 的三個產品形態（Chat、Cowork、Code）分別在什么時候用

以及要額外說明的是：

以在當前的時代版本下，做東西的門檻實在是太低了，創始人傾向于直接開干，做出一堆沒人要的產品。AI 時代創業，最稀缺的資源從「能不能建」變成了「該不該建」。 判斷力取代了執行力，成為創始人最核心的競爭壁壘

以下是全文翻譯

目錄

01創業生命周期，2026 重啟版

02「創始人」這個角色在變

03想法階段

04MVP 階段

05上線階段

06規模化階段

07同樣的活，新的規則

Chapter 1

創業生命周期，2026 重啟版

The startup lifecycle, rebooted for 2026

AI 正在重塑創業公司的構建方式。從來沒寫過一行代碼的創始人，今天已經在交付生產級應用了。10 個人的獨角獸，從傳奇變成了常規操作

2026 年，AI 能寫生產代碼、做市場調研、梳理競爭格局、起草投資人材料、自動化運營流程。過去，把想法變成產品所需要的工具鏈和系統整合，學習曲線很陡。AI 把這條曲線徹底拉平了，誰能創業這個問題的答案變了

2026 年，一個好想法能帶創始人走得比任何時候都遠。Agentic coding 把過去需要一個工程團隊干的事，壓縮成創始人一個人就能交付的工作量

傳統創業的增長弧線是這樣的：驗證 → 融資 → 招人 → 建產品 → 再融資 → 增長 → 再招人 → 循環。AI 抹掉了一個默認假設：每進入一個新階段就需要更大的團隊和新一輪融資

這份手冊重新繪制了創業旅程的四個核心階段（想法、MVP、上線、規?；?，講清楚每個階段在 AI 成為核心基礎設施時該怎么走。如果你想找到從想法到退出的最短路徑，繼續往下讀

Chapter 2

「創始人」這個角色在變

What it means to be a founder is changing

過去，創始人的定義取決于他們能做什么：技術創始人寫代碼，非技術創始人跑業務。2026 年，「能建東西的人」和「有好想法的人」之間的墻沒了

AI Native 創業公司正在從根本上改變「創始人」的含義。沒有工程背景的人可以做出生產級軟件。有技術背景但缺商業經驗的創始人，可以輕松產出 GTM 策略、財務模型和打磨精良的 pitch deck

過去，創始人的大部分時間花在執行層面：寫代碼、管人、處理日常運營。在 AI Native 創業公司里，創始人從干活的人變成了指揮 Agent 干活的人

AI 帶來的最大變化，是解放了有行業經驗的非技術創始人。創業者不再只從工程背景的人里出來，完全不同背景的人開始創業，去解決傳統技術創始人壓根沒注意到的真實問題

精簡創業公司的 AI 工具能力

傳統創業模式把人數當作組織勢頭和產品成熟度的標志：招工程師建產品，招銷售來賣，招運營來跑

2026 年的早期創業公司完全不一樣了。它們極度精簡，往往就創始人一個人或者幾個人的小團隊，靠 AI 的研究、Agentic coding 和工作流自動化能力，以遠超實際人數的規模運作

對話式智能與研究

可以這么理解：所有領域的隨叫隨到的專家

想一想創始人在第一年需要知道但幾乎肯定不知道的事情：怎么設置工資系統？怎么規劃產品開發 sprint？怎么寫一份漂亮的投資人備忘錄？

這類早期創業問題過去的答案都一樣：找一個懂的人。對于一個自掏腰包或者 pre-seed 階段的創始人來說，這要么是把時間花在找信息上，要么是把早期資金的一大塊燒在顧問費上。現在，他們有了 AI 作為所有領域的隨叫隨到的專家

→深度研究競品分析、市場規模測算、財務建模

→文檔起草pitch deck、案例研究、投資人備忘錄、PRD

→戰略思考伙伴魔鬼代言人分析、事前驗尸、情景推演、路線圖優化

Agentic coding

可以這么理解：永遠在線、永遠不被阻塞的工程師

建軟件過去需要一個技術聯合創始人，或者一個外包開發團隊，或者一條足夠長的跑道來在寫出第一行生產代碼之前就雇一個工程團隊

Agentic coding 工具讓創始人用自然語言描述想建什么，AI 去生成、測試、調試和重構代碼庫。從「我有一個想法」到「我有一個產品」的時間線被大幅壓縮，創始人管方向，AI 管施工

工作流自動化

可以這么理解：按需使用的自動運營團隊

即使一個創始人能做研究做到顧問水平、能建產品建到工程團隊水平，在戰略規劃和產品開發之外，還有一整類工作必須完成。排日程、更新 CRM、拉周報、維護文檔、發內容、跟蹤合規要求，這些都得有人干。在精簡的創業公司里，這些負擔主要落在創始人身上

AI 工具的工作流自動化卸掉了這個負擔，重復性的運營任務可以配置成自動執行。Claude Cowork 能直接和項目管理、溝通工具、數據源打通，不需要人來搭和維護這些集成

時機和編排是一切

能有效利用 AI 的研究、自動化和 Agentic coding 能力的創始人，可以建一家杠桿遠超人數的公司。他們也能把絕大部分時間和精力投入到真正重要的工作上

編排這些 AI 工具的創始人需要知道怎么用、什么時候用

手冊余下的部分專門講創始人在 AI Native 創業路徑的每個階段會遇到的目標和挑戰，以及如何在每個階段有效地使用 AI 工具

Chapter 3

想法階段

Idea Stage

每個創業者都從同一個起點出發：一個他們無法停止思考的問題。這是想法和現實碰撞的階段：2026 年創業成功需要一種自律，在證據支撐之前不動手建

這個階段的工作是研究、客戶發現、競品分析和對反面證據的誠實評估。所有這些都要在讓 Claude Code 生成第一行生產代碼之前完成

想法階段的目標

想法階段的核心目標是以研究為導向的驗證：投入資源建產品之前，先收集扎實的證據證明真實問題存在

具體來說，想法階段是創始人必須按大致這個順序回答的一系列問題：

→ 這個問題是否真實、具體、頻率夠高，值得圍繞它建產品？

→ 具體誰有這個問題，這算不算一個市場？

→ 有沒有別人在解決它，如果有，怎么解決的，解決得好不好？

→ 一個解決方案到底需要做什么才能解決這個問題，我的想法做到了嗎？

這些問題加在一起回答一個終極問題：這個東西值得建嗎？

想法階段的退出標準

想法階段的退出條件是找到問題-方案匹配（problem-solution fit）。你已經通過和真人對話獲得了定性證據，證明你在為真實的人解決一個真實的問題

當你能對以下三個問題都回答「是」的時候，你就可以離開想法階段了：

→問題是否真實且具體？你能準確說出誰遇到這個問題，多久遇到一次，嚴重程度如何，他們目前怎么應對

→你的方案是否解決了實際問題？注意，這里說的是驗證過程揭示出來的問題，未必是你最初假設的那個

→有沒有足夠的信號？這個階段永遠不會有確定性，等確定性本身就是一種失敗模式。但你需要足夠的定性證據，讓投入建 MVP 成為一個經過推理的決策

想法階段的挑戰

想法階段是整個創業旅程中最關鍵的階段，因為最致命的錯誤都在這里犯下。現在搞錯了什么東西，可以迅速把你剛起步的事業帶跑偏

把建東西當成了驗證

技術障礙消失之后，滿腔熱情的創始人很容易跳過創業旅程中最重要的一步：驗證你的想法確實是人們需要的、愿意用的

即使在 Agentic coding 出現之前，42% 的創業公司死因是建了沒人要的東西。Agentic coding 大幅壓縮了從想法到產品的距離，這個失敗率只會往上走

直到最近，建產品還需要真實的開發時間和預算，搭一個基本原型通常需要幾個月?，F在技術開發的門檻大幅降低，AI 讓創始人太容易跳過真實世界的驗證，直接進入建產品的階段

一個能跑的原型很容易被誤認為是你在解決真實問題的鐵證，但它不是。原型的價值在于它是一個有用的壓力測試道具

這些對話本身才是真正的證據。達到問題-方案匹配的正確流程是先驗證假設再建產品

過早擴張

過早擴張意味著在還沒有真正驗證某條路徑值得走之前就投入了。這一直是創業殺手，但 AI 讓創始人更容易在不知不覺中掉進這個陷阱。Agentic coding 助手效率太高，以至于你可以在驗證問題-方案匹配之前就把執行大幅推進，而且全程沒有意識到自己偏離了航線

AI 會用完全一樣的熱情為一個根本錯誤的前提生成代碼庫。系統里的智能來自你。這個階段的首要原則是讓你的判斷跑在你的建設前面

喪失客觀性

你讓 AI 幫你找證據支持一個已有的判斷，它一定找得到。AI 給確認偏誤裝上了引擎

讓 AI 驗證你的創業想法，它會找到支持證據。讓它測算你的潛在市場規模，它會找到那個讓你的 TAM 看起來可融資的數字

AI 順著你的方向跑。創始人如果不問難聽的問題，AI 會幫你用最快的速度給一個爛想法包裝出一套精致的論證。解藥還是同一個工具，調個方向就行：AI 做壓力測試和做驗證一樣徹底

Claude 如何幫助想法階段的創始人

想法階段對創始人來說很煎熬，因為你就是想建東西。但這個階段的本質是研究和驗證

AI 讓創始人能更快交付、以小團隊實現大規模運作，但用哪個產品形態很重要：

如果任務是...

原因

一個問題、一次改寫、快速頭腦風暴

Chat

快，對話式，無需設置

研究、分析或從你的文件構建完成文檔

Claude Cowork

文件夾訪問、連接器、技能、定時運行

寫代碼、測試或交付軟件

Claude Code

代碼庫訪問、diff、git、開發環境

三者底層是同一個 Claude，變的是圍繞它的工作空間

定義和壓力測試問題假設

你帶著行業經驗和前期研究，已經有了一個初步假設。第一步是把它打磨到可測試的程度。Claude 在這一步很好用，因為它逼你把話說具體：到底誰有這個問題？多久遇到一次？多嚴重？

練習：和 Claude 一起打磨你的問題陳述，直到它變成一個可測試的假設。比如「合同審查太慢了」是無法有效測試的。但「中型企業的法務團隊每個合同審查周期花 3 天以上，因為修改意見分散在郵件往來中而不是在一個版本控制文檔里」就非?？蓽y試

下一步是讓 Claude 反駁你的想法，找到推翻你假設的反面證據。把 Claude 當作結構化的魔鬼代言人使用，是 AI 創業生命周期每個階段的核心用例

市場研究和競品格局梳理

摸清你的競爭對手

創始人有個通病叫「競爭對手忽視」：太專注自己的事，系統性地低估了同行在做什么。AI 提供了解藥：讓 Claude 幫你論證，為什么你的某個競爭對手會贏，你會輸

練習：讓 Claude 按層級梳理你的競爭格局：直接競爭對手、間接競爭對手、潛在收購方和可能進入你領域的相鄰玩家。然后讓它論證每個層級為什么構成對你成功的真實威脅

市場研究

Claude Code 可以綜合公開的客戶反饋，提煉出反復出現的投訴和未滿足的需求。附帶好處：這基本上是對競爭對手客戶的免費定性研究

練習：讓 Claude Cowork 綜合你的關鍵來源上的競品評價，找出現有解決方案沒能解決的頭部投訴。如果你的假設能解決其中一個或多個，那就是問題-方案匹配的強信號

練習：用公開數據建 TAM/SAM/SOM 模型，并壓力測試背后的假設。判斷市場是在擴張、整合還是成熟。梳理買家格局：誰掌握預算，誰影響決策，這兩者是不是同一個人

趨勢分析

用 Claude 捕捉早期信號，判斷你進入的時機對不對。跟蹤相關的 Reddit 和 LinkedIn 群組，看關于你要解決的問題的討論已經在發生

練習：讓 Claude 找出三個外部趨勢（監管、技術或人口結構），可能在未來兩年內對你的市場產生重大影響，并評估每一個對你的具體假設是順風還是逆風

規劃和設計客戶發現

和潛在用戶交談能學到什么，取決于兩件事：（1）你問的問題質量，（2）你問對人了沒有

找誰聊：精準的目標畫像比一長串聯系人名單有價值得多。要具體到職位、公司類型、團隊結構和資歷層級

聊什么：目標定好之后，用 Claude 建訪談框架本身：合適的問題，合適的順序，結構化地引導出人們實際做了什么，而不是他們覺得自己會做什么。新手創始人常犯的錯是問一個關于未來的開放式泛問題（「你會用這樣的東西嗎？」），而不是具體地追問相關的過去

練習：先自己手寫訪談問題，然后讓 Claude 審核。明確讓它標出哪些問題是引導性的、面向未來的、太寬泛的。然后讓它為訪談中最可能產生敷衍回答的兩三個時刻建議跟進追問

訪談后分析：每次對話之后，用 Claude 復盤。積累了一批訪談之后，把全部訪談筆記通過 Claude Cowork 做一次梳理，提煉反復出現的主題、矛盾之處和兩個方向上最強的信號

練習：每五次訪談之后，讓 Claude Cowork 綜合你的筆記，產出兩個清單：支持你假設的證據和挑戰你假設的證據。如果第一個清單明顯長于第二個，問 Claude 這種不對稱是反映了數據的真實情況，還是反映了你希望看到的

設計你的最終方案概念

你已經做完了驗證工作：問題是真實的，你知道誰有這個問題，你有一個證據支持的方案概念。用 Claude 從每個角度開發和挑戰你的方案概念

練習：把你的方案概念呈現給 Claude，讓它找出你的設計最依賴的三個假設。然后問每個假設要成立需要什么條件，以及如果其中任何一個不成立會有什么后果

用 Claude Code 建一個輕量原型

好了，好玩的部分來了。有了一個驗證過的假設和經過壓力測試的方案概念，你終于可以建點東西了

這是想法階段里 Claude Code 登場的時刻。你現在建的不是真實世界的產品（還不是），是一個功能性樣品，用在和客戶、投資人的對話中。讓用戶上手試一試，比做十幾次訪談學到的東西都多

練習：定義你的解決方案所依賴的那一個核心交互。讓 Claude Code 只建那個。建完之后，把它放到你驗證過的目標畫像中的五個人面前

走到想法階段的終點，在 AI 創業競賽中是一個巨大的飛躍。因為現在你的下注基于證據，而非直覺。接下來是 MVP 階段，創始人的核心問題從「這個值得建嗎」變成「我們先建什么」

Chapter 4

MVP 階段

MVP Stage

不少創始人把 MVP 階段當作施工階段來對待，但 MVP 階段本質上仍然是一個證據收集練習。只不過這個階段收集的證據從問題空間轉向了解決方案本身

MVP 階段的目標

目標是把一個驗證過的問題轉化為真實用戶會實際使用的可運行產品。這是你的想法的最小化、最聚焦的版本，產出關于產品-市場匹配（PMF）的真實證據

同時，你現在怎么建決定了之后能怎么走。MVP 階段有一個同樣重要的第二目標：快速推進，同時不積累那種會持續惡化的技術債務

MVP 階段的退出標準

MVP 階段的退出條件是：產品-市場匹配（PMF）

真實證據：用戶回來再用、愿意付費、愿意推薦

MVP 階段的挑戰

Agentic 技術債務

AI 把控制代碼上線的天然瓶頸都拆掉了，速度不是問題。但速度成了唯一變量時，技術債務會積累到還不起

如果沒有把規格說明和架構約束寫在 AI 能讀到的地方，每個 session 都從零開始重新推導基礎性決策，這些決策會漂移。你最后得到的代碼庫沒有一個連貫的心智模型，原因在于這些部分從來就沒被設計為彼此配合，每個單獨的部分寫得都還行

被虛假的產品-市場匹配騙了

AI 工具可以生成漂亮的早期數字，但早期數字不能證明市場需要你的產品

Agentic coding 讓你更快到達這個時刻，但早期的熱鬧不等于產品-市場匹配。上線那股勁來自臨時性的力量：創始人朋友圈的支持、投資人介紹的潛在客戶、Hacker News 上一個標題帶來的流量

零摩擦的范圍蔓延

建東西沒有摩擦力且幾乎免費的時候，總有一個很酷的功能可以加。問題在于每一個單獨的功能新增看起來都合理。但當你的產品膨脹到超出原始邊界的時候，你會失去方向和勢頭

解藥是在開始建之前寫一份范圍定義，描述產品做什么、刻意不做什么，以及來自真實用戶的什么具體證據才能證明有理由加新東西

因經驗不足而不安全

用 AI 工具急著用 AI 把應用推上線，但不先搞清楚基本的安全原則，最終你會把用戶暴露在本可以避免的風險里。Agentic coding 生成的代碼能跑，但不一定安全

Claude 如何幫助 MVP 階段的創始人

建之前先定義你的架構

在 Claude Code 寫第一行代碼之前，先用 Claude 把架構決策定下來

練習：在打開 Claude Code 之前，先打開 Claude，描述你在建什么。讓它幫你定義應該管治你 MVP 構建的架構原則。然后把這個輸出保存為CLAUDE.md文件。這是你構建過程的第一個產出物，后續每個 session 都依賴它

定義和執行你的 MVP 范圍

零摩擦的范圍蔓延是 AI 時代 MVP 的標志性失敗模式之一。Claude 可以幫你創建一份范圍文檔，描述你的 MVP 產品做什么、刻意不做什么

用 Claude Code 建你的 MVP

架構和范圍定義好之后，Claude Code 成為主要的構建工具。每個 session 開始時回顧范圍文檔和 CLAUDE.md。目標是一個你能解釋清楚結構的代碼庫，而不只是能跑的代碼庫

練習：為你的 Claude Code 工作創建一個簡單的 session 模板。每次 session 結束時，往上下文文檔里加一條簡短的日志記錄。每次 session 五分鐘的文檔記錄，是防止架構漂移的廉價保險

任何用戶碰之前先做安全審查

Claude 可以對 AI 生成的代碼做一次初步安全審查，但不能替代專業安全工具和人工審查。Claude Code Security 更進一步，能掃描代碼庫中的漏洞并提出修復建議（本手冊發布時還是限量 beta）

練習：在部署給任何真實用戶之前，用 Claude 對你的核心應用代碼做一次有針對性的審查：身份驗證和會話管理、API 響應中的數據暴露、輸入驗證和注入風險

上線前建好你的衡量框架

把早期引力誤判為 PMF 的創始人，通常也是上線之后才開始跟蹤數據的人。解藥是在第一個用戶到來之前就把衡量框架建好

向證據迭代

MVP 階段在你有了產品-市場匹配的真實證據時結束，不管產品「感覺」多「完整」。有一些有用的檢驗方法：

→Sean Ellis 測試問你的活躍用戶：「如果你不能再用這個產品了，你會有什么感覺？」如果超過 40% 回答「非常失望」，這是一個有意義的 PMF 指標

→努力測試產品-市場匹配之前，留存需要持續干預。產品-市場匹配之后，產品開始自己做這些工作。當事情開始拉著走而不是推著走的時候，這種努力的轉變是最清晰的信號之一

沒有單個數據點能確認產品-市場匹配。這是一個需要在多個迭代周期中持續成立的模式

當證據要求時就轉向

如果投入了所有這些工作之后，你就是無法到達產品-市場匹配怎么辦？結果不支持你出發時的方向，這是系統在正常工作

練習：如果你已經完成了三輪或更多迭代周期，產品-市場匹配基準沒有出現有意義的進展，用 Claude 先做一個診斷。問三個問題：數據中有沒有某個細分群體表現和其他人不一樣？設計的價值和體驗的價值之間的差距是定位問題還是產品問題？當前產品要找到真正的 PMF 需要什么條件成立？

Chapter 5

上線階段

Launch Stage

如果 MVP 階段是證明你的產品有存在的理由，上線階段就是證明你的業務有增長的理由

上線階段的目標

上線階段，創始人必須把早期引力變成一個可重復的、可持續的增長引擎。除了讓產品達到生產就緒狀態，還必須加固產品下面的基礎設施，同時圍繞產品建一家真正的公司

上線階段的退出標準

→增長是可重復的你在通過特定渠道可預測地獲取用戶，CAC、LTV 和回本周期是你知道且能為之辯護的數字

→產品能承受生產級工作負載基礎設施加固了，安全和合規到位了，可靠性在真實生產條件下成立

→運營不依賴創始人流程存在了，自動化到位了。你不再是親自處理客服、分類、sprint 規劃的那個人

上線階段的挑戰

技術債務到期

MVP 階段積累一些技術債務是速度的合理代價。上線階段，這些債務開始產生利息，拖得越久修復成本越高

創始人變成瓶頸

MVP 階段，創始人參與每個環節是優勢。上線階段，客服量增長、產品決策堆積、運營復雜度翻倍，同樣的本能變成了約束

從「做這些工作」到「設計做這些工作的系統」，是創業生命周期中最難的轉變之一。幾個信號：本該一小時做完的決策現在要一周你才能排到，客服請求堆積因為只有你知道答案

安全和合規不能再拖了

MVP 階段安全和合規措施簡單處理是可以的。但現在有了真實用戶、真實數據，簡單處理變成了負債

還沒準備好就擴張

你建立的初始引力是真實的，但它也是特定于你的早期受眾的。過早擴張到一個和原始市場有重大差異的市場，會引入新的用戶行為、合規要求和基準期望，而你的產品不是圍繞這些設計的

Claude 如何幫助上線階段的創始人

Claude 的三種產品形態在上線階段全面投入，而且互相喂數據。Claude Code 建產品，Claude Cowork 圍繞產品建公司，Claude 幫助將知識運營化

一個小團隊可以以 N 倍于其規模的方式運作

在技術債務惡化前修復它

用 Claude Code 做一次完整的架構審計。把審計結果喂回 Claude，對修復工作做分類和排序：什么必須在下次發版前修好，什么可以等一個 sprint

練習：讓 Claude Code 審計你的 MVP 代碼庫，產出一份按優先級排列的結構性弱點清單。然后把清單喂給 Claude，讓它把修復工作排進接下來幾個 sprint

建設替代創始人注意力的系統

用 Claude Cowork 做一次結構化的運營負擔審計，記錄每一個重復性任務。然后讓 Claude Cowork 把這個清單分成三類：可以完全自動化的、需要人工但不一定需要你的、真正需要創始人判斷的

讓安全和合規成為產品工作流

用 Claude Code 發現在 SOC 2、GDPR 或 HIPAA 審計中常見的代碼層面問題。把發現喂給 Claude，幫你優先排序修復工作

練習：用 Claude Code 做一次面向你目標市場要求的框架的代碼級安全審查。讓它產出兩樣東西：一個按優先級排列的安全修復序列，以及一份你需要準備的文檔和控制措施清單

搭起你一直跳過的產品管理流程

用 Claude 設計你的產品時間線和工作周期的結構。流程設計完成后，用 Claude Cowork 搭建和運行運營層

練習：讓 Claude 設計一套輕量的產品管理操作系統：一個定義好的 sprint 節奏、一個最低要求的 spec 模板、一個 bug 分類決策樹、以及一個周度指標簡報

Chapter 6

規?；A段

Scale Stage

規模化階段，創始人從建設者變成了對外的管理者。產品仍然是核心，但你個人的日常工作越來越多地關于公司本身

規?；A段的目標

技術基礎設施要繼續擴展，組織本身也要跟著長大，變成一個真正的業務

對 AI Native 創業公司來說，目標應該是通過積累的深度來建護城河。這個深度來自你建到產品里的專業知識、和其他工具平臺的集成深度、以及專有的系統數據和工作流

規?；A段的退出標準

規?；A段的退出條件是一個門檻事件，不是單一里程碑：公司是可持續的，即使創始人越來越多地退出日常運營

實際操作中，這個門檻通常取以下三種形式之一：不再需要外部資本的可持續盈利能力、IPO 就緒狀態、或被收購。當這些都成立的時候，你的創業公司從一個賭注變成了一個生意

規模化階段的挑戰

委托運營層

上線階段的工作是創建系統，規?；A段的工作變成讓這些系統成熟到完全可信賴，然后真正信任它們。這比聽起來難

根本挑戰是識別那些只存在于創始人腦子里或未文檔化工作流中的組織知識，然后把它編碼進文檔化的、可審計的、可交接的系統

擴展技術運營

客戶不再只評估你的產品。他們想知道你的組織能不能成為一個可靠的基礎設施合作伙伴

擴展組織功能

規模化階段的公司通常需要組織基礎設施，比如招聘、工資、財務和法務運營，不管有多少人在運行它

建 GTM 功能

有機增長有天花板，大多數規?；A段的創始人在需要建真正的 GTM 功能之前就碰到了這個天花板。信號包括：用戶增長曲線走平、獲客成本上升、管道只在創始人親自參與時才推進

Claude 如何幫助規?；A段的創始人

把日常任務交給 Claude Cowork

規模化階段一開始，你得想清楚自己的時間和注意力到底該花在哪

練習：用 Claude 生成你當前運營層的瓶頸地圖：每一個流經你的工作流、決策和審批。然后讓 Claude 推演每一個在你不在一周的情況下會怎樣。會停滯的工作流就是你仍然親自參與到足以阻礙進展的那些

把技術運營擴展為企業級基礎設施

第一步是把組織知識轉化為可擴展的系統。用 Claude 起草和維護企業采購期望看到的書面基礎設施。Claude Cowork則運行企業支持的運營層本身：工單分派、升級工作流、續約跟蹤

練習：挑出你最 demanding 的三個潛在客戶。讓 Claude 產出一份差距分析：這些客戶的企業采購團隊在簽多年合同之前期望看到什么，你目前哪里不夠

建一個真正的 GTM 功能

Claude 可以幫你從零建 GTM 基礎資源：市場細分、消息架構、分析師關系策略、銷售手冊。這些受眾各有各的語言體系，各自用不同的標準來評估你

Claude Cowork可以成為你的戰術執行層：內容管道、外向觸達序列、CRM 衛生、管道報告

把領域專業知識轉化為 AI 上下文

用 Claude 來捕捉、組織和精煉創始人知識，把領域專業知識放到產品可以觸達的地方。Skills可以把反復出現的工作流編碼為 Claude 每次都以同樣方式運行的可復用程序。幾個月下來，這變成了一個任何通用 AI 都無法匹配的專有知識底層

練習：找出一個通用競爭對手在你的垂直領域一定會搞錯的邊界情況。和 Claude Code 一起為它建一個專門的測試用例。每次類似的邊界情況出現，就加進去。你的測試套件變成了你護城河的地圖

把積累的用戶數據復合為防御性優勢

用戶和你的產品互動時，會產生行為信號，這些信息反哺產品路線圖。這些數據和時間綁定、和場景綁定，競爭對手沒法重建：你買不到數千用戶在你的產品里打磨工作流時留下的行為指紋

練習：把你產品的互動數據摘要喂給 Claude。讓它識別數據中三個最高信號的行為模式，并為每一個設計一個反饋循環。然后讓它幫你起草一頁紙的護城河敘事

創造工作流鎖定

復合數據網絡效應讓你的產品更難被復制，而用戶工作流鎖定讓你的產品更難被離開。用戶在日常運營中使用你產品的時間越長，它就嵌入得越深

他們在上面建了自動化，訓練了人來使用它，把它連到了數據源和其他工具上。到這個程度，換產品就從一個產品決策變成了一個全面的運營工程

練習：讓 Claude 幫你為你的頭部十個客戶建一份工作流集成審計。找出什么類型的集成為你的特定產品創造了最深的鎖定，你可以建什么來加深那些目前還停留在表面的客戶的集成

Chapter 7

同樣的活，新的規則

Same job, new rules

AI 時代，創始人的工作沒變：找到一個真實問題，建一個能解決它的東西，把它做成一家有影響力的公司。變了的是到達那里的路徑。在四個階段中，AI 把以季度為單位的工作壓縮到以周為單位

過去需要數月的驗證周期，現在一下午就能完成。一個可運行的原型不再需要一個有對的技術棧的聯合創始人，它需要的是一個清晰的問題和幾次聚焦的 Agentic coding session

瓶頸從「能建什么」變成了「選擇建什么」

資源 用 Claude 建產品

Building AI Agents for Startups創業公司如何用 Agent 在擴張時減少對創始人的依賴claude.com/blog/ai-agents-for-startups

Claude Code 文檔從安裝到高級 Agentic 工作流docs.anthropic.com/en/docs/claude-code

Claude Code 最佳實踐Anthropic 內部和跨團隊驗證過的模式docs.anthropic.com/en/docs/claude-code/best-practices

使用 CLAUDE.md 文件為你的代碼庫配置 Claude Code，MVP 階段必讀docs.anthropic.com/en/docs/claude-code/claude-md

Claude Cowork 入門設置 Claude Cowork，實施 Skills 和 Pluginclaude.com/cowork

Claude Code 高級用戶技巧來自 Claude Code 團隊自身的工作流模式，包括并行 session 和驗證循環

教程按任務搜索的實操指南claude.com/resources/tutorials

創始人故事

三家 YC 創業公司如何用 Claude Code 建公司：HumanLayer (F24)、Ambral (W25)、Vulcan Technologies (S25)anthropic.com/customers/yc-startups

GC AI領域專家建的法律平臺，適配企業法務團隊實際工作方式anthropic.com/customers/gc-ai

Carta Healthcare臨床數據采集，年處理 22,000 例手術，采集時間減少 66%anthropic.com/customers/carta-healthcare

Anything150 萬用戶把想法變成可運行軟件，不需要寫代碼anthropic.com/customers/anything

Cogent自動化企業安全任務的全漏洞生命周期anthropic.com/customers/cogent

AirtreeVC 機構用 Claude Cowork 統一了十幾個工具和團隊的數據anthropic.com/customers/airtree

Duvo跨 ERP、供應商門戶、郵件甚至電話的采購 Agentanthropic.com/customers/duvo

Zingage居家護理 24/7 自動化運營，跨 EMR 和多溝通渠道anthropic.com/customers/zingage

Kindora非營利高管建的慈善機構與資金方智能匹配平臺anthropic.com/customers/kindora

Wordsmith律師轉 CTO 建的企業法務 AI 平臺anthropic.com/customers/wordsmith

創業支持和機會

→Anthropic Startups Program免費 API 額度、最高級別速率限制、獨家創始人活動anthropic.com/startups

→Claude 社區開發者論壇和社區community.anthropic.com

→實時學習資源大會、網絡研討會、直播和錄播claude.com/resources