第三章：想法阶段 (Idea Stage)
每个创业公司创始人都从同一个地方出发：一个他们无法停止思考的问题。这是想法与现实相遇的阶段——2026 年的创业成功，需要克制在证据支持之前就停止构建的纪律。
此阶段的工作是研究、客户发现、竞争分析和诚实评估证伪证据——所有这些都在要求 Claude Code 生成你的第一行生产代码之前完成。
想法阶段的目标
在想法阶段，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，收集确实存在真实问题（以及你提出的解决方案有效解决了它）的坚实证据。
实际而言，想法阶段是一系列创始人必须按大致顺序回答的问题：
- 这个问题是否真实、具体且频繁到足以围绕它构建？
- 具体是谁在经历这个问题，这构成一个市场吗？
- 是否有人在解决它？如果有，如何解决的、效果如何？
- 一个解决方案实际需要做什么才能解决这个问题，我的想法做到了吗？
这些调研的结果汇总起来回答一个终极问题：这是否值得构建？
这意味着在行动之前先做到具体。「人们报销很麻烦」是一个观察。「中端市场公司的财务经理每周花费超过四小时核对提交，因为他们当前的工具无法与会计软件集成」则是一个可测试的假设。
想法阶段的退出标准
想法阶段的退出条件是找到问题-解决方案契合（Problem-Solution Fit）。你通过定性证据——主要来自真实的人类对话——在构建解决方案之前，已经证实了你在为真实的人解决真实的问题。
当你能对所有以下三个问题回答「是」时，你就准备好离开想法阶段了：
- 问题真实且具体吗？ 这里的肯定回答要求你能准确说出谁经历了这个问题、多久一次、影响有多严重，以及他们目前如何应对。
- 你的解决方案是否针对实际问题？ 不是你最开始假设的问题，而是验证过程揭示的问题。有时两者相同，但并不总是。
- 你有足够的信号来证明构建是合理的吗？ 在这个阶段你永远不会拥有确定性，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，证明投资最小可行产品是一个理性决策而非信仰之举。
想法阶段的挑战
想法阶段是你创业之旅中最重要的工作发生的地方，因为这里也是代价最昂贵的错误发生的地方：现在搞错什么，你的新兴企业就会迅速脱轨。
大多数构思阶段的挑战都涉及行动速度超过你的理解所能支持的，因此谨慎和深思熟虑的创始人会经历稳步进展。
将构建误认为验证
挑战：当技术障碍被移除后，充满激情的创始人可能会跳过创业之旅中最重要的一步：验证他们的想法确实是一个人们需要并会使用解决方案。
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。而现在，Claude Code 等智能体编程解决方案已经大幅压缩了「我有一个想法」和「我有一个产品」之间的距离，这个失败率只会继续攀升。
虽然从未有过比现在更好的时机去成为一名拥有惊人好想法的创始人，但快速轻松地搭建一个看起来有点像产品的原型，反直觉地也为 AI 原生创业公司带来了一个真正危险的存在风险。
实现问题-解决方案契合需要先验证假设，再构建。许多初次（甚至经验丰富的）创始人错误地认为 AI 短路了这一要求，将流程变成：有想法 → 立即构建原型 → 把原型的存在当作验证。原型成为你一直相信假设正确的理由，却从不测试它是否真的正确。
一个可用的原型很容易被误认为是你正在解决真实问题的具体证据，但它不是。你的原型反而应作为一个有用的压力测试道具，用于与潜在用户的对话。这些对话本身才是真正的证据。
过早规模化
挑战：当构建变得毫不费力且即时，你执行的速度可能远超商业需求。
过早规模化意味着在你真正验证某条产品路径值得投入之前就投入其中。
这从来都是创业杀手，但 AI 让创始人更容易不知不觉地落入过早规模化的陷阱。智能体编程助手如此强大，很容易在从未有意识地偏离轨道的情况下，将执行速度远远推进到验证问题-解决方案契合之前。
它会对一个根本有缺陷的前提，以完全相同的热情来生成、测试、调试和重构代码库。系统中的智能来自你。这个阶段的首要指令是保持你的判断力领先于你的构建速度，尤其是当构建如此之快且感觉如此毫不费力时。
丧失客观性
挑战：让 AI 工具为你已经相信的东西寻找证据，它会找到。确认偏误现在有了研究引擎加持。
确认偏误一直是创业中的职业风险：创始人天生对自己的想法充满热情。现在，AI 工具给了确认偏误一次大幅强化。让 AI 验证你的创业想法，它会找到支持证据；让它评估你的潜在市场规模，它会找到一个让你的总可及市场（TAM）看起来可融资的数字。
AI 跟随你的指示，这意味着一个没有提出尖锐问题的创始人，现在可以比以往任何时候都更快地为一个糟糕的想法构建一个精心构建、看起来很扎实的案例，同时感觉非常确信自己实际上正在进行尽职调查。
解药是同一个工具，只是指向相反的方向：AI 会以同样彻底的方式对一个想法进行压力测试，就像它验证一样。
Claude 如何帮助想法阶段创始人
将 AI 原生创业概念推进到想法阶段的过程可能感觉像是永恒的。你是一名创始人，你只想构建。但这个至关重要的启动阶段本质上是研究和验证练习，这意味着在全力投入编写代码之前，应该使用能够帮助你更严谨思考的工具。
选择合适的 Claude 产品形态
AI 让创业公司创始人交付更快、自动化繁琐的工作流、规模化运营，但你使用的产品形态很重要。以下是根据任务来选择使用 Chat、Claude Cowork 还是 Claude Code 的指南。
三者内核都是同一个 Claude；变化的是围绕它的工作空间。
- Chat：适合快速交流，无需离开你已经在使用的应用。用于运行公司的持续小任务：从一份密集的投资人备忘录中提炼一句话要点、在董事会会议前核实一个数据，或理解你与团队的冗长 Slack 线程。
- Claude Cowork：适合需要时间的知识工作：从多个来源获取信息、理解信息，并产出成品——文档、演示文稿或电子表格。比如将一文件夹的客户通话记录转化为有主题的总结报告、在融资前从十几个供应商网站构建竞争格局，或一个固定的周一早晨任务，从你的连接工具中拉取指标并生成每周 KPI 简报。
- Claude Code：团队中工程师的智能体编程环境：直接代码库访问、计划模式、Git 集成，以及本地、IDE 或沙盒云环境。这是精益团队跨越不断增长的代码库交付功能、将最小可行产品时代的遗留代码迁移，以及无需等待更多人手就从原型走向生产的地方。
定义并压力测试问题假设
你自己的领域专业知识和前期研究已经生成了一个假设。第一项工作是将其打磨到真正可测试。Claude 在这里特别有用，用于强制具体化：谁确切地经历了这个问题、多久一次、有多严重，以及他们目前如何应对？一个无法精确回答这些问题的陈述，还没有准备好被验证。
练习：与 Claude 合作打磨你的问题陈述，直到它成为一个可测试的假设。例如，「合同审查耗时太长」在有意义上不可测试。但「中端市场公司的内部法务团队每次合同审查周期花费 3 天以上，因为修订意见通过邮件线程而非单一版本控制文档进行管理」则是非常可测试的。
你的下一步是要求 Claude 反驳你的想法，并找到证伪你假设的证据。这可以揭示负面市场信号、失败的竞争对手、客户行为模式和结构性障碍——而支持性综合会悄悄地将这些置于次要位置。
注意：将 Claude 用作结构化的魔鬼代言人，是 AI 创业公司生命周期中每个阶段的核心用例。
市场调研与竞争格局绘制
趋势分析
最后，用 Claude 倾听那些告诉你是否进入正确时机的早期指标。追踪你的问题相关的对话已经在发生的 subreddit 和 LinkedIn 群组，以及用户在描述他们的问题时使用的精确语言。请 Claude 识别类似的已解决问题的市场，并提取哪些有效、哪些无效。揭示可能加速或威胁机会的监管、技术或人口趋势。
竞争格局分析
有一种创业特有的现象叫竞争者忽视：专注于自己的愿景和执行到如此程度，以至于系统地低估了同一空间中其他人在做什么。幸运的是，AI 提供了解药：让 Claude 论证为什么这个解决方案空间中的某个竞争者会在你失败时成功。
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，为什么你的潜在差异化可能并不像你想象的那么有防御性。
市场研究
Claude Code 可以综合公开的客户反馈，揭示反复出现的抱怨和未满足的需求。 bonus：这本质上是对你竞争对手客户的免费定性研究。
练习：让 Claude Cowork 综合你在关键来源上的竞争对手评论，并识别现有解决方案尚未解决的顶级抱怨。如果你的假设针对了一个或多个，那就是强有力的问题-解决方案契合证据。如果不是，那也值得知道。
注意：本节中的市场调研和竞争映射工作不是一次性练习。你会在最小可行产品和发布阶段继续发现并演化你的思路，因此重要的是在假设演化时重复这些练习。
客户发现计划与设计
与潜在产品用户对话中学到的质量，取决于两个因素：(1) 你提问的质量，以及 (2) 你是否在向正确的人提问。Claude 在开展客户发现方面特别有帮助，包括与谁交谈、问什么、以及如何理解你所听到的。
与谁交谈
一个精确的目标画像远比长联系人列表更有价值，包括具体职位、公司类型、团队结构和最可能严重经历该问题的高级级别。从那里确定这些人实际在哪里可触及——他们聚集的社区、活动、LinkedIn 群组和 Slack 工作空间——并建立一个基于他们与问题接近程度的优先排序框架，来决定首先联系谁。
问什么
目标定义好后，用 Claude 构建访谈框架本身：正确的问题、正确的顺序，结构化地揭示人们实际做了什么而不是他们认为他们会做什么。一个新手创始人错误是问一个关于未来的泛泛开放式问题（「你会用类似这样的东西吗？」）而不是具体询问相关的过去（「告诉我你上次处理这个问题的情况。」）
Claude 可以标记你草稿中的问题是否存在引导性、过于宽泛，或者可能产生噪音而非信号。Claude 还可以帮你设计追问问题，来探测回避或深入挖掘对重要问题的模糊回答。
如果你的假设涉及不止一个用户画像，Claude 还可以为每个画像设计不同的问题集。财务经理和 CFO 对同一个问题有不同的关系，单个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。特别要求它标记任何存在引导性、面向未来、过于宽泛，或者可能产生社会期望回答而非诚实回答的问题。然后让它为访谈中最可能产生回避的两三个时刻建议追问。
访谈后分析
每次对话后，用 Claude 做简报：输入你的笔记，让它识别什么证实了你的假设、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，将所有笔记通过 Claude Cowork 运行，以揭示反复出现的主题、矛盾，以及双向最强信号。然后将综合输出带回给 Claude，请它标记你对自己数据的解读，是在模式匹配你希望听到的，还是实际存在的。
练习：每完成五次访谈，让 Claude Cowork 综合你的笔记并产出两个列表：支持你假设的证据，以及挑战它的证据。如果第一个列表明显比第二个长，问 Claude 这种不对称性反映了数据中的实际情况——还是你希望找到的东西。
客户外联与日程安排
用 Claude Cowork 自动化构建联系人列表、开展外联和安排用户访谈的运营负担。
Claude Cowork 可以使用你与 Claude 一起定义的目标画像（包括职位、公司类型和高级级别）来研究和编译结构化潜在客户列表及验证过的联系信息。然后它大规模起草个性化外联邮件，每封都根据个人的角色和背景量身定制。当回复进来时，它通过 MCP 连接到 Gmail 和 Google 日历，管理线程、处理日程安排请求，并将访谈安排到日历上。工作流程随着 Claude Cowork 在定义的节奏上生成跟进草稿继续（例如，联系后七天未回复的联系人），并在每一步完成时更新你的跟踪表，所以你总是知道每个潜在客户在管道中的状态。
练习：给 Claude Cowork 你验证过的访谈目标画像，让它构建潜在客户列表、起草个性化外联序列，并设置包含外联状态、跟进节奏和访谈完成等列的跟踪表。然后让它运行协调工作，而你专注于为对话做准备。
设计最终解决方案概念
你已经完成了验证工作：问题真实，你知道谁在经历它，并且你有一个证据支持的解决方案概念。用 Claude 从各个角度开发和挑战你的解决方案概念：差距在哪里？有什么替代方案？为了让这个解决方案规模化运作，什么必须为真？
这是一个重要的现实检查：这个设计是否真正解决了验证过程揭示的问题，而不是你进入时的初始假设？
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。然后问每个假设要为真需要什么条件，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
现在是好玩的部分：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。
这是想法阶段中 Claude Code 进入画面的时刻。即使你一直在 tinkering，现在才是你生成官方轻量级原型的时刻：将想法放在真实人类面前并获得真实反应所需的最小表面积。
你还没有构建真实世界的产品；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。真实用户能对实际触摸到的东西做出反应，这能告诉他们问题-解决方案发现访谈永远无法告知的事情。 之前，你在确认你解决的问题是真实的；现在，你在要求潜在用户与提出的解决方案互动。
练习：定义你的解决方案所依赖的单一核心交互。让 Claude Code 只构建这个。当你有了之后，把它放在你验证目标画像中的五个人面前，让他们试用。你在那五次对话中学到的东西，决定了你是继续构建，还是回到起点。