封面

关于本书

本书是 Anthropic 于 2026 年 5 月 6 日 发布的《The Founder’s Playbook: Building an AI-Native Startup》中文翻译版本，系统讲解了如何在 AI 时代打造一家真正的精益独角兽。

全书围绕创业生命周期的四大核心阶段展开，并探讨创始人角色本身如何被重新定义。

目录

阅读建议

本书适合谁：准备创业或正在早期阶段的独立开发者、技术创始人、关注 AI Coding 与智能体编排在产品工程中应用的从业者，以及希望理解 2026 年「AI 原生」精益创业方法论的产品经理与投资人。

专业术语处理：本书采用「中文（English）」对照写法，保留 PMF、CAC、LTV、MVP 等英文缩写以便对照原文检索。

原文版权归 Anthropic 所有 · 本中文版仅供个人学习交流，请勿商用

第一章：创业生命周期在 2026 年的重启

AI 正在重塑创业公司的构建方式。从未写过一行代码的创始人，如今正在发布生产级应用；而「10 人的精益独角兽」也不再是孤注一掷的逆袭故事，而是一种深思熟虑的战略选择。

在 2026 年，AI 可以编写生产代码、开展市场调研、整合竞争格局、撰写投资人材料，并自动化运营工作流。通过消除即使经验丰富的技术创始人在整合工具、平台和系统时也曾经面临的陡峭学习曲线，AI 最重要的是让创业机会的门槛变得人人平等。

在 2026 年，一个好想法比以往任何时候都更能推动创始人前进。智能体编程（Agentic Coding）将过去需要一整支工程师团队的工作，压缩为创始人自己可以交付的成果。

传统的创业公司增长弧线假设，从想法到规模化的路径是：

验证 → 融资 → 招聘 → 构建 → 再次融资 → 增长 → 继续招聘 → 循环。

而现在，AI 已经消除了一个预期——即创业生命周期的每个新阶段都需要更大的团队、不同的技能组合，以及新一轮融资。

本手册按照这些新现实，重新映射了创业之旅的四个核心阶段（想法、最小可行产品、发布、规模化）。我们审视当 AI 成为技术发展和组织建设的核心时，每个阶段会是什么样子；每个阶段适合什么工具；以及使用这些工具的创始人如何压缩时间线。如果你已准备好绘制从想法到退出的最短路径，请继续阅读。

第二章：创始人身份正在变化

创始人过去由「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。但在 2026 年可供创始人使用的模型、系统和 AI 智能体，已经拆除了「能构建的人」与「值得构建的想法的人」之间的墙。

AI 原生创业公司正在从根本上改变「成为创始人」意味着什么。现在，没有工程背景的人可以构建生产级软件来实现想法；而技术能力强但商业知识薄弱的人，也能轻松产出上市策略、财务模型和精美的融资路演材料。

2026 年的早期创业公司截然不同。它们极其精简，往往只有创始人一个人或极少数人的团队。通过将技术和组织发展都围绕 AI 作为基础设施来展开，它们可以在扩大团队之前就实现产品验证、早期收入，甚至盈利。有三个领域尤其能帮助一家创业公司像一个大得多的组织一样运作：研究、智能体编程、以及关键业务运营的自动化。

会话智能与研究

把它当作：每个领域的随叫随到专家

想想一个创始人在第一年需要了解的一切——而他们几乎肯定在进入前都不知道的：如何设置薪资？如何规划产品开发冲刺？如何起草一份紧凑的投资人备忘录？

过去，这类早期创业问题的答案都是同一个：「找个懂的人」。对于一个自力更生或种子轮前的创始人来说，这意味着消耗在知识收集上的时间而不是构建，或者可能需要烧掉一大块早期资金去聘请顾问。现在，他们拥有 AI 作为跨所有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、产品需求文档（PRD）
• 战略思考伙伴：魔鬼代言人分析、预演失败、场景规划、路线图优化

智能体编程

把它当作：永远在线、从不受阻的工程师

构建软件过去需要一个技术联合创始人、一个外包开发公司，或者足够长的跑道去雇佣一个工程团队，才能写下第一行生产代码。

智能体编程工具现在让每个有抱负的创始人都能用自然语言描述他们想构建什么，并指导 AI 以完整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」的时间线已经大大压缩。而创始人的角色现在围绕「做什么和为什么」展开，由 AI 处理实际构建真实基础设施、为真实用户做好准备的工作。

工作流自动化

把它当作：按需的自动化运营团队

即使一个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——超出战略规划或产品开发的工作——必须完成。日程安排、更新客户关系管理系统（CRM）、拉取周报、维护文档、发布内容、跟踪合规要求、管理公司运行工具系统之间的连接组织——所有这些也得有人做。在精益创业公司中，这个负担主要落在创始人身上——而这严重消耗了本应用于更高层次决策的时间和注意力。

AI 工具的工作流自动化卸载了这种负担。重复性运营任务可以配置为自动发生，比如当交易推进时 CRM 自动更新、周报自动编译、产品文档随产品变化同步更新。关键在于，Claude Cowork 与创业公司运行的互连系统——你的项目管理工具、通信堆栈、数据源——集成在一起，无需有人去构建和维护这些集成。在 Day Zero 创业公司中，这个人几乎总是创始人。

时机和编排就是一切

有效利用 AI 的研究、自动化和智能体编程能力的创始人，可以构建一家运营杠杆远超其人数规模的创业公司。他们还能将大部分时间和带宽投入到真正重要的工作上。

但这项工作不会自动发生；编排这些 AI 工具的创始人需要知道如何（以及何时）应用它们。本手册的其余部分将探讨创始人在 AI 原生创业路径上会遇到的各阶段目标和挑战，以及如何有效地在每个阶段应用 AI 工具。

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：

1. 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。
2. 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。
3. 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。

第四章：最小可行产品阶段 (MVP Stage)

许多创始人将最小可行产品（MVP）阶段视为建设阶段，但 MVP 阶段本质上仍然是证据收集练习。区别在于，你现在是在收集关于解决方案而非问题空间的证据；具体而言，一个真实、可识别的人群是否认为它足够有价值去使用、回访、付费和/或推荐给他人。

MVP 阶段的目标

作为 AI 原生创业公司的创始人，你的目标是将一个已验证的问题转化为一个真实用户实际会使用的工作产品。这不是包含所有路线图功能的完整版本，而是你想法的最小、最聚焦的迭代版本——将一个真正的解决方案放在真正的用户面前，并生成真正产品-市场契合（Product-Market Fit）的证据。

与此同时，你现在如何构建决定了以后什么成为可能。这意味着 MVP 阶段还有第二个同等重要的目标：快速行动，但不积累会复利的技术债务——它会在真正的用户以有意义的数量到来时纠缠你。

最后，从第一天起就投资持久化上下文是让 AI 保持乘数效应而非成为熵增源的关键。在 AI 原生创业公司中，你的代码库是你在一次又一次会话中与 AI 协作的东西，这让可读性成为基础。跳过规格说明、架构决策和上下文文件（如 CLAUDE.md）的创始人，会撞上一个可预测的墙：每次新会话都需要重新解释代码库，AI 生成的改动也会偏离原始愿景。

MVP 阶段的退出标准

MVP 阶段的退出条件是真正产品-市场契合的证据：证明一个特定的、可识别的用户群体已经发现产品足够有价值，以至于会回访（留存）、付费（收入）或推荐给他人（推荐）。

MVP 阶段的挑战

在 MVP 阶段，创始人的首要指令是速度和判断力。这里的挑战围绕着你是否能以正确的方式、正确的速度构建正确的东西，而不会削减以后会付出代价的角落。

智能体技术债务

挑战：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，他们就有积累难以偿还的技术债务的风险。

MVP 阶段一些技术债务是适当的，理解是它必须在规模化之前被管理。它逐渐积累，可以随时间清除或在专门的冲刺中清理。AI 技术债务则是复利式的。没有规格说明和 AI 能阅读的架构约束书面记录，每次会话都会从头重新推导出基础决策，而这些决策就会漂移。你最终得到一个背后没有连贯心智模型的代码库——不是因为任何单个部分不好，而是因为这些部分从未被设计成适配在一起。这是真正的问题，而且它确实往往在很晚的时候才显现。

误信虚假的产品-市场契合

挑战：AI 工具可以产生令人印象深刻的早期数据，但这些数据并不能保证市场需要你的产品。

早期势头是创始人能拥有的最具心理影响力的体验之一。经过数周或数月的验证工作和谨慎、有纪律的构建，交付产品感觉像是在确认你一直都是对的。

智能体编程工具可以帮助你比以往任何时候都更快地达到这一刻，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——比如你创始人的朋友、你投资人其他被投公司的潜在买家，或者驱动峰值的 Hacker News 头条。不幸的是，这些都不能可靠地预测第六周或第十二周在初始提升消退后会发生什么。

零摩擦的范围蔓延

挑战：当构建感觉毫不费力且几乎免费时，总有另一个酷功能可以添加，或另一个边界情况要处理。这种范围蔓延可能弊大于利。

范围蔓延一直是创业风险。现在的不同在于，对抗它的传统强制措施——工程时间的真实成本——在添加一个功能只花一个下午而非一个冲刺时，不再以同样的方式存在。

这里的挑战在于每个单独的添加都是可辩护的。当然产品应该处理那个边界情况；当然用户会想要那个工作流。这些在那一刻感觉不像范围蔓延，因为每个用智能体编程构建都花那么少功夫，但随着你的产品超出原始边界，你就有失去方向和势头的风险。

解药是一个在构建开始前就写好的范围定义，描述产品做什么、故意不做什么，以及来自真实用户的什么具体证据会证明添加新东西是合理的。这将决策点从「我们应该构建这个吗？」转移到「一个关键质量的用户告诉我们，没有这个他们就无法从产品中获得价值。」

Claude 如何帮助 MVP 阶段创始人

构建前先定义架构

在 Claude Code 写下一行生产代码之前，先用 Claude 定义和记录将管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、正在做出的权衡及原因。这个输出将作为聚焦的架构上下文文档，并建立 Claude Code 将运作其中的护栏。

没有这个上下文，每次会话都从空白开始，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，会产生一个功能上可运行但结构上不连贯的代码库，迭代和规模化不连贯的代码库最终是时间和 token 的浪费。迟早会有代码不可避免地崩溃，迫使你从头重建。

练习：在打开 Claude Code 之前，先打开 Claude 描述你要构建的东西：它解决的核心问题、它服务的用户，以及你在未来六个月实际期望的规模。请它帮你定义应该管理 MVP 构建的架构原则、考虑到你约束要避免的依赖，以及你在现阶段有意识地接受的权衡。

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：构建的第一个产物，以及每个后续会话都依赖的一个。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，它们是项目的持久化「记忆」。

每次 Claude Code 会话开始时，通过 (1) 回顾你的范围文档和 (2) 向模型提供你的 CLAUDE.md 架构上下文文档来开始。每次会话结束时用会话中浮现的任何决策更新它。目标是一个你能解释其结构的代码库，而不只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、本次会话的具体任务，以及要遵循的任何约束或模式。在每次会话结束时，在上下文文档中添加一个简要日志条目，记录构建了什么、做出了什么决策、以及会话引入了什么假设。每次会话五分钟的文档是便宜的保险，防止架构漂移复利成不可管理的代码库。

定义并执行 MVP 范围

无摩擦的范围蔓延是 AI 时代 MVP 的决定性失败模式之一。就像你定义和记录了产品应用架构一样，你也需要在构建第一个功能之前定义 MVP 的范围。

Claude 可以帮你创建一个范围文档，描述你的 MVP 产品做什么、故意不做什么、以及功能修正标准：来自真实用户的什么具体证据会证明在此阶段添加新东西是合理的。

当新功能想法浮现时——而且它们肯定会——用 Claude 压力测试它是来自用户的真实信号，还是包装成产品思维的创始人热情。

任何用户触及之前进行安全审查

作为 AI 原生创业公司创始人，你的责任是了解你的代码库中有什么、理解任何潜在的暴露向量，并且不将明显的漏洞交付给信任你数据的真正用户。

Claude 可以对 AI 生成的代码进行有用的首次安全审查，帮助识别常见漏洞。在发布前将安全审查纳入循环是个好习惯。但它不能替代安全工具，或者在更高风险的情况下——人类审查者——把 Claude 当作替代的人最终会出现在数据泄露的报道中。

Claude Code Security 更进一步：扫描代码库中的安全漏洞并建议供人类审查的定向补丁，揭示传统方法可能遗漏的问题。

注意：在本电子书发布时，Claude Code Security 是一个有限测试版，请在将其纳入你的工作流之前检查当前可用性。

用 Claude Code 构建你的 MVP

一旦架构和范围定义完毕，Claude Code 就成为主要的 MVP 构建工具。用它来生成、测试、调试和迭代你的代码库，但将每次会话视为你已经做出的产品决策的执行，而不是添加新想法的机会。

发布前构建测量框架

误将早期牵引力识别为产品-市场契合的创始人，通常也是那些发布后才开始跟踪数据的人，使用选择来评估什么在起作用的指标，而非揭示什么不起作用的指标。

解药是在第一个用户出现之前就建立测量框架。

用 Claude 定义对你的特定产品重要的指标、基准是什么，以及数据中的什么模式构成真正的产品-市场契合而非讨好的噪音。具体而言：在发布 MVP 之前设定你的留存基准、激活标准，以及 Day 7 和 Day 30 目标。

接下来，定义对你的特定产品而言假阳性是什么样子：注册但未激活、有收入但无留存、或初始热情但无重复使用等。当数据到来时，让 Claude 对你的牵引力提出反面论证：一个怀疑论者会对这些数字说什么？

管理发现和用户反馈的运营

一旦真实用户进入产品，运营层就快速扩张。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、运行外联序列、安排反馈会话、分类错误报告，以及跟踪迭代周期。管理发现运营时使用的相同 MCP 集成在这里也适用。

保持人类在反馈收集循环中，以进行用户反馈的细微探索。例如，用户说「这很好，但我希望它也能……」需要解读：这是一个核心需求还是锦上添花？是这个客户特有的，还是代表一个细分群体？缺失的功能是真正的问题，还是上游某个入门的障碍？没有工具能回答这些问题。

练习：配置 Claude Cowork 运行你的 MVP 阶段反馈循环：起草外联给你的早期用户列表、安排反馈会话、为错误报告和功能请求设计结构化摄入流程，并编写每周综合报告。先自己审查综合报告；之后，你可以让 Claude 分析信息，以捕捉你可能忽略的任何重要要点。

向证据迭代，而非向完整性迭代

MVP 阶段在你拥有真正产品-市场契合的证据时结束，无论产品感觉有多「完成」。宣布你已实现产品-市场契合并准备从 MVP 阶段进入发布阶段，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：

• 肖恩·埃利斯测试 (Sean Ellis Test)：问你的活跃用户：「如果你不能再使用这个产品，你会有什么感受？」如果超过 40% 的人回答「非常失望」，那这就是一个有意义的产品-市场契合指标。
• 努力测试：产品-市场契合之前，留存需要持续的干预，包括频繁的外联、激励、个人跟进，以及创始人花费的英雄精力来保持用户参与。产品-市场契合之后，产品开始自己做这项工作。当事情开始从推转为拉时，这种努力转变就是发生了真正变化的最清晰信号之一。

最终，没有任何单一数据点能确认产品-市场契合，因为它是一个必须在多个迭代周期中保持的模式，你才能确定地称之为产品-市场契合。

当证据要求时果断转型

如果你投入了所有这些工作之后，仍然无法到达产品-市场契合怎么办？你的结果不能证实你最初方向这一事实，不是失败，而是系统在运作：MVP 阶段的设计目的是在你过度投资于错误答案之前，就揭示这一信息。

当数据不支持你当前的产品时，用 Claude 来梳理数据在告诉你什么：

• 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。
• 调整产品的价值主张：也许你有正确的受众，但你的 MVP 只是没有与用户产生共鸣。对入门流程、信息传递或核心功能重点的调整，可能可以在不改变已构建内容的情况下解决这个问题。
• 保持开放，这种脱节可能深到需要更根本的改变。

练习：如果你已完成三个或更多迭代周期而没有向产品-市场契合基准有意义的进展，用 Claude 运行诊断，然后决定下一步。输入你的留存数据、用户反馈和你原始的问题假设，并问它三个问题：

• 数据中是否有一个细分群体与其他群体的反应不同？
• 设计价值与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产品-市场契合，什么必须为真，而鉴于你所看到的，这个场景现实吗？

让答案决定你是调整、转型还是回到想法阶段。

第五章：发布阶段 (Launch Stage)

如果 MVP 阶段是关于证明你的产品值得存在，那么发布阶段是关于证明你的业务值得增长。

发布阶段的目标

在发布阶段，创业公司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，你还必须在产品之下加固基础设施，同时围绕产品构建一个真正的公司。

创业公司在想法阶段和 MVP 阶段天生是以创始人为中心的，因为你需要完整的情境感知和紧密的反馈循环。但现在，仍然试图亲自把握每一条线索的创始人会成为发布阶段的瓶颈。目标不是把自己从公司中移除，而是构建能释放你注意力的运营系统，让你专注于只有创始人才能做出的决策。

发布阶段的退出标准

发布阶段的退出条件包含三个要素：

1. 增长是可重复且渠道驱动的。你不仅在留住用户，你还通过特定的渠道以可理解的单位经济模型获取他们：客户获取成本（CAC）、客户生命周期价值（LTV）和回收期是你知道并能辩护的数字。
2. 产品能处理生产工作负载。基础设施已加固，安全和合规有序，可靠性在真实生产条件下（而不仅仅是你测试的条件）保持不变。
3. 运营在没有创始人瓶颈的情况下运行。流程存在且自动化已到位。你不再亲自处理支持、分类、冲刺规划或报告。

发布阶段的挑战

找到产品-市场契合是早期创业生命周期中最困难的问题。现在，创始人的挑战变成了保持它。发布阶段是那些找到了真正产品牵引力的公司仍可能瓦解的地方——如果围绕和支持产品的组织无法跟上。以下是值得警惕的失败模式。

技术债务到期

挑战：为速度和验证而构建的 MVP 代码库运行得足够好以证明产品有效，但生产流量、新功能和日益增长的复杂性正在暴露捷径。

在 MVP 时，积累一些技术债务是为了速度的合理权衡。在发布阶段，债务开始产生利息，拖得越久不处理，修复起来就越昂贵。

解决方案包括系统的架构审计以识别结构性弱点、针对性重构以解决最糟糕的部分，以及有意义的测试覆盖扩展，以便下一轮功能工作不会重新引入同样的问题。

创始人成为瓶颈

挑战：在 MVP 时，创始人在每个循环中都是一个资产。在发布时，随着支持量增长、产品决策堆积和运营复杂性倍增，同样的本能变成了约束。

从做工作到设计做工作的系统，这种转变是创业生命周期中最困难的转变之一。因为很少有一个明确的时刻表明它发生了，风险是完全错过它，在组织在你周围停滞时仍然停留在建设者模式。警示信号包括应该花一小时做的决策现在需要一周才能轮到你、支持请求堆积因为你知道答案、以及运营任务只有当你亲自记得做时才会发生。

解药是对你亲自处理的一切进行彻底审计，从最小任务到最高风险决策，以识别什么可以系统化、什么可以委托，以及什么仍然值得创始人的时间和注意力。

过早扩张

挑战：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，但它也是针对你早期受众的。过早扩张到一个与你原始市场有意义地不同的市场，会引入新的用户行为、合规要求、支付基础设施和基线预期——你的产品并非围绕这些设计的。突然有太多新变量，你失去了清晰解读自己数据的能力。你还冒着追逐新的、未经证实的受众而忽视原始用户群的风险。

安全和合规不再可推迟

挑战：在 MVP 时保持安全和合规措施简单是可以接受的，但现在，有了真实用户、真实数据，以及潜在的合同在桌面上，它变成了一种负债。

在 MVP 时，只有少量测试用户且生产中没有敏感数据，安全漏洞是理论上的风险。然而，当你的产品进入生产环境、有真实用户依赖它时，假设的就会变成真实的暴露风险。此外，适用于原型的合规要求，在你处理客户数据、处理付款或向受监管行业销售时，绝对适用。

解药是在生产规模化到来之前——而非之后——进行系统的安全和合规审查，并将浮现的一切都视为必需修复项——而非建议——在下一波用户到来之前。

Claude 如何帮助发布阶段创始人

Claude 的三种形态在发布阶段都得到了全面使用，它们相互支持：每种工具产出成为另外两种的输入。结果是有机复利，一个同时使用三种工具的创始人获得的效果远超它们各自的总和。

这使超精益创业公司模型在结构上成为可能。当 Claude Code 构建产品时，Claude Cowork 围绕它构建公司，而 Claude 将这些产品和组织知识运营化，一个小团队可以像其规模的 n 倍公司一样运作。

在债务复利之前修复技术债务

你的 MVP 代码库能运行，但它也需要一次系统的修复遍历，搜索任何可能成为结构性负债的技术债务。

首先，用 Claude Code 运行一次完整的架构审计：识别代码库脆弱的地方、任何捷径会变得昂贵维护的地方，以及测试覆盖足够薄以至于下一轮功能工作会重新引入同样问题的地方。

将 Claude Code 的审计发现反馈给 Claude 来分类和排序修复工作：什么需要在下一次发布前修复、什么可以等一个冲刺、什么代表你当前阶段可接受的持续债务。

这也是记录你在 MVP 阶段做出的架构决策的时刻（那些因为没时间写下来而只存在于你脑海中的决策）。现在将它们放入 CLAUDE.md，确保每个未来的 Claude Code 会话都从系统设计方式和原因的共享理解开始。

练习：让 Claude Code 审计你的 MVP 代码库并产出一个优先级列表：结构性弱点、测试覆盖缺口和重构候选。然后将该列表反馈给 Claude，让它跨几个冲刺来排序修复工作：任何需要先处理的重大问题、可以与功能开发并行处理的事项、以及可以等待的事项。

建立你一直在跳过的产品管理流程

发布阶段需要一套轻量级、可重复的流程，可以在不需要创始人干预触发或功能的情况下运行。用 Claude 设计你的产品时间线和工作周期将如何结构化、规格说明在 Claude Code 触及功能之前需要包含什么、错误报告如何分类和路由、以及你的每周指标报告涵盖什么、如何分发。

流程设计完成后，用 Claude Cowork 构建和运行运营层：安排冲刺仪式、将收到的错误报告路由到正确的地方、从你的连接数据源编译每周指标，并维护让用户信号持续流入产品决策的反馈循环。

练习：让 Claude 设计一个轻量级产品管理操作系统：定义的冲刺节奏、最低规格说明模板、错误分类决策树，以及从你的实际数据源提取的每周指标简报。然后设置 Claude Cowork 来实现和运行系统的重复性运营要素，如日程安排、路由和报告编译，让它们按时发生而无需你干预。

构建替代创始人注意力的系统

构建释放你注意力以处理只有创始人才能应对的责任的运营系统，需要准确知道你的注意力现在最应该投向哪里。用 Claude Cowork 对你当前的运营负荷进行结构化审计，记录每个重复性任务、落在你桌上的每个决策、以及每个只有因为你亲自记得做才会发生的工作流。然后让 Claude Cowork 将这个清单分类为什么可以完全自动化、什么需要人但不一定是你、以及什么真正需要创始人的判断。

审计完成后，用 Claude Cowork 为自动化候选设计工作流逻辑：什么触发每个工作流、决策规则是什么、输出是什么样子、以及完成后去哪里。

让安全和合规成为产品工作流

用 Claude Code 揭示目标市场要求的 SOC 2、GDPR 或 HIPAA 审计和标准中经常出现的代码级问题。这将揭示漏洞和合规缺口。将这些发现反馈给 Claude，帮助排序修复工作并设计企业买家签署前会要求的控制、审计日志和访问管理。

注意：AI 扫描是辅助工具，但不能替代合格的合规审查。

接下来，将合规工作流构建到你的开发周期中，而不是作为一次性项目来运行；合规文档需要持续维护和更新。对于接近企业合同或国际市场的创始人，这也是 Claude Code 安全扫描可以帮助你准备独立安全评估的时刻。

练习：用 Claude Code 运行面向目标市场要求的框架的代码级安全审查。将输出反馈给 Claude，让它产出两样东西：优先级的安全修复序列，以及你需要生成以满足潜在企业买家合规审查的文档和控制列表。

第六章：规模化阶段 (Scale Stage)

在规模化阶段，创始人的角色从建设者重新定位到面向公众的执行官。产品仍然是核心，但你个人的日常工作越来越多地围绕公司本身展开。你的注意力必须扩展到新的规模化活动，如分析师简报和 IPO 路演，同时你努力保持精益、以 AI 为中心的结构优势。

规模化阶段的目标

技术基础设施的扩展工作仍在继续，现在组织本身的扩展和成熟化为企业的工作也加入进来。

在规模化阶段，你正在考虑从数千用户到数百万用户，以及从一个市场到多个市场。在之前的每个阶段，增长是你通过接近用户、基于紧密反馈循环的数据加上健康的创始人直觉摸索出来的。现在，目标是构建由成熟组织运营支撑的系统性增长。

对于 AI 原生创业公司，你的目标应该是通过累积深度建立可防御的护城河：包括你嵌入产品的专业知识、你的产品与用户依赖的其他工具和平台的深度集成、以及专有系统数据和工作流。那些一直朝一个方向、在一致基础设施上持续构建的创始人，现在拥有了一些真正难以复制的东西。

规模化阶段的退出标准

规模化的退出条件不再是一个单一里程碑，而是一个阈值事件：公司即使在创始人越来越多地不直接运营日常运营的情况下也是可持续的。你已经展示了系统性增长；建立了满足最苛刻外部审查者的组织和合规基础设施；并且对「如果一个资金充裕的现有企业今天复制你的产品，你的用户会留下来吗？」这个问题有了可靠的答案。

在实践中，这个阈值通常采取三种形式之一：不再需要外部资本的可持续盈利规模、IPO 就绪性，或收购。所有三种都要求你的增长是系统性和可审计的，你的产品护城河经得起审查，你的组织在运营上成熟且可持续。

当这是真的时，恭喜：你的创业公司已经从赌注变成了企业。

规模化阶段的挑战

委托运营层

挑战：规模化阶段的运营系统必须在没有监督的情况下可靠且可持续地运行。对于从第一天起就亲力亲为的创始人来说，这种转变既可能是心理挑战，也可能是结构挑战。

你在发布阶段的工作是创建系统；在规模化阶段，它变成 (1) 将这些系统成熟化到完全可信赖，然后 (2) 真正信任它们。

这比听起来更难。即使你是一位擅长委托的创始人，也不总是清楚什么该移交、什么该保留。移交太多太快——尤其是移交给 AI 自动化系统——而关键决策就会在没有只有创始人才能提供的关键上下文的情况下做出。抓得太久，你就会变成瓶颈。

根本挑战在于识别仅存在于创始人脑海或未经记录的工作流中的制度知识，然后将其编码为有文档记录、可审计和可转移的系统。

扩展技术运营为企级基础设施

挑战：客户不再只评估你的产品；他们想知道你的组织能否成为一个可靠的基础设施合作伙伴。

前三个创业阶段的技术挑战都围绕代码库：在积累技术债务的情况下构建正确的解决方案，然后为真实用户加固安全和合规。进入规模化阶段后，挑战现在变成围绕代码库构建的一切：创建支持基础设施、文档，以及传递成熟度的可靠性保证。

更大规模的客户和签署多年合同的机构买家想要这些才会签约，而且他们签约后也会要求你履行。

不过，让你走到这里的相同 AI 基础设施，也帮助你构建具有定义响应时间和文档的专门支持功能，让新客户工程团队实际可用。

构建上市功能 (GTM Function)

挑战：有机增长有天花板，大多数规模化阶段的创始人在他们不得不构建真正的上市功能之前就撞上了它。

想法、MVP 和发布阶段的增长通常起源于创始人主导的销售——从适时发布的 Product Hunt 帖子到与早期客户的个人关系。这种有机增长只在一定程度内有效，大多数创业公司会在规模化阶段达到这个极限。信号包括平缓的用户曲线、上升的客户获取成本，以及只有在创始人亲自参与时才会移动的管道。

规模化阶段的增长需要构建专门的引擎来触达新的更广泛的产品受众。大多数创业公司创始人可能从未运行过营销、销售和分析关系等项目。一个合法的上市动作不仅要求建立新系统和流程，还要求创建你想要如何谈论产品的品牌声音和故事。因为在创业生命周期的这个阶段，你不仅需要触达单个新用户，还需要触达如投资人和企业买家这样的整个目标受众。

幸运的是，上市功能不需要庞大就能有效，而且构建产品的相同 AI 基础设施也能自举将其推向市场。

Claude 如何帮助规模化阶段创始人

早期创业阶段将 Claude 用作产品的基本基础设施：验证想法的研究伙伴、设计和构建原型的工程团队、以及让单人创业公司成为可能的 AI 运营层。达到规模化阶段的 AI 原生创业公司创始人现在可以用 Claude、Claude Code 和 Claude Cowork 以他们构建的相同方式继续扩展。

将日常任务移交给 Claude Cowork

以清晰的视角开始规模化阶段——你现在最需要在哪里投资时间和精力——这对从未建立过企业的首次创始人来说可能是一个挑战。Claude 可以帮助构建只有你应该在这个阶段做的事情的列表，可能包括产品叙事决策、董事会关系、企业交易、创始人之间的对话。任何不在该列表上的东西都是委托或 Claude Cowork 自动化的候选。

练习：用 Claude 产出你当前运营层的瓶颈图：每个当前通过你的路由的工作流、决策和审批。现在让 Claude 推断当你一周不可用时每个会发生什么。会停滞的工作流是那些你仍然亲力亲为到足以阻碍进展的地方。

接下来，是时候对你已构建的系统进行压力测试，确保它们实际上已准备好随着业务增长而扩展。

练习：用 Claude 映射你当前的工作流，然后问它当你一周不可用时每个会发生什么。会停滞的工作流是交接标准、升级路径或例外处理仍然需要收紧的地方。Claude 可以帮助分析失败点并推荐适当的修复，以便你可以更新或替换 Claude Cowork 自动化。

将技术运营扩展为企级基础设施

随着你扩展，买家需要保证你的产品和你的组织可以作为一个长期基础设施被信任。代码库内部的技术工作一如既往，但现在代码库周围也有技术工作要处理。

第一步是将制度知识转化为可扩展的系统。Claude 可以帮助起草和维护企业采购期望看到的书面基础设施，包括产品文档、支持手册和服务水平协议（SLA）。

同时，让 Claude Code 审计和加固代码库，以应对企业合同要求的特定可靠性和安全标准，并构建 Discord 社区支持从未需要提供的的技术支持基础设施：日志、监控、事件响应工具，以及使 SLA 真正可执行的可观测层。

Claude Cowork 然后运行企业支持的运营层本身：工单路由、升级工作流、由产品变更触发的文档更新、续签跟踪，以及企业客户成功所依赖的报告节奏。这三者一起让一个小团队展现出大得多的组织的支持姿态——而这正是签署多年企业合同所要求你展示的。

构建真正的上市功能

创始人拼劲让你走到了这里，但规模化你的创业公司需要创建和实施真正的上市策略。AI 可以帮助你构建并运行这个完整的上市引擎。

Claude 可以帮助从零开始构建基础的上市资源：市场细分、信息架构、分析师关系策略、销售手册，以及一旦你开始与公众投资者、企业买家和华尔街分析师对话时重要的投资人面向指标叙事。这些受众每个都有自己的词汇表，并用各自的标准评估你；Claude 的工作是将你的产品价值主张转化为对每个受众细分相关的产品营销方法。

现在，Claude Cowork 可以成为你的战术执行层：内容管道、外联序列、分析师简报后勤、新闻室和公关节奏、CRM 卫生、管道报告，以及将上市策略转化为实际商业动作的许多重复周期。

上市动作需要产品营销基础设施的地方——交互式演示环境、集成文档、沙盒租户、API 参考、技术一页纸——Claude Code 可以为你构建。买家期望从技术层面评估你的产品，在规模化阶段，一个 Loom 视频和一份销售材料不再足够。这也是让你的上市动作异步运行的基础设施：一个构建良好的演示环境在你参加董事会会议时也能成交。

将领域专业知识和制度知识转化为 AI 上下文

许多超精益创业公司创始人正在为他们在特定行业亲身经历过或观察到的问题构建高度特定的应用或工具。智能体 AI 现在让从未写过一行代码的创始人能够利用他们的领域专业知识来构建解决复杂问题的产品。Claude、Claude Code 和 Claude Cowork 各自在将创始人知识转化为复利式产品特异性方面发挥作用。

使用 Claude 来捕获、组织和提炼创始人知识，将领域专业知识放在产品可及的地方。通过扩展对话、项目和记忆，创始人可以分享他们所知道的一切——行业术语、监管陷阱、边界情况、挫败感、为什么这个问题的明显答案行不通——转化为结构化、可搜索的上下文。然后技能可以将重复工作流（例如，「我如何审计商业租赁」、「我如何分类患者入院表格」）编码为 Claude 每次都以相同方式运行的可重用例程。数月之后，这成为一个任何通用 AI 都无法匹敌的专有知识基底。

用 Claude 外部化你的领域知识对于将行业特定的边界情况编码到产品中变得无价：一个通用 AI 医疗计费工具会在 340B 药品项目理赔上出错，但你的产品对它们有特定逻辑。Claude Code 帮助你将你所在领域的其他专业人士经历的常见挫败感转化为验证逻辑、提示改进，或与你竞争对手可能从未听说过的利基行业系统的 MCP 集成。结果，你的应用或工具的深度和广度都在持续复利，以竞争对手根本无法复制的方式。

练习：识别一个通用竞争对手肯定会在你的垂直领域出错的边界情况。与 Claude Code 合作为它构建一个专用测试用例（不是单元测试），基于你实际见过的场景。每次出现类似的边界情况时就添加它。你的测试套件成为你的护城河地图。

将累积的用户数据复利为防御性优势

当用户与你的产品互动时，他们生成行为信号（即，他们接受哪些输出、拒绝哪些），这指导产品路线图。随着时间推移，你将了解你特定用户群的特定模式、偏好和边界情况。这就是我们所说的复利价值：每次改进使产品更有用，驱动更多使用，创造更多反馈，驱动更多改进。

这些数据是时间锁定的、上下文特定的、复制品无法重新创造的：你无法购买数千用户在你的产品中完善工作流的行为指纹。

Claude 可以帮助审计你收集的任何用户交互数据，识别其中的最高信号行为模式，并设计将持续使用转化为系统性模型改进的反馈循环。

练习：向 Claude 提供你的产品交互数据摘要：你一直在收集什么、收集了多久、以及你对用户随时间如何与产品互动的了解。让它识别该数据中的三个最高信号行为模式，并设计将每个转化为系统性模型改进的反馈循环。然后让它帮你起草一页护城河叙事以指导产品营销：你的数据飞轮如何运作的故事、它已经转了多久，以及为什么一个今天开始的资源充足的竞争对手在两年内无法复制它。

创建工作流锁定

复利数据网络效应让你的产品更难复制，但用户工作流锁定让你的产品更难离开**。用户在日常运营中运行你的产品的时间越长，它就越深入地嵌入他们实际工作的方式。他们在它之上构建了自动化，培训了人员使用它，并将其连接到数据源和其他工具。他们开发的提示、他们优化的工作流、以及他们标准化的输出，都是围绕你的产品做什么以及如何做而塑造的。在这一点上，切换从产品决策变成了全规模运营项目。

创建工作流锁定的第一步是让 Claude 按集成深度映射你当前的客户群。对于每个客户细分，识别他们在你的产品之上构建了什么工作流以及他们依赖什么集成。这显示了你产品的粘性在哪里，以及它需要更深入的地方。

你提供的集成越多，客户就有越多的表面积来构建依赖你产品的工作流。Claude Code 帮助你快速建立与你的目标用户依赖的数据管道、项目管理工具和其他系统的原生集成。Claude Code 还可以构建 API、Webhooks 和 SDK，让客户不仅使用你的产品，还能在其之上构建——最深形式的锁定。

练习：让 Claude 帮你为你的前十大客户构建工作流集成审计。对每个客户，记录他们构建的自动化、他们依赖的集成、通过你产品运行的团队工作流，以及你对他们的切换成本的估计。然后让 Claude 识别跨群体的模式：什么类型的集成为你的特定产品创造了最深锁定，以及你可以为当前处于表面层的客户构建或启用什么来加深集成。

第七章：相同的使命，新的规则

在 AI 时代，创始人的工作没有改变：找到真正的问题，构建解决它的东西，并将其规模化成一家重要的公司。改变的是到达那里的路径。

跨越四个阶段——想法、最小可行产品、发布和规模化——AI 将季度压缩为周。

曾经需要数月的验证周期现在只需要一个下午。一个工作原型不再需要拥有正确技术栈的联合创始人；它需要一个清晰的问题和与编程智能体几次专注的会话。发布就绪从一个发布前的冲刺压缩为一个持续的工作流。而在规模化阶段，曾经迫使早期员工进入灭火模式的运营权重，越来越多地可以移交给 AI，释放你的团队将注意力花在成为你的护城河的判断决策上。

瓶颈不再是你的构建能力，而是你的选择构建什么。

附录：资源与案例

使用 Claude 构建

• Building AI Agents for Startups：分享创业公司如何使用智能体来减少对创始人的依赖，实现规模化。
• Claude Code 文档：从初始安装到高级智能体工作流。提示：从「Claude Code 如何运作」概览开始。
• Claude Code 最佳实践：涵盖在 Anthropic 内部和工程团队中行之有效的模式——上下文管理、权限、规划和验证工作流。
• 使用 CLAUDE.md 文件：指导如何为你的特定代码库配置 Claude Code。对于在设置开发环境的 MVP 阶段创始人来说是必读的。
• Claude Code 高级用户技巧：Claude Code 团队自己的工作流模式，包括并行会话和验证循环。
• Claude Cowork 入门：分享团队如何设置 Claude Cowork 并开始实现技能、插件和其他扩大其在创业中影响的功能。
• 教程：claude.com/resources/tutorials 提供针对特定任务的可搜索实践教程列表。

创始人案例

• 三家 YC 创业公司如何用 Claude Code 构建公司：探讨 HumanLayer（F24）、Ambral（W25）和 Vulcan Technologies（S25）如何使用 Claude 快速将原型推向市场，并通过智能体编程工作流扩展 AI 驱动平台。
• Anything：由 Claude 和 Agent SDK 驱动，已帮助 150 万用户将想法转化为可运行的软件产品，而无需写代码，包括一位非技术创始人构建并已在销售一个完整的招聘平台。Anything 的 AI 智能体处理全部构建，让独立创业者可以加倍发挥他们的领域专业知识。
• Carta Healthcare：使用 Claude 为其临床数据抽象平台提供动力，每年处理 22,000 例外科手术，将数据抽象时间减少 66%。
• Cogent：一家应用 AI 实验室，构建智能体来自动化关键的企业安全任务。该创业公司使用 Claude 作为智能体的推理层，自动执行整个漏洞生命周期中的调查、优先级排序和修复。
• Airtree：使用 Claude Cowork 作为其运营基础设施的中心，统一了以前分散在十几个不同工具和团队中的数据。现在，当一个人在组织中用技能构建工作流自动化时，每个人都可以使用它来完成待办事项列表中从未完成的事项。
• Duvo：构建运行采购、供应链和品类管理流程的 AI 智能体，横跨 ERP、供应商门户、电子表格、邮件甚至电话。Duvo 完全基于 Claude 构建，使用 Agent SDK 跨工作流编排。
• Zingage：一个为家庭护理机构提供 24/7 自动化运营的 AI 智能体平台。该创业公司使用 Claude 的结构化工具调用跨电子病历（EMR）和多个通信渠道编排，以及 Claude 的情境推理来构建能够提供细致、以患者为导向结果的智能体，而非模式匹配到最常见响应。
• GC AI：创始人利用领域专业知识构建了一个响应式、由 Claude 驱动的法律平台，专为内部法务团队的实际工作方式而设计：公司特定的手册、跨职能利益相关者，以及可变的容忍风险阈值。
• Kindora：一个由非营利组织高管使用 Claude Sonnet 构建的 AI 驱动平台，用于将慈善机构与资助者进行智能匹配。在将数千个匹配过滤到值得追求的少数之后，Kindora 的 MCP 连接器让非营利组织可以直接在 Claude 中访问其潜在客户工具。
• Wordsmith：由一位律师转型的首席技术官创立，为内部法务团队提供可靠的 AI 驱动法律技术。Claude 是 Wordsmith 合同审查、协议起草和文档审查能力的推理引擎，而该创业公司的工程团队使用 Claude Code 构建和演进平台本身。

创业支持机会

• Anthropic Startups Program：对于与 Anthropic 的 VC 合作伙伴合作的创业公司，该计划提供免费的 API 积分、最高级别的公开可用速率限制，以及独家创始人活动和研讨会的邀请。
• Claude 社区：面向构建者的论坛和社区空间。
• 现场学习资源：会议、网络研讨会、直播和录播。

claude.ai

实战延伸：从方法论到落地

本章是一份实战工具箱，帮助你把书中的精益创业方法论转化为真正可执行的步骤。

这些资源来自 onepersoncompany.one — 一个聚焦「AI 时代一人公司」的实战社区，所有教程全程代码可抄、命令可粘贴，不掺水。

🌟 主站入口

📚 精选实战教程

配合本书第三章「想法验证」与第五章「发布阶段」食用更佳。

💡 为什么推荐这些教程

本书（Anthropic Founder’s Playbook）讲的是为什么、做什么——精益创业的判断框架； 而 onepersoncompany.one 讲的是具体怎么做——拿来就能跑的命令和代码。

💬 如果在某一步卡住，欢迎到主站联系作者。所有教程都是真实做过、真实生效的，不是 AI 拼凑的“理论文章“。