Claude创始人手册：在AI时代构建一家创业公司（中文版）

创始人手册：在 AI 时代构建一家创业公司

Idea / MVP / Launch / Scale 四阶段全景路径图

基于 Anthropic 官方手册《The Founder’s Playbook: Building an AI-Native Startup》整理、翻译与改编

过去十几年的创业方法论建立在一个隐含假设上：每个新阶段都要靠"更多人 + 新一轮融资 + 新技能组合"才能推进。但在 2026 年，AI 把这条假设打破了。

从产品研发到客户研究，从竞品分析到投资人材料，再到日常运营自动化，绝大部分工作都可以由 AI 完成或大幅压缩。一个极致精简的小团队，甚至单人公司，有可能在融资、招人之前就先达到产品验证、早期营收，乃至盈利。

Anthropic 最近发布的 《The Founder’s Playbook: Building an AI-Native Startup》 把这条新路径整理成一份系统的实操手册。本文是它的中文精读版：完整覆盖四阶段框架，每一阶段补充"目标 → 退出条件 → 失败模式 → Claude 工具用法 → 实战练习"五个维度，并附上 12 家创始人案例与官方资源链接。

本文怎么读

第一步：通读一遍，建立对四阶段的整体认知；

第二步：找到自己当下所处阶段，把"实战练习"逐条做一次，把结论沉淀到你的 CLAUDE.md 与运营文档；

第三步：每季度回看，因为 AI 工具与最佳实践会持续演化。

第 1 章

2026 年的创业生命周期，被重启了

验证 → 融资 → 招人 → 做产品 → 再融资 → 增长 → 再招人，循环往复。这是过去十年最熟悉的创业节奏。AI 把它打破了。

结果是一种新的创业形态：极致精简的小团队（甚至单人公司）有可能在融资、招人之前就先达到产品验证、早期营收，乃至盈利。当这条路径成立，创始人的角色就发生根本变化——从"个人贡献者"变成"智能体编排者"。

1.1 创始人能力的边界被打破

过去定义创始人靠"能做什么"：技术型创始人写代码，非技术创始人跑业务、谈合作。在 2026 年，这堵墙被打通：

•没有工程背景的创始人可以让 Claude Code 生成、测试、调试出可上线的产品代码；

•没有商业背景的工程师可以让 Claude 起草 GTM 策略、财务模型、投资人材料。

真正稀缺的不再是"会做的人"，而是"看得清问题且能持续做出好判断"的人。AI 越擅长执行，创始人就越需要把注意力上移到"做什么、为什么做、什么时候做"。

1.2 AI 时代精益创业的三大能力支柱

① 对话式智能与研究

把 AI 当成全领域随叫随到的专家：薪酬怎么发？sprint 怎么排？投资人备忘录怎么写？过去这些问题靠"找人问"，要么耗时，要么烧早期资金请顾问。典型用法包括：

•深度研究：竞争分析、市场规模、财务建模；

•文档草拟：BP、案例研究、投资备忘录、PRD；

•策略思考伙伴：魔鬼代言人、事前剖析（pre-mortem）、场景规划、路线图优化。

② 智能体编程（Agentic Coding）

用自然语言描述意图，AI 即可生成、测试、调试、重构出生产级代码库。这意味着：

•不再必须先找技术联合创始人或外包；

•从"有想法"到"有产品"的时间从月级压缩到天级；

•创始人的工作重心从"实现"转向"决定做什么、为什么做"。

③ 工作流自动化

哪怕 AI 帮你做了研究和写代码，仍然有一类"不做不行"的事：日程、CRM 更新、周报、文档维护、合规跟踪、跨系统连接……这些零碎运营负担在精益团队里几乎都压在创始人身上，是注意力的真正杀手。Claude Cowork 等工具可以把这些工作"配置一次、自动运行"，并直接连入项目管理、沟通、数据等已有系统。

本章心法

AI 不会自动跑起来。三大能力是杠杆，但创始人必须知道"何时用、用哪个、怎么编排"。

AI 的智能是你的智能的放大器。判断错了，它就会以同样高的效率把你推向错误方向。

第 2 章

Claude 三大产品矩阵：选对工具，事半功倍

Claude、Claude Cowork、Claude Code 底层是同一个模型，区别在于"它在哪里工作、能访问什么、如何与你协作"。在不同阶段、不同任务下选错产品，效率会差几倍。

2.1 何时用 Chat

面向"快进快出"的小事：从一份冗长的投资备忘录里提炼一句话结论；在董事会前快速验证一个数据；看懂团队 Slack 上的长讨论。它的本质是"在你已经打开的应用里多了一只可对话的手"。

2.2 何时用 Claude Cowork

面向真正耗时的知识工作：把一文件夹的客户访谈转录稿汇总成主题发现报告；在融资前用十几个竞品网站搭出竞争格局图；每周一自动从工具中抓数据，生成 KPI 简报并放进共享盘。核心价值是"把多个来源的资料整合、产出一份成品"。

2.3 何时用 Claude Code

面向工程开发：在已有代码库中迭代特性、把 MVP 阶段的临时代码迁移到生产架构、从原型推进到正式发布。它能直接读写代码、看 diff、操作 git、运行测试，并支持 Plan Mode 等高级模式。

关键原则

不要让 Chat 做 Cowork 的活：手动复制粘贴文件夹的资料给 Chat 是浪费时间。

不要让 Cowork 做 Code 的活：让一个文档型工具去重构代码会带来不一致。

不要让 Code 做 Chat 的活：开 Code 只为了问"这段是干嘛的"，过于重。

第 3 章 · Idea 阶段

构思阶段：在敲第一行代码之前

几乎所有创业者都从同一个地方出发：一个挥之不去的问题。在 2026 年，Idea 阶段的核心纪律是：没有证据支持，就不要开始建。这个阶段的工作是研究、客户发现、竞品分析，以及对"反证"的诚实评估——而不是写代码。

3.1 阶段目标

找到问题-解决方案契合（Problem-Solution Fit）。即：在动手前，收集到充分的定性证据（主要来自和真实人类的对话）证明你正在解决一个真实的问题。

3.2 必须按顺序回答的四个问题

•这个问题是否真实、具体、足够频繁？

•究竟谁在被这个问题困扰？他们构成一个市场吗？

•是否已经有人在解决？做得怎么样？

•一个能真正解决问题的方案需要做什么？你的设想满足吗？

上述问题最终汇聚为一个根本判断：这件事值得做吗？

从"观察"到"可测试假设"

观察（不可测试）：用户在报销上很痛苦。

可测试假设：中型公司的财务经理每周花 4 小时以上对账，因为现有工具不能和会计软件打通。

后者才是 Idea 阶段应当输出的东西。

3.3 退出条件

当下列三个问题都能回答"是"，就可以离开 Idea 阶段：

•问题是否真实而具体？能说出谁有这个问题、多频繁、多严重、现在如何应对。

•方案是否真的对准了问题本身？这里指的是"验证过程揭示出来的问题"，而非你最初臆想的问题。

•信号是否足以支撑你开始建 MVP？不必追求绝对确定，但要让 MVP 决策是"基于推理"，而非"凭信仰"。

3.4 三大失败模式

① 把"做"当成"验证"

没有 AI 的时代就有 42% 的创业失败于"做了没人要的东西"；在 AI 能让原型一晚上跑出来的时代，这个比例只会升高。原型不是证据，和真实用户的对话才是证据。原型应作为对话的"测试道具"，而非"我对了的证明"。

② 过早扩张（Premature Scaling）

AI 太能干，会让你不自觉地在尚未确认方向之前把执行规模做得很大。智能体会以同样的热情构建一个根基错误的代码库。这个阶段唯一的原则：理解的速度永远跑在构建的速度之前。

③ 失去客观性：确认偏误的 AI 加强版

让 AI 给你的想法找证据，它真的会找到。让 AI 估你的 TAM，它会找到"看起来够大"的那个数字。解药是同一个工具方向相反地用：让 AI 来"反证"你的想法。当反证给出值得修正的信号——这就是 pivot 的信号。

3.5 实操工作流

锐化问题假设：让 AI 做魔鬼代言人

先靠自己的领域经验写出一份问题陈述，然后让 Claude 把它打磨成可测试的假设。关键问题：谁、多频繁、多严重、现在怎么处理？

随后让 Claude 反过来反驳你的想法，主动寻找否定证据：负面市场信号、失败的竞品、用户行为模式、结构性障碍。把"对自己有利的综述"扔掉，把"最强反对意见的合集"留下。这样你进入客户访谈时，问题才是开放式的。

实战练习 · 问题陈述压力测试

把你目前的问题陈述发给 Claude，要求：

1）改写成"谁在何场景下因何具体原因花了多少时间/钱"的可测试假设；

2）站在敌方立场写出三条最强烈的反对意见；

3）列出 5 个最可能让这个假设失败的外部信号。

竞争分析：让 AI 替"对手"辩护

创业者常见的偏差是"竞争忽视"：只盯自己的愿景，系统性低估对手。矫正方法是：让 Claude 为竞争对手写最有说服力的胜出剧本——为什么他们的路径更好？用户为什么会选他们？你以为的护城河可能并不深。

实战练习 · 竞争格局四分层

让 Claude 按四个层次画出你的竞争格局：

直接竞争者 / 间接竞争者 / 潜在收购方 / 可能跨入这个领域的相邻玩家。

然后让它论证每一层都对你构成真实威胁——而不是最容易被你打发的那个版本。

市场研究：TAM/SAM/SOM 与趋势

Claude Cowork 可以从行业报告、分析师材料、市场研究文档中提取干净的数据，作为后续分析的输入。围绕你的市场，回答：

•市场是在扩张、整合，还是已经成熟？

•谁掌握预算、谁影响决策？两者是否同一个人？

•未来 24 个月内最可能影响这条赛道的三个外部趋势是什么？是顺风还是逆风？

在 subreddit、LinkedIn 群、Slack 工作区里找出用户用什么原话描述这个问题——这一手语言是最珍贵的产品文案与定位输入。

客户发现：找谁、问什么、怎么复盘

客户访谈的质量取决于两件事：问题问得对，以及问给对的人。

找谁：明确职级、公司类型、团队结构、痛点的接近程度，列一份比"长名单"更高质量的"精准画像"，并去他们真正聚集的地方（社群、活动、群组）触达。

问什么：新手最容易犯的错是问"将来你会用吗？"。正确做法是问具体的过去——"请描述上一次你遇到这个问题时发生了什么"。让 Claude 帮你审视问卷，标出哪些问题在诱导回答、太宽泛或会引出"社会期许"答案。

怎么复盘：每完成 5 个访谈，把所有笔记交给 Cowork 综合，输出"支持假设的证据"与"挑战假设的证据"两张清单。如果第一张明显比第二张长，再问 Claude：这是数据本身的真实分布，还是你想看到的分布？

实战练习 · 5-访谈复盘节律

每完成 5 个客户访谈，让 Claude Cowork 输出：

· 支持你假设的证据（What confirmed it）

· 挑战你假设的证据（What challenged it）

· 让你意外的发现（What surprised you）

若第一项远多于第二项，立刻让 Claude 反向审计你的解读偏差。

外联自动化与轻量原型

Cowork 可以基于你定义的目标画像研究并整理潜在受访者名单与已验证联系方式，批量起草个性化邀约邮件，并通过 MCP 接入 Gmail / Google Calendar 处理回信与排期，按既定节奏发提醒并自动更新跟踪表。

Idea 阶段的"原型"不是产品，而是"可以让真人触碰、用来获取真实反馈的最小交互面"。把方案的单一核心交互定义清楚，让 Claude Code 只做这一点，把它放到 5 个目标用户面前。这 5 段对话决定你是继续做、还是回到画板。

第 4 章 · MVP 阶段

MVP 阶段：把验证翻译为产品

许多人把 MVP 阶段视为"建造期"，但它本质仍是收集证据的阶段——只不过这一次证据是关于"解决方案"而非"问题"：是否有一群可被识别出来的真实用户，觉得这个东西值得留下、值得付费、值得告诉别人？

4.1 阶段目标

•把已验证的问题翻译为一个能让真实用户实际使用的产品。它不是带齐路线图的完整版，而是"最小但聚焦、能产出 PMF 证据"的那个版本。

•怎么建，决定你以后能走多远。速度必须建立在不积累"会复利"的技术债务之上，而"持久化的上下文"（如 CLAUDE.md）是让 AI 持续放大你而不是制造熵的关键。

4.2 退出条件：真正的 PMF 证据

一个具体、可识别的用户群体——他们愿意回头使用（留存）、付费（营收）、推荐（转介绍），至少满足其一并构成稳定模式。

4.3 四大失败模式

① 智能体技术债（Agentic Technical Debt）

AI 把过去限制"什么可以进入生产"的天然瓶颈彻底拿掉了，因此"快"是免费的。但若"快"是唯一指标，技术债会以特殊方式累积——没有规格说明与架构约束，每一次会话都从零推导基础决策，并产生漂移。不是每一块代码都坏，而是这些块"从未被设计成能放在一起"。

② 假的 PMF

上线初期的能量来自创始人朋友、投资人组合公司的潜在买家、一次 Hacker News 热门——这些都不能可靠预测第 6 周或第 12 周还在不在。早期 traction 不等于 PMF。

③ 零摩擦的范围蔓延（Scope Creep）

每次新增功能都"看上去合情合理"。但在 agentic 时代，每个看似合理的功能加起来会让产品超出原定边界，失去方向与节奏。解药是在动手之前写一份范围说明文档：产品做什么、明确不做什么、什么样的用户证据才会让新功能被纳入。

④ 经验不足导致的安全漏洞

Agentic 编程工具产出的是"能运行的代码"，不是"天然安全的代码"。功能问题有自然反馈（要么 work 要么不 work），安全问题在被利用之前完全不可见。让真实用户接触前必须做一次安全审查，这是底线。

4.4 实操工作流

① 写代码之前先定架构：CLAUDE.md 是地基

在 Claude Code 写第一行生产代码之前，用 Claude 把以下内容写下来：

•要遵循的模式（patterns）

•要避免的依赖

•正在做的取舍，以及为什么这样取舍

把上述结论保存为 CLAUDE.md。它是项目级指令，会被 Agent SDK 在该目录运行时自动读取，相当于项目的"持久记忆"。没有这份文档，每次会话都会重新推导，最终产出一个"能跑但结构不连贯"的代码库——迭代成本最终会让它坍塌、被推倒重来。

② 显式划定 MVP 范围

用 Claude 做一份范围说明文档：

•本 MVP 做什么

•本 MVP 明确不做什么

•"功能新增准入标准"：什么样的真实用户证据才允许把新功能加进来

当新功能想法出现时（一定会出现），让 Claude 判断："这是来自用户的真信号，还是创始人热情被包装成产品思考？"

③ 用 Claude Code 构建：会话模板与会话日志

把每次 Claude Code 会话视为"执行你已经做出的产品决策"，而不是"在写代码过程中顺手做新决策"。具体做法：

•每次会话开始：复读范围文档 + 把 CLAUDE.md 喂给模型。

•每次会话结束：把当次新做的决策、引入的假设、修改的部分作为简短日志追加回 CLAUDE.md。

•把"每会话 5 分钟的文档化"视为防止架构漂移的最便宜保险。

④ 上线前的安全审查

Claude 可以对 AI 生成代码做有用的"第一遍"安全审查，但它不能替代安全工具或更高风险场景下的人工审查。Claude Code Security（限定 Beta）可以扫描代码库、提示需人工审查的补丁，并发现常规手段易漏的问题。

实战练习 · 部署前安全清单

在让任何真实用户接触之前，让 Claude 用以下清单审查核心代码：

· 认证与会话处理

· API 响应中是否泄露数据

· 输入校验与注入风险

· 已知漏洞的依赖

对所有触及"认证、密钥、数据处理"的发现，必须经过人工 review。

⑤ 衡量框架先于用户上线

误把"早期热度"当 PMF 的创始人，往往是"上线之后才开始定义指标"的那批人——他们挑选的指标是"用来证明哪里在 work"，而非"用来揭示哪里不 work"。解药：在第一个用户出现之前定义好衡量框架。

•为你的产品定义具体的留存基准、激活标准、Day 7 / Day 30 目标。

•提前定义"假阳性"长什么样：注册但不激活？营收但不留存？初始热度但无重复使用？

•当数据来了，让 Claude 站在反方角度审问你的 traction："如果一个怀疑论者来看这组数字，他会怎么说？"

⑥ 何时宣告 PMF：两个实用试金石

判断 PMF 的两个试金石

Sean Ellis 测试：问活跃用户："如果你以后不能再用这个产品，你会有什么感觉？"若超过 40% 回答"非常失望（very disappointed）"，是有意义的 PMF 信号。

努力度测试（Effort Test）：PMF 之前，留存依赖创始人持续 push（外联、激励、跟进、英雄式投入）；PMF 之后，产品自己开始"拉"用户。当效用方向从"推"转为"拉"，是真正的信号。

没有任何单一指标可以"确认" PMF。它是一种"在多轮迭代中持续成立"的模式，需要时间才能下结论。

⑦ 何时 pivot：连续 3 轮无信号怎么办

如果数据不支持当前方向——这不是失败，是 MVP 阶段在正常工作：它就是用来在你过度投资之前把这件事暴露出来。

•探索新的客户分层：转化最差的人本来就可能不是对的人。"对的受众"经常已经在数据里，只是被低估了。

•调整价值主张：可能受众没错，但 MVP 没有打到他们。onboarding、文案、核心功能强调点的微调可能就够了。

•承认问题更深：必要时回到 Idea 阶段。

实战练习 · 三轮无信号诊断

若连续完成 3 轮以上迭代仍无明显 PMF 推进，把以下三类资料喂给 Claude：

留存数据 + 用户反馈 + 你最初的问题假设。

让它回答：

1）数据里是否有一段人群在以不同方式回应？

2）"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？

3）当前产品要找到 PMF，需要什么条件成立？这些条件现实吗？

第 5 章 · Launch 阶段

上线阶段：从可行的产品到可经营的公司

如果说 MVP 阶段是"证明这个产品值得存在"，Launch 阶段就是证明这家公司值得增长。把早期 traction 变成可重复、可持续的增长引擎；同时硬化底层基建，并真正在产品周围搭出一个公司。

5.1 阶段目标

在 Idea 与 MVP 阶段，创始人天然处于一切环路的中心——这是该有的样子。但到了 Launch 阶段，仍然把每根线攥在手里的创始人就成了瓶颈本身。本阶段的目标不是"把创始人撤出公司"，而是"建立运营系统，把注意力解放给那些只有创始人能做的决策"。

5.2 退出条件（三要素并列）

•增长可重复、可归因到渠道：CAC、LTV、回收周期是你能讲清楚也能捍卫的数字。

•产品能承接生产负载：基建已硬化，安全合规到位，在真实生产条件下可靠（不是仅在测试条件下）。

•运营不再以创始人为瓶颈：支持、分诊、sprint 计划、汇报已不再由你亲手做。

5.3 失败模式

① 技术债开始计息

MVP 期为速度承担的债，在 Launch 期开始累积利息。生产流量、新功能、不断变复杂的代码库会把当年的捷径暴露出来。解法是系统性架构审计 + 针对性重构 + 实质性扩大测试覆盖，避免下一轮特性开发又把同样的问题塞回去。

② 创始人成为瓶颈

信号：本该 1 小时做完的决策需要拖 1 周；只有你知道答案的工单堆积；运营任务"只有你想起来才会发生"。解法是盘点你亲手处理的一切（从最细的事到最重大的决策），分成可自动化、可委派、以及"确实需要创始人判断"的三类。

③ 安全与合规不再可以推迟

MVP 阶段那种"暂时把安全后置"的做法到 Launch 期已是负债。真实用户、真实数据、企业合同都在桌上。生产规模到来之前完成系统性的安全与合规审查，并把发现项视为"必须修复"，而不是"可考虑修复"。

④ 过早扩张到新市场

新市场和新一轮融资看上去都是机会，但也是 PMF 容易"死掉"的地方。新人群的行为、合规要求、支付基建、基础预期都不同；数据被噪声污染后你将失去对自己产品的解释能力，同时也容易抛弃原有用户。

5.4 实操工作流

① 偿还技术债：先审计、再分批

用 Claude Code 做完整架构审计：哪里脆弱、哪些捷径维护成本会爆炸、哪段测试覆盖率不足。把审计结论交给 Claude 分诊：什么必须在下次发布前修、什么可以延后一个 sprint、什么是当前阶段可以接受的长期债务。

同时把当年只活在你脑子里的架构决策写进 CLAUDE.md——从此以后每次 Claude Code 会话都从"对系统设计与初衷的共识"开始。

② 把安全合规变成产品工作流

用 Claude Code 扫常见 SOC 2 / GDPR / HIPAA 关注点；把扫描结论交给 Claude 排序，并梳理出企业采购评审会要求看到的文档与控制项（包括 SLA、日志、访问管理等）。把合规工作建成持续工作流而非一次性项目——文档需要持续维护。AI 扫描是辅助，不是合规 review 的替代。

实战练习 · 企业级合规差距分析

挑出你最想签下来的 3 个企业客户。

让 Claude 输出"差距分析"：他们的采购团队签多年合同前会要求看哪些文档、SLA、支持基建？你目前差在哪里？

把这份差距清单作为 Claude Code 与 Claude Cowork 接下来工作的排序依据。

③ 建立"产品管理操作系统"

Launch 阶段需要一套轻量、可重复、不依赖你触发就能运行的流程。让 Claude 帮你设计：

•sprint 节奏与仪式

•Claude Code 接手特性之前的最小 spec 模板

•Bug 报告分诊的决策树（如何路由）

•周报指标：抓哪些数、谁看、什么时间发

流程设计完成后，让 Claude Cowork 来跑这套操作系统：安排会议、路由 Bug、汇编周报、维护"用户信号→产品决策"的反馈环。

④ 把运营负担从你身上剥离

用 Claude Cowork 做一次"创始人注意力审计"：哪些重复任务、哪些堆到你桌上的决策、哪些只在你"恰好想起来"时才发生的工作？让 Cowork 把它们分类成"完全可自动化 / 需要人但不必是你 / 真正需要创始人判断"。

实战练习 · Launch 阶段创始人瓶颈地图

让 Claude 列出当前所有"还路由到你"的工作流、决策和审批。

对每一项推演："如果你接下来一周不在，这件事会怎样？"

一旦"会停顿"的项目超过 5 个，立即把它们排进自动化与委派计划。

第 6 章 · Scale 阶段

规模化阶段：从产品公司到一门可以经营的生意

在 Scale 阶段，创始人的角色再次重心位移——从"构建者"变为"对外的公司代言人"：分析师沟通、IPO 路演、企业采购、政策与合规质询都在桌上。与此同时，你必须继续维持那套"以 AI 为中心、保持精益"的结构性优势。

6.1 阶段目标

从几千用户走向几百万用户，从一个市场走向多个市场。过去靠"贴近用户 + 创始人直觉"调整路线的方式不再够用——现在的目标是以成熟的组织能力支撑起系统化的增长。

AI 原生公司在这一阶段的护城河来自"积累的深度"：

•你嵌入产品中的领域专长；

•产品与用户依赖的其他系统的集成深度；

•专有的系统数据与工作流。

一直朝同一个方向、在同一套基建上持续打磨的创始人，这时拥有的东西，真的难以被复制。

6.2 退出条件：从一场赌注变成一门生意

Scale 阶段没有单点里程碑，而是一个"门槛事件"——即使你越来越不亲自跑日常运营，公司也能持续运转。增长是系统化、可审计的；产品护城河经得起外部审视；组织运营成熟且可持续。

通常以三种形态之一出现：

•可持续盈利且不再需要外部资本；

•IPO 就绪；

•具备被收购的条件。

6.3 失败模式

① 不敢/不会下放运营层

Launch 阶段你建了运营系统，Scale 阶段要做两件事：让它们成熟到可以信任，然后真正信任它们。下放过多、过快——尤其是给 AI 自动化系统——关键决策会在缺少创始人上下文的情况下做出；下放过少、过慢，你又成了瓶颈。

难点是识别"只存在于创始人头脑中"的机构知识，把它编码成可文档化、可审计、可移交的系统。

② 围绕代码库的技术运营缺位

企业客户买的不只是产品，还要"我们公司能不能成为你长期可依赖的基础设施"的安全感。这就需要支持基建、文档、可靠性保证全部到位——SLA、日志、监控、事件响应工具、可观测性。

③ 缺乏真正的 GTM 引擎

Idea / MVP / Launch 阶段的增长经常来自"创始人亲自卖"+ Product Hunt + 私人关系。这条路有上限，多数公司在 Scale 阶段就触到。信号：用户增长曲线在变平、CAC 在上升、销售管道只在创始人亲自介入时才推进。

④ 组织职能真空

无论团队多少人，Scale 阶段的公司都需要 HR、薪酬、会计、法务等"基础设施级"职能存在。

6.4 实操工作流

① 把日常交给 Claude Cowork

从一份"现阶段只能由我亲自做"的清单开始（产品叙事决策、董事会沟通、企业级商务谈判、创始人之间的对话等）。清单之外的一切，都是自动化或委派的候选。让 Claude 画出当前的运营瓶颈地图：每一项工作流、决策、审批正在如何穿过你。对每一项做"假设你一周不在场"的推演——会停顿的就是你还没真正剥离的部分。

② 把代码库"硬化"为企业级基建

Claude 起草并维护企业采购看重的"书面基建"：产品文档、技术支持手册、SLA。同时让 Claude Code 按目标市场要求审计与加固代码库，并搭出"Discord 社区时代不需要"的运维与支持基建：日志、监控、事件响应工具、可观测性。Claude Cowork 再来跑企业支持的运营层：工单路由、升级流程、产品变更触发的文档更新、续约追踪、客户成功的汇报节奏。

③ 建立真正的 GTM 引擎

用 Claude 从零搭出 GTM 基础物料：市场分层、信息架构、分析师关系策略、销售剧本、面向公开市场投资人/企业买家/行业分析师的指标叙事。每一类受众都有自己的话术与评估标准——Claude 的工作是把同一份产品价值翻译成每个受众听得懂的版本。

Claude Cowork 是战术执行层：内容生产管线、外联序列、分析师 briefing 安排、PR 节奏、CRM 卫生、Pipeline 报表。对于需要"产品市场基建"的部分（交互式 Demo 环境、集成文档、沙箱、API 参考、技术单页），用 Claude Code 直接生成——在 Scale 阶段，"Loom + 销售 PPT"已经不够了。

④ 把领域知识转成 AI 上下文

许多极致精简的创业者本身就是某个垂直行业里的人，是带着第一手痛点入场的。在 Scale 阶段，把这份"行业经验"沉淀为 AI 可调用的资源：

•通过深度对话、Projects、Memory 把行话、监管陷阱、边界用例、"显然方案为何无效"统统录入；

•用 Skills 把可复用的工作流（"我怎么审一份商业租约"、"我怎么分诊一份病人入诊单"）编成可重复运行的例程；

•若你的领域有专属系统，让 Claude Code 通过 MCP 接进去，做出竞品根本不知道的集成。

实战练习 · 一处通用 AI 一定做错的边界用例

挑一个"通用对手在你的垂直里必然处理错"的边界用例。

让 Claude Code 围绕一个你亲眼见过的真实场景，构建一条专属测试用例（不是单元测试，而是场景级用例）。

今后每见到一例类似情形，就把它加进来。

你的测试集，会逐渐变成你护城河的地图。

⑤ 用户数据飞轮：让产品越用越深

用户在产品里的行为信号（接受/拒绝了哪些输出、用什么风格、在哪些场景下卡壳）反过来塑造产品路线图。时间一久，你将拥有这个用户群独有的"行为指纹"——这个东西无法被买到。

实战练习 · 一页纸"护城河叙事"

把产品的交互数据梗概喂给 Claude（采集了什么、采集了多久、用户随时间如何与产品互动）。

让它输出：

1）数据中信号最强的 3 个行为模式；

2）把每一个变为模型改进的反馈环设计；

3）一页纸"护城河叙事"——你的数据飞轮怎么转，转了多久，为何一家今天才开张的对手用 2 年都追不上。

⑥ 工作流锁定：让产品更"难离开"

数据飞轮让产品更难被复制，工作流锁定让它更难被替换。用户在你产品之上构建了自动化、训练了团队、连了数据源与其他工具，提示词、工作流、标准输出格式都已经围绕你的产品塑形——此时迁移已经不是产品决策，而是一场公司级的迁移工程。

让 Claude 帮你画出客户的"集成深度地图"：对每个客户分层，列清楚他们在你产品之上建了哪些工作流、依赖哪些集成。用 Claude Code 快速接入用户依赖的数据流、PM 工具与系统；提供 API、Webhook、SDK 让客户不仅"用你"，而且"在你之上建东西"——这是最深的一种锁定。

实战练习 · Top-10 客户集成审计

为你的前 10 名客户做一份工作流集成审计：

· 他们在你产品上建了哪些自动化

· 依赖哪些集成

· 哪些团队工作流跑在你产品里

· 估算他们的切换成本

让 Claude 横向归纳：哪类集成创造了最深的锁定？你下一步该建/启用什么？

第 7 章

同样的工作，崭新的规则

在 AI 时代，创始人的工作并没有变——找到一个真实问题，做出能解决它的东西，把它扩展为一家有分量的公司。变的是抵达那里的路径。

原本需要数月的验证周期，可以压进几个下午；原本需要找对技术联合创始人才有的可工作原型，现在只需要一个清晰的问题和几次专注的智能体编程会话；上线就绪，从赶死线的冲刺变成持续可控的工作流；规模化阶段，曾经必须靠早期"救火型"招人扛起的运营重量，越来越多可以交给 AI。团队的注意力，自然落到那些会成为你护城河的"判断"上。

一句话总结

瓶颈不再是"你能建什么"，而是"你选择建什么"。

本文的所有章节，都是为了帮你把这件唯一稀缺的事——选择——做对。

附录 A

四阶段速查表

附录 B

原文收录的创始人案例（节选与说明）

以下案例来自原文的资源章节，按"它对你最有启发"的视角做了重新归类。建议读者根据自身阶段挑选相应案例的官方故事链接精读。

A. 用 Agentic Coding 把原型推到生产

•HumanLayer / Ambral / Vulcan Technologies：三家 YC 创业公司，用 Claude Code 让原型在最短时间触达市场，并以 agentic 工作流持续扩展产品。

B. 用专业知识 + Agent SDK 服务垂直领域

•GC AI：把法律团队的实际工作方式（公司专属剧本、跨职能干系人、风险阈值差异）做成响应式法律平台。

•Carta Healthcare：临床数据抽取平台，每年处理 22,000 例外科手术，数据抽取耗时下降 66%。

•Anything：基于 Claude 与 Agent SDK，让 150 万用户无代码做出可用软件产品；含一位非技术创始人在其上构建并销售完整招聘平台的案例。

•Cogent：用 Claude 作为推理层，自动化漏洞调查、优先级排序、修复的企业安全任务。

C. 用 Claude Cowork 做"小团队 / 大组织"的运营层

•Airtree：把过去分散在十几个工具里的数据统一到 Cowork 作为运营中枢。一个人写好一条带 Skills 的工作流自动化，整个组织都能用上。

•Duvo：跨 ERP、供应商门户、表格、邮件甚至电话，全程基于 Claude 与 Agent SDK 编排采购、供应链与品类管理流程。

•Zingage：为居家护理机构提供 7×24 自动化运营平台，结合 EMR 与多通道沟通，使用 Claude 结构化工具调用与上下文推理生成"按病人定制"的回应。

D. 非典型背景创始人用 Claude 做出有意义的产品

•Kindora：非营利组织高管用 Claude Sonnet 构建慈善与资助方的智能匹配平台；MCP 连接器让用户直接在 Claude 中接入。

•Wordsmith：律师出身的 CTO 创办，将合同 review、起草、文档审阅落到 Claude 作为推理引擎；工程团队同时用 Claude Code 持续演进平台本身。

附录 C

进一步学习资源

以下链接均来自原文资源章节，建议直接前往官方页面阅读最新版本。

与 Claude 一起构建

•Building AI Agents for Startups：介绍创业公司如何用 Agent 降低对创始人的依赖。

•Claude Code 官方文档：从安装到高级 agentic 工作流，推荐先读 "How Claude Code works"。

•Claude Code Best Practices：上下文管理、权限、规划、验证工作流等 Anthropic 内外实践。

•使用 CLAUDE.md 文件：针对你的代码库配置 Claude Code，MVP 阶段必读。

•Claude Code Power-user Tips：并行会话、验证回路等高级模式。

•Claude Cowork 入门：如何配置、引入 Skills、Plugin 等扩展。

•Tutorials：claude.com/resources/tutorials 上可搜索的实操教程集。

创始人故事

•How three YC startups built their companies with Claude Code：HumanLayer / Ambral / Vulcan Technologies 的实战记录。

创业支持与机会

•Anthropic Startups Program：与 Anthropic 合作 VC 的早期公司可申请免费 API 额度、最高公开速率上限，以及创始人专属活动与工作坊。

•Claude 社区：构建者论坛与社群。

•线上学习：大会、直播、回放等学习资源。

— 全篇完 —

原文出处：The Founder’s Playbook: Building an AI-Native Startup，Anthropic，2026。

原文链接：https://claude.com/blog/the-founders-playbook

本中文文章基于原文整理、翻译与改编，部分案例措辞已根据中文读者习惯调整；原文内容版权归 Anthropic, PBC 所有。