创始人手册：打造 AI 原生创业公司
AI 正在重塑创业公司的构建方式。本手册重新规划了创业旅程的四个核心阶段——构想、MVP、发布和规模化——为 2026 年的新现实而生。
目录
第一章 面向2026年重启的创业生命周期
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交付生产级应用，而精益型10人独角兽已从草根逆袭的故事变成了深思熟虑的行动方案。
在2026年，AI 可以编写生产级代码、进行市场调研、综合竞争格局分析、起草投资者材料，以及自动化运营工作流。通过消除那些即使经验丰富的技术型创始人在整合将想法变为现实所需的工具、平台和系统时所面临的陡峭学习曲线，AI 首先在"谁能创办创业公司或构建产品"这个问题上实现了公平竞争。
在2026年，一个好的创意能让创始人走得比以往任何时候都更远。Agent 编码将过去需要一整个工程师团队才能完成的工作压缩为创始人自己就能交付的任务。
传统的创业增长曲线假设从创意到规模化的路径是：验证 → 融资 → 招聘 → 构建 → 再融资 → 增长 → 继续招聘 → 循环往复。如今，AI 已经打破了创业生命周期中每个新阶段都需要更大团队、不同技能和新一轮融资的预期。
本手册根据这些新的现实情况，重新规划了创业旅程的四个核心阶段（构想、MVP、发布和规模化）。我们审视了当 AI 成为技术和组织发展核心时每个阶段的面貌，每个阶段的合适工具是什么，以及使用这些工具的创始人如何压缩时间线。如果你准备好规划从创意到退出的最短路径，请继续阅读。
第二章 创始人的定义正在改变
过去，创始人是由他们能做什么来定义的：技术型创始人写代码，非技术型创始人运营业务和促成交易。但在2026年，创始人可用的模型、系统和 AI Agent 已经消除了"能构建产品的人"与"有值得构建的想法的人"之间的壁垒。
AI 原生创业公司从根本上改变了创始人的含义。如今，没有工程背景的人可以构建将创意变为现实的生产级软件，而技术能力强但商业知识匮乏的创始人也可以轻松制定上市策略、财务模型和高度精美的融资演讲稿。
从历史上看，创始人把大部分时间花在执行上：写代码、管理人员、处理日常运营事务。在 AI 原生创业公司中，创始人的角色从个人贡献者转变为 Agent 编排者——即能够读取文件、运行命令、执行代码甚至浏览网页的专业 AI 助手。创始人的注意力向技术栈上层转移，聚焦于更高阶的工作：产生创意并指挥执行这些创意的系统（AI Agent、工具以及现有的小型团队）。
然而，AI 作为核心基础设施最具革命性的成果是，让拥有领域专业知识的非技术型创始人不再受阻。当创始人群体扩展到工程背景之外时，你会得到由拥有截然不同生活经验的人创办的创业公司，它们解决的是传统科技创始人培养体系从未优先考虑（甚至可能从未注意到）的真实问题。
AI 工具为精益创业公司带来的能力
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、运营人员来运营业务。员工数量被视为组织动力和产品成熟度的标志。
2026年的早期创业公司则截然不同。它们在设计上极其精简，通常只有创始人一人或带几个小团队成员。通过将技术和组织发展都以 AI 为核心基础设施，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。有三个特定领域 AI 能帮助创业公司像大得多的组织一样运转：研究、Agent 编码以及关键业务运营的工作流自动化。
对话式智能与研究——相当于每个领域的随叫随到的专家
想想创始人第一年需要了解的所有东西，而他们几乎可以确定在开始时并不知道：如何设置工资系统？如何规划产品开发冲刺？如何起草一份简洁的投资者备忘录？
像这样的早期创业问题过去都有同一个答案：找懂的人。对于自筹资金或种子轮前的创始人来说，这可能意味着将时间花在收集知识而非构建上，或者需要将一部分早期资金烧在顾问身上。现在，他们拥有了一个覆盖所有可想象领域的随叫随到的 AI 专家。
- 深度研究：竞争分析、市场规模估算、财务建模
- 文档起草：融资演讲稿、案例研究、投资者备忘录、PRD
- 战略思考伙伴：反面论证分析、事前验尸、情景规划、路线图优化
Agent 编码——相当于随时可用、永不被阻塞的工程师
构建软件过去需要一位技术联合创始人、一个外包开发团队，或者足够长的跑道来在写第一行生产级代码之前就雇佣一支工程团队。
Agent 编码工具现在让每位有志创业的创始人都能用自然语言描述他们想要构建的东西，并指挥 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"我有一个创意"到"我有一个产品"的时间线被压缩了。创始人的角色现在聚焦于构建什么以及为什么构建，而 AI 负责构建面向真实用户的真实基础设施。
工作流自动化——相当于按需运作的自动化运营团队
即使创始人可以像顾问一样研究、像工程团队一样构建，仍然有一整类超越战略规划或产品开发的工作需要完成。安排日程、更新 CRM、拉取周报、维护文档、发布内容、跟踪合规要求、管理公司运行所依赖的工具和系统之间的连接——这些都必须发生。在精益创业公司中，这些负担主要落在创始人身上——而这是对本应投入到更高阶决策中的时间和注意力的重大消耗。
借助 AI 工具进行工作流自动化可以卸下这种负担。可以配置让重复性运营任务自动发生，这样 CRM 在交易状态变更时自动更新，周报自动汇总，产品文档随产品变更同步更新。而且至关重要的是，Claude Cowork 与创业公司运行所依赖的互联系统——你的项目管理工具、通信平台、数据源——集成在一起，而不需要有人去构建和维护这些集成。在 Day Zero 创始阶段，这个人几乎总是创始人。
时机把握和编排就是一切
有效利用 AI 的研究、自动化和 Agent 编码能力的创始人，可以建立一个远超其人员规模所暗示的运营杠杆的创业公司。他们还能将大部分时间和精力投入到真正重要的工作上。
这些工作不会自动发生；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。本手册的其余部分致力于探索创始人在 AI 原生创业道路上会遇到的目标和挑战，以及如何在旅程的每个阶段有效应用 AI 工具。
第三章 构想阶段
每个创业创始人都是从同一个起点出发的：一个让他们无法停止思考的问题。这是创意与现实碰撞的创业阶段：2026年的创业成功需要一种纪律——在证据充分证明之前不要动手构建。
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，所有这些都在你让 Claude Code 生成第一行生产级代码之前完成。
构想阶段目标
在构想阶段，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，收集扎实的证据证明真实问题的存在（以及你提出的方案能有效解决它）。
实际上，构想阶段是创始人必须按大致顺序回答的一系列问题：
- 这个问题是否真实、具体且足够频繁，值得围绕它来构建？
- 谁具体有这个问题？这是否构成一个市场？
- 是否有其他人在解决它？如果有，他们是怎么做的，效果如何？
- 解决方案实际需要做什么才能解决这个问题？我的想法能做到吗？
这些调查的结果汇总起来回答一个最终问题：这值得构建吗？
这意味着在行动之前要先做到具体化。"人们对报销流程感到困扰"是一个观察。"中型公司的财务经理每周花四小时以上来核对提交的报销单，因为他们当前的工具无法与会计软件集成"则是一个可验证的假设。
构想阶段退出标准
构想阶段的退出条件是找到问题-解决方案的匹配。你需要在开始构建解决问题的产品之前，从真实的人类对话中建立定性证据，证明你正在为真实的人解决一个真实的问题。
当你能对以下三个问题都回答"是"时，你就准备好离开构想阶段了：
- 问题是否真实且具体？ 回答"是"要求你能准确说出谁在经历这个问题、他们遇到的频率有多高、它对他们影响有多严重、以及他们目前是如何应对的。
- 你的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。有时这两者是相同的，但并非总是如此。
- 你是否有足够的信号来支撑构建决策？ 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，使得投入构建 MVP 是一个经过深思熟虑的决定而非盲目信仰。
构想阶段挑战
构想阶段是创业旅程中最重要的工作发生的地方，因为在这里会犯下后果最严重的错误：现在犯错可能迅速让你刚萌芽的创业项目偏离轨道。
大多数构想阶段的挑战都涉及行动速度快于理解能力所能支撑的程度，因此以深思熟虑和审慎态度推进的创始人将会获得稳步进展。
误将构建当作验证
挑战：当技术障碍被消除后，充满激情的创始人有可能跳过创业旅程中最重要的工作：验证他们的想法是否确实是人们需要并且会使用的东西。
即使在当前的 Agent 编码时代之前，也有42%的创业公司失败是因为他们构建了没人想要的东西。然而现在，像 Claude Code 这样的 Agent 编码方案已经极大地压缩了"我有一个创意"与"我有一个产品"之间的距离，而这一失败率只会继续攀升。
虽然从未有过比现在更好的时机去做一个拥有震撼性好创意的创始人，但快速搭建出看起来像产品的原型所带来的便捷性，也反直觉地为 AI 原生创业公司带来了真正危险的生存风险。
直到最近不久，构建仍然需要真实的开发时间和预算，即使是一个基本原型通常也需要数月时间。然而现在，技术开发的门槛基本消除了，AI 让创始人太容易直接跳入构建，而不在现实世界中验证其效用。
达到问题-解决方案匹配需要先验证假设然后再构建，但许多初次创业（甚至经验丰富的）创始人错误地认为 AI 绕过了这个需求，将流程变成了：有一个创意 → 立即构建原型 → 把原型的存在当作验证。原型变成了相信假设一直是正确的理由，而从未测试过它是否真的正确。
一个可运行的原型很容易被误认为是你在解决真实问题的确凿证据，但事实并非如此。你的原型应该作为与潜在用户对话中有用的压力测试道具。这些对话本身才是真正的证据。
过早扩张
挑战：当构建变得毫不费力且即时完成时，你可以在业务需求之前大幅推进执行。
过早扩张意味着在你真正验证这条路值得投入之前就承诺了一条产品路径。
这一直是创业公司的杀手，但 AI 让创始人在不知不觉中陷入过早扩张陷阱变得极其容易。Agent 编码助手如此强大，以至于你很容易在验证问题-解决方案匹配之前就大幅推进执行，而从未有意识地决定偏离方向。
它会以同样的热情围绕一个根本有缺陷的前提来生成、测试、调试和重构代码库。系统中的智能属于你。这个阶段的首要指令是让你的理解力领先于你的构建力，尤其是当构建如此快速且感觉毫不费力的时候。
丧失客观性
挑战：向 AI 工具询问支持你已有信念的证据，它会找到的。确认偏差现在配备了一个研究引擎。
确认偏差一直是创业公司中的职业病：创始人天生对自己的想法充满热情。现在，AI 工具给确认偏差带来了显著的增强。让 AI 验证你的创业想法，它会找到支持性证据；让它估算你的潜在市场，它会找到一个让 TAM 看起来可融资的数字。
AI 跟随你的方向，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构建一个精心设计的、看起来经过充分研究的案例来支持一个糟糕的想法，同时完全自信地认为自己实际上在做尽职调查。解药是同一个工具，只是指向相反的方向：AI 会像验证想法一样彻底地压力测试一个想法。
当研究和结构化对抗性思维揭示出你的想法需要修正的证据时，这就是转型的信号。
Claude 如何帮助构想阶段的创始人
将你的 AI 原生创业概念推进过构想阶段可能感觉遥遥无期。你是创始人，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，先使用帮助你更严谨思考的工具。以下是使用 Claude 产品界面（Chat、Claude Cowork 和 Claude Code）在尽可能快速通过构想阶段的同时进行适当尽职调查的方法。
Chat、Claude Cowork 还是 Claude Code：选择合适的 Claude 界面
AI 让创业公司创始人更快交付、自动化繁琐工作流、并实现规模化运营，但你使用的界面很重要。根据手头任务的不同，以下是如何选择 Chat、Claude Cowork 或 Claude Code 的指南。
Chat 适用于无需离开当前应用的快速交互。用它来处理运营公司的日常小任务：从一份密集的投资者备忘录中提取一句话要点、在董事会会议前核实一个声明、或者理解团队中一段冗长的 Slack 讨论。
Claude Cowork 适用于真正需要时间的知识工作：从多个来源提取信息、理解它并产出完成品，如文档、演示文稿或电子表格。想象一下，将一个文件夹的客户通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分析、或者一个每周一早上的固定任务——从你连接的工具中拉取指标并将每周 KPI 简报放入共享文件夹。
Claude Code 是面向你团队中工程师的 Agent 编码环境：直接访问代码库、Plan Mode、git 集成以及本地、IDE 或沙箱云环境。这是精益团队在不断增长的代码库上交付功能、从 MVP 时代迁移遗留代码、以及从原型走向生产而无需等待更多人手的地方。
| 如果任务是... | 使用... | 原因 |
|---|---|---|
| 一个问题、一次改写、快速头脑风暴 | Chat | 快速、对话式、无需设置 |
| 研究、分析或一份基于你的文件和系统生成的完成文档 | Claude Cowork | 文件夹访问、连接器、技能、定时运行 |
| 编写、测试或发布软件 | Claude Code | 代码库访问、diff、git、开发环境 |
三者底层共享同一个 Claude；改变的是围绕它的工作空间。
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。第一项任务是将它磨砺到真正可验证的程度。Claude 在这一步尤其有用，可以强迫你做到具体化：谁具体有这个问题、频率如何、严重程度如何、以及他们目前如何应对？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 合作打磨你的问题陈述，直到它成为一个可验证的假设。例如，"合同审核太耗时"不是一个有意义的可验证陈述。但"中型公司的内部法律团队每次合同审核周期花费3天以上，因为修订意见分散在邮件线程中而非单一的版本控制文档中"则非常可验证。
你的下一步是让 Claude 反驳你的想法，并找到反驳你假设的反面证据。这可以揭示负面市场信号、失败的竞争对手、客户行为模式以及支持性分析会默默降低优先级的结构性障碍。
目标是在客户发现之前，已经针对最强有力的反驳论点压力测试了你的假设，这样信息性的用户访谈才是真正的开放式探索而非确认搜索。
注意：将 Claude 作为结构化的反面论证者是 AI 创业生命周期每个阶段的核心用例。
市场研究与竞争格局描绘
评估你的竞争对手
有一种创业公司特有的现象叫做"竞争对手忽视"：过于专注于自己的愿景和执行，以至于系统性地低估同一领域中其他人在做什么。幸运的是，AI 提供了解药：让 Claude 为这个解决方案领域中某个竞争对手为什么能成功而你不能做出最有说服力的论证。
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优势可能不如你想象的那样有防御性。
- 练习： 让 Claude 按层级描绘你的竞争格局：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都对你的成功构成真正的威胁，而不仅仅是容易被驳回的那种威胁版本。
市场研究
Claude Code 可以综合公开可用的客户反馈，揭示反复出现的投诉和未被满足的需求。附带好处：这样做本质上是对你竞争对手客户的免费定性研究。
- 练习： 让 Claude Cowork 综合你在关键来源上的竞争对手评价，找出已有解决方案尚未解决的头号投诉。如果你的假设解决了其中一个或多个，这就是问题-解决方案匹配的有力证据。如果没解决，了解这一点也很有价值。
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；接下来，这些干净的、综合后的输入成为 Claude 分析工作的理想上下文。
- 练习： 从公开数据构建 TAM/SAM/SOM 模型，并压力测试其背后的假设。识别市场是在扩张、整合还是已经成熟；这个背景会影响你对时机和差异化的思考。描绘买方格局：谁掌握预算、谁影响决策、以及这两者是否是同一个人。
趋势分析
最后，使用 Claude 倾听早期指标，告诉你是否在正确的时间进入市场。追踪 Reddit 子版块和 LinkedIn 群组，了解关于你问题的讨论已经在发生，以及用户描述其问题时使用的准确语言。让 Claude 识别类似问题已在其中得到解决的类似市场，并提取什么有效什么无效。揭示可能加速或威胁该机会的监管、技术或人口趋势。
- 练习： 让 Claude 识别三个可能在未来两年内显著影响你市场的外部趋势——监管、技术或人口方面的——并评估每个趋势对你的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描绘工作不是一次性的。你将在 MVP 和发布阶段继续发现新知并演进你的思维，因此每当你的假设发生变化时，重复这些练习是很重要的。
规划和设计客户发现
与潜在用户交谈所能学到的质量取决于 (1) 你提出的问题的质量以及 (2) 你是否在向正确的人提出这些问题。Claude 在进行客户发现方面特别有帮助，包括该和谁谈、该问什么、以及如何理解你听到的内容。
该和谁谈
一个精确的目标画像比一长串联系人名单要有价值得多，包括最可能深切感受到该问题的具体职位、公司类型、团队结构和资历级别。从那里开始，识别这些人实际可达的渠道——他们聚集的社区、活动、LinkedIn 群组和 Slack 工作空间——并建立一个优先级框架来决定先联系谁，基于他们与问题的接近程度。
该问什么
定义好目标后，使用 Claude 构建访谈框架本身：正确的问题，以正确的顺序，结构化地揭示人们实际做了什么而非他们认为自己会做什么。创始人常犯的新手错误是询问关于未来的泛泛的开放性问题（"你会使用这样的产品吗？"），而不是具体地询问相关的过去经历（"告诉我你上次遇到这个问题时的情况。"）
Claude 还可以标记你的草拟问题中哪些在引导受访者、过于宽泛、或者很可能产生噪音而非有效信息。Claude 还能帮你设计后续追问，以探究回避回答或深入挖掘对重要问题的模糊回答。
如果你的假设涉及多个角色，Claude 还可以为每个角色设计不同的问题集。财务经理和 CFO 对同一问题有不同的关系，单一的访谈框架会模糊这种差异。
- 练习： 先手写你的访谈问题，然后让 Claude 审计它们。具体让它标记任何引导性的、面向未来的、过于宽泛的、或者可能产生社交期望性回答而非真实回答的问题。然后让它为访谈中最可能产生回避的两三个时刻建议一个后续追问。
访谈后分析
每次对话后，使用 Claude 进行复盘：将你的笔记输入它，让它识别什么确认了你的假设、什么挑战了它、以及什么真正出乎意料。在收集了一批访谈后，将你全套的访谈笔记通过 Claude Cowork 处理，揭示反复出现的主题、矛盾点以及两个方向上最强的信号。然后将那个综合输出反馈给 Claude，让它标记出你对数据的解读可能是在模式匹配你想听到的内容而非实际存在的内容的地方。
- 练习： 每做完五次访谈后，让 Claude Cowork 综合你的笔记并生成两个列表：支持你假设的证据和挑战你假设的证据。如果第一个列表明显长于第二个，问 Claude 这种不对称是反映了数据中的真实情况——还是你希望发现的东西。
客户外联与日程安排
使用 Claude Cowork 来自动化建立联系人名单、执行外联和安排用户访谈的运营工作。
Claude Cowork 可以使用你与 Claude 定义的目标画像（包括职位、公司类型和资历级别）来研究并编制结构化的潜在客户名单和已验证的联系方式。然后它大规模起草个性化的外联邮件，针对每个人的角色和背景量身定制。随着回复到来，它通过 MCP 连接 Gmail 和 Google Calendar 来管理对话线程、处理日程安排请求并将访谈排入日历。工作流继续进行，Claude Cowork 按照设定的节奏生成跟进草稿（例如，对未回复的联系人在第七天进行跟进），并在每一步完成时更新你的跟踪表，这样你总能知道每个潜在客户在流程中的位置。
- 练习： 给 Claude Cowork 你已验证的访谈目标画像，让它构建潜在客户名单、起草个性化的外联序列，并设置一个包含外联状态、跟进节奏和访谈完成情况列的跟踪表。然后让它运行协调工作，而你专注于准备对话本身。
设计最终的解决方案概念
你已经完成了验证工作：问题真实存在，你知道谁有这个问题，而且你有一个证据支撑的解决方案概念。使用 Claude 从每个角度发展和挑战你的解决方案概念：有什么缺口？有哪些替代方案？要让这个解决方案规模化运作，什么必须成立？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，而非你最初假设的问题？
- 练习： 将你的解决方案概念呈现给 Claude，让它识别你的设计最依赖的三个假设。然后问它每个假设成立需要什么条件，以及如果任何一个假设不成立会有什么后果。
使用 Claude Code 构建轻量级原型
现在进入有趣的部分：有了一个经过验证的假设和经过压力测试的解决方案概念，你终于准备好构建一些东西了。
这是构想阶段中 Claude Code 登场的时刻。即使你一直在摸索，现在是时候生成你的正式轻量级原型了：将你的想法放到真实人类面前并获得真实反应所需的最小表面面积。
你不是在构建一个真实的产品（还不到时候）；你是在构建一个可运行的想法样例，用于客户和投资者对话。真实用户对他们能实际接触到的东西做出的反应，会告诉你十几场问题-解决方案发现访谈无法告诉你的事情。此前，你是在确认你解决的问题是真实的；现在，你是在让潜在用户与提议的解决方案互动。
- 练习： 定义你的解决方案所依赖的单一核心交互。让 Claude Code 只构建这一个。当你完成后，把它放到五个符合你已验证目标画像的人面前，让他们试用。你在那五场对话中学到的东西将决定你是继续构建还是回到绘图板。
到达构想阶段的终点是 AI 创业竞赛中的一大步，因为现在你不是在赌直觉；你是在基于证据执行。
接下来是 MVP 阶段，创始人的指导问题从"这值得构建吗？"变为"我们到底应该先构建什么？"，AI 的主要角色也从研究伙伴转变为施工队。
第四章 MVP阶段
许多创始人将 MVP 阶段视为构建阶段，但 MVP 阶段从根本上仍然是一个证据收集练习。不同之处在于，你现在收集的是关于解决方案而非问题空间的证据；具体来说，是一个真实的、可识别的群体是否觉得它足够有价值来使用它、回访它、为它付费和/或向他人推荐它。
MVP阶段目标
作为 AI 原生创业公司的创始人，你的目标是将一个经过验证的问题转化为真实用户实际会使用的产品。这不是带有所有路线图功能的完整版本，而是你的想法最小、最聚焦的迭代——将真实的解决方案放到真实用户面前并产生产品市场匹配的真实证据。
同时，你现在的构建方式决定了未来的可能性。这意味着 MVP 阶段还有一个同样重要的目标：快速推进而不积累那种会复合增长的技术债——一旦真实用户以可观的数量到来，这些技术债就会困扰你。
最后，从第一天就投资于持久上下文是让 AI 保持力量倍增器而非熵源的关键。在 AI 原生创业公司中，你的代码库是你与 AI 一次又一次协作的产物，因此可读性是基础。跳过规范、架构决策和上下文文件（如 CLAUDE.md）的创始人会遇到一个可预见的瓶颈——每次新会话都需要重新解释代码库，而 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匹配的真实证据：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）或向他人推荐（转介绍）。
MVP阶段挑战
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能否以足够快的速度用正确的方式构建正确的东西，而不走那些日后会让你付出代价的捷径。
Agent 技术债
挑战：因为 AI 本质上消除了所有曾经控制什么能进入生产的自然瓶颈，速度是有保障的。但当速度是创始人在 MVP 构建中唯一考虑的变量时，他们有积累技术债的风险，而这些技术债将难以偿还。
在 MVP 阶段积累一些技术债是合理的权衡，前提是它必须在规模化之前得到管理。它逐渐积累，可以随时间或在专门的冲刺中清除。然而，AI 技术债是复合增长的。如果没有规范和架构约束写在 AI 能读取的地方，每次会话都会从头重新推导基础决策，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，不是因为任何单个部分有问题，而是因为这些部分从未被设计为相互协调的。这是一个真正的问题，而且它往往在后期才暴露。
误入虚假的产品市场匹配
挑战：AI 工具可以产生令人印象深刻的早期数据，但这些并不保证市场需要你的产品。
早期动力是创始人能拥有的最强大心理体验之一。经过数周或数月的验证工作和谨慎的、有纪律的构建，发布产品感觉像是对"你一直都是对的"的确认。
Agent 编码工具可以帮助你比以往任何时候都更快地到达这一刻，但早期牵引力并不等同于产品市场匹配。发布热度是由短暂的力量产生的，比如你创始人的朋友、你投资者其他投资组合公司中的潜在买家、或者一篇 Hacker News 文章带来的流量激增。不幸的是，这些都不能可靠预测第六周或第十二周时会发生什么——当最初的热度消退之后。
零摩擦范围蔓延
挑战：当构建感觉毫不费力且几乎免费时，总会有另一个很酷的功能要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公司的风险。现在的区别在于，传统的制约因素——工程时间的真实成本——在添加一个功能只需一个下午而非一个冲刺的情况下不再以同样方式存在。
这里的挑战在于每一次单独的添加都是可以辩护的。产品当然应该处理那个边界情况；用户当然会需要那个工作流。这些在当下感觉不像是范围蔓延，因为每一个用 Agent 编码构建起来都毫不费力，但当你的产品扩展到超出其原始边界时，你就有失去方向和动力的风险。
解药是在开始构建之前创建一份书面的范围定义，描述产品做什么、刻意不做什么、以及来自真实用户的什么具体证据可以证明添加新功能的合理性。这将决策点从"我们应该构建这个吗？"转移到"大量用户已经告诉我们，没有这个功能他们无法从产品中获得价值？"
因经验不足导致的安全问题
挑战：使用 AI 工具将应用匆忙推向市场而不先了解基本安全原则的创始人，最终会让用户暴露在可预防的风险中。
一个残酷的事实是，Agent 编码工具生成的是能运行的代码，而非本质上安全的代码。功能性代码很容易，因为功能要么有效要么无效。安全漏洞在被利用之前是不可见的，这意味着没有自然的反馈循环来提醒初次创业者出了问题。然而，向真实用户发布一个线上 MVP 意味着真实的数据、真实的暴露，以及如果出错时真实的后果。
忽视安全问题并非 AI 原生项目独有的问题。每个时代的自筹资金创业公司常常将安全考量推迟到构建的后期，有时甚至等到即将上线时。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到世界的最低负责任门槛。
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 写第一行生产级代码之前，使用 Claude 来定义和记录将管理这个阶段所有构建的架构决策：遵循什么模式、避免什么依赖、做出什么权衡以及为什么。这个输出将作为聚焦的架构上下文文档，并建立 Claude Code 将在其中运行的护栏。
没有这个上下文，每次会话都从头开始，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，会产生一个功能正常但结构不连贯的代码库，而在不连贯的代码库上迭代和扩展最终是时间和 Token 的浪费。迟早会到一个点，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现实预期的规模。让它帮助你定义应管理 MVP 构建的架构原则、在你约束条件下应避免的依赖、以及你在这个阶段有意识接受的权衡。
接下来，将此输出保存为 CLAUDE.md markdown 文件。这是你的架构上下文文档：构建的第一个制品，也是后续每个会话所依赖的。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。实际上，它们是项目的持久"记忆"。
定义和执行你的 MVP 范围
无摩擦的范围蔓延是 AI 时代 MVP 的典型失败模式之一。正如你定义并记录了产品的应用架构一样，你也需要在构建任何功能之前定义你的 MVP 范围。
Claude 可以帮助你创建一份范围文档，描述你的 MVP 产品做什么、刻意不做什么、以及功能修订标准：来自真实用户的什么具体证据可以在当前证明添加新功能的合理性。
当新的功能想法浮现时——它们一定会出现——你可以使用 Claude 来压力测试这是来自用户的真实信号还是创始人热情伪装的产品思考。
使用 Claude Code 构建你的 MVP
一旦架构和范围确定，Claude Code 就成为主要的 MVP 构建工具。使用它来生成、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，而非加入新决策的机会。
每次 Claude Code 会话开始时：(1) 回顾你的范围文档，(2) 向模型提供你的 CLAUDE.md 架构上下文文档。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、本次会话的具体任务、以及要遵守的约束或模式。在每次会话结束时，向上下文文档添加一个简短的日志条目，详述构建了什么、做了什么决定、以及会话引入了什么假设。每次会话五分钟的文档记录是对架构漂移的廉价保险，防止漂移累积成不可管理的代码库。
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，你的责任是了解代码库中有什么、理解任何潜在的暴露向量、以及不将明显的漏洞发布到信任你数据的真实用户手中。
Claude 可以对 AI 生成的代码进行有用的一轮安全审查，并帮助识别常见漏洞。将其养成发布前的习惯是一个好做法。然而，它不能替代安全工具，或者在更高风险的情况下替代人工审查——而将其视为替代品的创始人最终会出现在安全事件报道中。
Claude Code Security 更进一步：它扫描代码库以发现安全漏洞，并为人工审查建议针对性的修补方案，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 Beta 版本，因此在将其纳入工作流之前请检查当前的可用性。
- 练习： 在部署给任何真实用户之前，将你的核心应用代码通过 Claude 进行特定审查：审查身份验证和会话处理、API 响应中的数据暴露、输入验证和注入风险、以及具有已知漏洞的依赖。认真对待每项发现并评估是否需要修复，对于涉及身份验证、密钥或数据处理的任何内容都需要人工审查。
在发布之前建立你的度量框架
那些将早期牵引力误判为产品市场匹配的创始人，通常也是在发布之后才开始跟踪数据、使用选择来评估什么在起作用而非揭示什么没起作用的指标的创始人。解药是在第一个用户到来之前就建立你的度量框架。
使用 Claude 来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匹配而非令人愉悦的噪音。具体来说：在发布 MVP 之前设定你的留存基准、激活标准、以及第7天和第30天的目标。
接下来，定义对你的特定产品而言，虚假正例是什么样子：例如，注册但未激活、有收入但无留存、或初始热情但无重复使用。当数据到来时，让 Claude 对你自己的牵引力提出反对意见：一个怀疑者会对这些数据说什么？
管理发现和用户反馈的运营工作
一旦真实用户进入产品，运营层面会迅速扩大。Claude Cowork 处理重要但繁琐的工作，如建立和维护用户联系人名单、运行外联序列、安排反馈会议、分类处理 Bug 报告、以及跟踪迭代周期。在构想阶段管理发现运营的相同 MCP 集成在此同样适用。
在收集循环中保持人工参与，以进行细致的用户反馈探索。例如，用户说"这很棒但我希望它还能..."需要解读：这是核心需求还是锦上添花？是对这个客户特有还是代表一个群体？缺失的功能是真正的问题，还是在引导流程上游的某个环节出了问题？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：为你的早期用户名单起草外联邮件、安排反馈会议、设计 Bug 报告和功能请求的结构化录入流程、以及撰写收到内容的每周综合报告。先自己审阅综合报告；之后你可以让 Claude 分析信息以发现你可能遗漏的重要点。
向证据迭代，而非向完整性迭代
MVP 阶段在你拥有产品市场匹配的真实证据时结束，无论产品感觉有多"完成"。宣布你已实现产品市场匹配并准备从 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：
- Sean Ellis 测试： 问你的活跃用户："如果不能再使用这个产品，你会感觉如何？"如果超过40%回答"非常失望"，这就是一个有意义的 PMF 指标。
- 努力测试： 在产品市场匹配之前，留存需要持续的干预，包括频繁的外联、激励措施、个人跟进，以及创始人付出英雄般的精力来保持用户参与。在产品市场匹配之后，产品开始自行完成这项工作。当事情开始从推动变为拉动时，这种努力上的转变是最清晰的真实变化信号之一。
最终，没有任何单一数据点能确认产品市场匹配，因为这是一个必须在多个迭代周期中持续成立的模式，你才能最终确认它。
在证据要求时转型
如果即使投入了所有这些工作，你仍然似乎无法达到产品市场匹配呢？你的结果没有确认你最初的方向这一事实不是失败，而是系统在正常工作：MVP 阶段的目的就是在你对错误答案过度投入之前揭示这一信息。
当数据不支持你的当前产品时，使用 Claude 来分析这些数据在告诉你什么。
探索替代客户群体。也许那些没有转化的用户从来就不是正确的目标群体。通常正确的受众已经在你的数据中了，只是权重不够。
调整产品的价值主张。也许你有正确的受众但你的 MVP 没有引起用户共鸣。对引导流程、信息传递或核心功能重点的调整可能在不改变你已构建内容的情况下解决这个问题。
保持开放心态，认识到不匹配可能足够深刻，需要更根本性的改变。
练习： 如果你已经完成了三个或更多迭代周期但产品市场匹配基准没有实质性进展，使用 Claude 在决定下一步之前运行诊断。将你的留存数据、用户反馈和原始问题假设输入它，问它三个问题：
- 数据中是否有一个群体的反应与其他群体不同？
- 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？
- 要让当前产品找到真正的 PMF，什么必须成立？考虑到你所看到的情况，这个场景是否现实？
让答案决定你是调整、转型还是回到构想阶段。
第五章 发布阶段
如果说 MVP 阶段是证明你的产品值得存在，那么发布阶段就是证明你的业务值得增长。
发布阶段目标
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的、可持续的增长引擎。除了让你的产品达到生产就绪状态外，你还需要加固底层基础设施，同时围绕产品构建一个真正的公司。
创业公司在构想和 MVP 阶段天然以创始人为中心，因为你需要全面的态势感知和紧密的反馈循环。然而现在，仍然试图亲自把控每一条线的创始人会成为发布阶段的瓶颈。目标不是让自己从公司中消失，而是构建运营系统来解放你的注意力，让你专注于只有创始人才能做出的决策。
发布阶段退出标准
发布阶段的退出条件包含三个要素：
- 增长是可重复的、由渠道驱动的。 你不只是在留存用户，你还在通过具有已知单位经济学的特定渠道可预测地获取用户：CAC、LTV 和回收期是你知道并能为之辩护的数字。
- 产品能处理生产负载。 基础设施已加固，安全和合规就位，在真实的生产条件下（不仅仅是你测试过的条件）可靠性保持稳定。
- 运营无需创始人瓶颈。 流程已建立，自动化已到位。你不再是亲自处理支持、分类、冲刺规划或报告的人。
发布阶段挑战
找到产品市场匹配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。发布阶段是那些找到了真正产品牵引力的公司如果围绕和支撑产品的组织跟不上仍然可能分崩离析的地方。以下是需要关注的失败模式。
技术债到期
挑战：为速度和验证构建的 MVP 代码库运行得足够好来证明产品有效，但生产流量、新功能和日益增长的复杂性正在暴露那些捷径。
在 MVP 阶段，积累一些技术债是为速度而做出的合理权衡。在发布阶段，这些债务开始产生利息，越久不处理，修复成本越高。
解决方案包括系统性的架构审计以识别结构性弱点、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范围，以确保下一轮功能开发不会重新引入相同的问题。
创始人成为瓶颈
挑战：在 MVP 阶段，创始人参与每个环节是优势。在发布阶段，随着支持量增长、产品决策堆积、运营复杂性倍增，同样的直觉变成了制约。
从亲自做事到设计做事的系统的转变是创业生命周期中最困难的转变之一。因为这很少有一个明确的时刻发生，风险在于完全错过它，在组织在你周围停滞时仍停留在构建者模式中。表明这种情况正在发生的迹象包括：本应花一小时的决策现在要花你一周才能抽时间处理、支持请求堆积因为只有你知道答案、运营任务只有你亲自记得才会发生。
补救措施是全面审计你亲自处理的一切，从最小的任务到最高风险的决策，以识别什么可以系统化、什么可以委派、以及什么真正仍然值得创始人的时间和注意力。
安全和合规不再可以推迟
挑战：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，以及潜在的企业合同摆在面前，这就成了负担。
在 MVP 阶段，只有少数 Beta 用户且生产环境中没有敏感数据，安全漏洞只是理论上的风险。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，在处理客户数据、处理付款或向受监管行业销售之前不适用的合规要求，在你进入这些领域的那一刻就适用了。
补救措施是在生产规模化到来之前——而非之后——进行系统性的安全和合规审查，并将所有发现视为必须的修复——而非建议——在下一波用户到来之前完成。
在你还没准备好时扩张
挑战：新市场和融资机会看起来像是增长机会。它们也可能是产品市场匹配消亡的地方。
你建立的初始牵引力是真实的，但它也是针对你的早期受众的。过早进入一个与你原始市场有显著差异的市场，会引入新的用户行为、合规要求、支付基础设施和基线期望，而你的产品并非围绕这些设计的。突然间有太多新变量，你无法清晰解读自己的数据。你也有在追逐新的、未经验证的受众时忽视原始用户群的风险。
Claude 如何帮助发布阶段的创始人
Claude 的三种形式在发布阶段全面使用，它们相互支持：每个工具的产出成为另外两个的输入。结果有机地复合增长，同时使用三个工具的创始人获得的收益大于各部分之和。
这就是超精益创业模式在结构上成为可能的原因。当 Claude Code 构建产品、Claude Cowork 构建围绕它的公司、而 Claude 帮助将产品和组织知识运营化时，一个小团队就能像一个 n 倍规模的公司一样运转。
在技术债复合之前修复它
你的 MVP 代码库可以工作，但它也需要一次系统性的修复，搜索任何可能成为结构性负担的技术债。
首先，使用 Claude Code 运行完整的架构审计：识别代码库中脆弱的地方、任何将变得昂贵维护的捷径、以及测试覆盖薄弱到下一轮功能开发会重新引入相同问题的地方。
将 Claude Code 的审计发现反馈给 Claude 来分类和排列修复工作的优先级：什么需要在下次发布前修复、什么可以等一个冲刺、以及什么在你当前阶段是可以接受的持续债务。
这也是记录你在 MVP 阶段做出的架构决策的时刻（那些存在于你脑海中因为没有时间写下来的）。现在将它们写入 CLAUDE.md 可以确保每个未来的 Claude Code 会话都从对系统设计方式和原因的共同理解开始。
- 练习： 让 Claude Code 审计你的 MVP 代码库并生成结构弱点、测试覆盖缺口和重构候选的优先列表。然后将该列表交给 Claude，让它跨几个冲刺排列修复工作的优先级：你需要首先解决的重大问题、可以与功能开发并行处理的问题、以及可以等待的问题。
构建替代创始人注意力的系统
构建运营系统来解放你的注意力以处理只有创始人才能承担的责任，需要准确知道你的注意力流向何处。使用 Claude Cowork 运行对你当前运营负载的结构化审计，记录每一个重复性任务、每一个落到你桌上的决策、以及每一个仅因你个人记得才发生的流程。然后让 Claude Cowork 将此清单分类为：什么可以完全自动化、什么需要人但不一定需要你、以及什么真正需要创始人的判断。
审计完成后，使用 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、以及完成后流向何处。
让安全和合规成为产品工作流
使用 Claude Code 来揭示 SOC 2、GDPR 或 HIPAA 审计中经常出现的代码级问题，以及你的目标市场要求的标准。这将揭示漏洞和合规差距。将这些发现交给 Claude 帮助你优先排列修复工作并设计企业买家在签署合同前会要求的控制措施、审计日志和访问管理。注意：AI 扫描是辅助手段但不能替代合格的合规审查。
接下来，将合规工作流纳入你的开发周期，而非作为一次性项目运行；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来说，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： 使用 Claude Code 针对你的目标市场要求的框架运行代码级安全审查。将输出交给 Claude，让它产出两样东西：一个优先排序的安全修复序列，以及一份你需要为满足潜在企业买家合规审查而产出的文档和控制措施清单。
建立你一直跳过的产品管理流程
发布阶段需要一套轻量级的、可重复的流程，无需创始人干预即可触发或运行。使用 Claude 来设计你的产品时间线和工作周期如何结构化、Claude Code 接触功能之前规范需要包含什么、Bug 报告如何分类和路由、以及你的每周指标报告涵盖什么和如何分发。
流程设计完成后，使用 Claude Cowork 来构建和运行运营层：安排冲刺仪式、将收到的 Bug 报告路由到正确的地方、从你连接的数据源汇总每周指标、以及维护将用户信号持续输入产品决策的反馈循环。
- 练习： 让 Claude 设计一个轻量级的产品管理操作系统：定义的冲刺节奏、最小规范模板、Bug 分类决策树、以及从你实际数据源拉取的每周指标简报。然后设置 Claude Cowork 来实施和运行系统的重复性运营元素，如安排、路由和报告汇总，按时自动运行而无需你参与。
第六章 规模化阶段
在规模化阶段，创始人的角色从构建者重新聚焦为面向公众的高管。产品仍然处于核心，但你的个人日常工作越来越关于公司本身。你的注意力必须扩展到新的规模化阶段活动，如分析师简报和 IPO 路演，同时你还要努力保持精益的、以 AI 为中心的结构性优势。
规模化阶段目标
扩展技术基础设施的工作继续进行，并且现在加入了扩展组织本身并将其成熟为一个企业的任务。
在规模化阶段，你面临的是从数千用户到数百万用户、从一个市场到多个市场的跨越。在之前的每个阶段，增长是你可以通过接近用户并根据来自紧密反馈循环的数据加上健康的创始人直觉来摸索前行的。然而现在，目标是构建由成熟的组织运营所支撑的系统化增长。
对于 AI 原生创业公司，你的目标应该是通过积累的深度建立可防御的护城河，这源于你在产品中构建的专业知识、你的产品与用户依赖的其他工具和平台的深度集成、以及专有的系统数据和工作流。那些一直在一个方向上、在一致的基础设施上持续构建的创始人，现在拥有了真正难以复制的东西。
在这个阶段，公开投资者、分析师、监管机构、企业采购团队和收购方施加更大的压力——同时伴随着更大的怀疑——因为赌注更高了。你的产品和组织必须经受外部审查：不仅是你构建的能力，还包括围绕它的治理、合规态势、财务控制和战略叙事。
规模化阶段退出标准
规模化阶段的退出条件不再是一个单一的里程碑，而是一个阈值事件：即使创始人越来越不直接运营日常事务，公司也是可持续的。你已经证明了系统化的增长；建立了满足最严格外部审查者的组织治理和合规基础设施；并且对以下问题有扎实的回答："如果一个资金充足的现有竞争者今天复制了你的产品，你的用户会留下吗？"
实际上，这个阈值通常会呈现三种形式之一：不再需要外部资本的可持续盈利能力、IPO 就绪、或被收购。这三个都需要你的增长是系统化和可审计的、你的产品护城河经得起审查、以及你的组织在运营上是成熟和可持续的。
当这些条件满足时，值得祝贺：你的创业公司已经从一个赌注变成了一个真正的企业。
规模化阶段挑战
委派运营层面
挑战：规模化阶段的运营系统必须在不被看管的情况下可靠且可持续地运行。对于一个从第一天就亲力亲为的创始人来说，这种转变可能既是心理挑战也是结构性挑战。
你在发布阶段的工作是创建系统；在规模化阶段，这变成了 (1) 让这些系统成熟到完全值得信赖，以及 (2) 然后真正信任它们。
这比听起来更难。即使你是一个善于委派的创始人，也不总是清楚该交出什么、该留在自己手中什么。交出太多、太快——特别是交给 AI 自动化系统——关键决策会在缺乏只有创始人才能提供的关键上下文的情况下做出。但抓得太久，你又会成为瓶颈。
这里的根本挑战在于识别只存在于创始人头脑中或未记录的工作流程中的制度性知识，然后将其编码为有文档记录的、可审计的、可转移的系统。
扩展技术运营
挑战：客户不再只评估你的产品；他们想知道你的组织是否是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集中在代码库上：在不积累技术债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。到了规模化阶段，挑战变成了围绕代码库构建的一切；创建支撑基础设施、文档和可靠性保证来表明成熟度。
更大规模的客户和机构买方在签署多年合同前会要求这些，而且他们一旦签署后也会要求你兑现。然而，带你走到这一步的相同 AI 基础设施，可以帮助你构建具有明确响应时间的专用支持功能，以及新客户的工程团队实际可以使用的文档。
扩展组织职能
挑战：规模化阶段的公司通常需要组织基础设施，如招聘、工资、会计和法律运营，无论有多少人在运营它。
在发布阶段，系统化运营意味着自动化消耗创始人注意力的工作流。规模化阶段的创业公司现在需要增长更广泛的、在某些方面更关键的运营职能，例如财务报告、合规监控、合同管理和客户支持等等。
构建 GTM 职能
挑战：有机增长有天花板，大多数规模化阶段的创始人在不得不构建真正的上市（GTM）职能之前就触碰到了这个天花板。
构想、MVP 和发布阶段的增长通常来自创始人主导的销售，从精心安排的 Product Hunt 发布到与早期客户的个人关系。但这种有机增长只在一定范围内有效，大多数创业公司在规模化阶段达到这个极限。迹象包括用户增长曲线趋平、获客成本上升、以及只有在创始人亲自参与时才有进展的销售管线。
规模化阶段的增长需要构建一个专用的增长引擎，将你的产品触达新的和更广泛的受众。然而，大多数创业公司创始人可能从未运营过营销、销售和分析师关系项目。一个正经的 GTM 运作不仅需要建立新的系统和流程，还需要创建品牌声音和关于如何谈论你产品的叙事。因为在这个创业生命周期阶段，你需要一个品牌声音来触达不仅是新的个人用户，还有整个目标受众，如投资者和企业买家。
幸运的是，GTM 职能不需要很大就能有效，而构建产品的相同 AI 基础设施可以帮助将其推向市场。
Claude 如何帮助规模化阶段的创始人
早期创业阶段将 Claude 作为产品本身的基础基础设施：验证创意的研究伙伴、设计和构建原型的工程团队、以及使单一创始人创业公司成为可能的 AI 运营层。到达规模化阶段的 AI 原生创业创始人现在可以使用 Claude、Claude Code 和 Claude Cowork 以他们构建的方式来继续扩展。
将日常任务交给 Claude Cowork
以清晰的眼光开始规模化阶段，了解你现在最需要在何处投入时间和注意力——对于从未建立过企业的初次创始人来说这可能是个挑战。Claude 可以通过构建一份只有你应该在做的事情的清单来帮助你，这可能包括产品叙事决策、董事会关系、企业交易和创始人对创始人的对话。清单上的任何内容都是委派或 Claude Cowork 自动化的候选。
- 练习： 使用 Claude 为你当前运营层生成瓶颈图：每个当前通过你路由的工作流、决策和审批。现在，让 Claude 推演当你一周不可用时每个会发生什么。停滞的工作流就是你仍然亲力亲为到足以阻碍进度的地方。
这些如何映射到你与 Claude 一起制定的创始人优先事项和责任清单？
接下来，是时候压力测试你已经构建的系统是否真的准备好随业务增长而扩展。
- 练习： 使用 Claude 绘制你当前的工作流，然后问它当你一周不可用时每个会发生什么。停滞的工作流就是委派标准、升级路径或异常处理仍需收紧的地方。Claude 可以帮助分析失败点并建议适当的修复，这样你可以在必要时更新或替换 Claude Cowork 自动化。
将技术运营扩展到企业级基础设施
随着扩展，买家需要确信你的产品和组织可以作为长期基础设施被信赖。技术工作像往常一样在代码库内部继续，但现在也有围绕代码库的技术工作需要处理。
第一步是将制度性知识转化为可扩展的系统。使用 Claude 来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 SLA。
与此同时，指导 Claude Code 审计和加固代码库，使其达到企业合同要求的特定可靠性和安全标准，并构建基于 Discord 的社区支持从未需要提供的技术支持基础设施：日志记录、监控、事件响应工具、以及使 SLA 真正可执行的可观测性层。
Claude Cowork 然后运行企业支持本身的运营层：工单路由、升级工作流、由产品变更触发的文档更新、续约跟踪、以及企业客户成功所依赖的报告节奏。这三者共同赋予一个小团队大得多的组织才有的支持姿态，而这正是签署多年企业合同需要你证明的。
- 练习： 挑选你要求最苛刻的三个潜在客户或确定三个你想签约的理想客户。让 Claude 产出差距分析：这些客户中的每一个的企业采购团队在签署多年合同前会期望看到什么文档、SLA 和支持基础设施？你目前在哪里不足？使用产出在 Claude Code 和 Claude Cowork 之间安排技术和文档工作的优先级。
构建真正的 GTM 职能
创始人的拼搏带你走到这里，但扩展你的创业公司需要创建和实施一个真正的上市策略。AI 可以帮你构建然后运行那个完整的 GTM 引擎。
Claude 可以帮助从零开始构建基础 GTM 资源：市场细分、信息架构、分析师关系策略、销售手册、以及面向投资者的指标叙事——当你与公开投资者、企业买家和华尔街分析师对话时这些都很重要。每个受众都有自己的词汇并按照自己的标准评估你；Claude 的工作是将你产品的价值主张转化为与每个细分受众相关的产品营销方法。
现在，Claude Cowork 可以成为你的战术执行层：内容管线、外联序列、分析师简报运营、新闻编辑室和 PR 节奏、CRM 维护、管线报告、以及将 GTM 策略转化为实际商业运作的众多重复性周期。
当 GTM 运作需要产品营销基础设施时——交互式演示环境、集成文档、沙箱租户、API 参考、技术一页纸——Claude Code 可以为你构建。买家期望从技术角度评估你的产品，在规模化阶段，一个 Loom 视频和一个销售幻灯片已经不够了。这也是让你的 GTM 运作能够异步运行的基础设施：一个精心构建的演示环境在你开董事会会议时也能促成交易。
将领域专业知识和制度性知识转化为 AI 上下文
许多超精益创业创始人正在为他们在特定行业亲身经历或观察到的真实世界问题构建高度特定的应用或工具。Agentic AI 现在让从未写过一行代码的创始人可以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合产品特异性方面发挥作用。
使用 Claude 来捕获、组织和完善创始人知识，将领域专业知识放到产品可以触及的地方。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、为什么这个显而易见的答案行不通的原因——到一个结构化的、可搜索的上下文中。然后技能可以将重复性工作流（例如"我如何审计商业租约""我如何分类处理患者入院表"）编码为 Claude 每次都以相同方式运行的可复用例程。随着时间的推移，这成为任何通用 AI 都无法匹敌的专有知识基底。
使用 Claude 将你的领域知识外化，对于将行业特定的边界情况编码到你的产品中变得无价：例如，一个通用的 AI 医疗计费工具在 340B 药品计划索赔上会出错，而你的产品对这些有特定的逻辑。Claude Code 帮助你将同行在你领域中经历的常见挫败感转化为验证逻辑、提示词优化、或与你的竞争对手甚至没听说过的利基行业系统的 MCP 集成。结果是，你的应用或工具的深度和广度都持续复合增长，这是竞争对手根本无法复制的。
- 练习： 识别一个通用竞争对手在你的垂直领域肯定会搞错的边界情况。与 Claude Code 合作为它构建一个专门的测试用例（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。你的测试套件就成为了你的护城河地图。
将累积的用户数据复合为可防御的优势
随着用户与你的产品互动，他们产生行为信号（即他们接受哪些输出、拒绝哪些），这为产品路线图提供信息。随着时间的推移，你会了解到你特定用户群体的特定模式、偏好和边界情况。这就是我们所说的复合价值：每一次改进使产品更有用，这驱动更多使用，更多使用产生更多反馈，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，模仿者无法复制：你根本无法买到数千用户在你的产品内精炼其工作流的行为指纹。
Claude 可以帮助审计你收集的任何用户交互数据，识别其中最高信号的行为模式，并设计将持续使用转化为系统化模型改进的反馈循环。
- 练习： 向 Claude 输入你的产品交互数据摘要：你一直在收集什么、收集了多久、以及你对用户如何随时间使用你的产品的了解。让它识别数据中三个最高信号的行为模式，并设计一个将每个模式转化为系统化模型改进的反馈循环。然后让它帮你起草一页纸的护城河叙事，用于产品营销：你的数据飞轮如何运作、它已经旋转了多久、以及为什么一个资金充足的竞争对手今天开始也无法在两年内复制它。
创建工作流锁定
复合数据网络效应使你的产品更难复制，但用户工作流锁定使你的产品更难离开。用户在日常运营中运行你的产品的时间越长，它就越深入地嵌入到他们实际的工作方式中。他们在其上构建了自动化流程、培训了人员使用它、并将其连接到数据源和其他工具。他们开发的提示词、精炼的工作流、以及标准化的输出都围绕你的产品功能和运作方式而塑造。到了这个阶段，从产品决策转变为全面的运营项目。
创建工作流锁定的第一步是让 Claude 按集成深度绘制你当前的客户群。对于每个客户群体，识别他们在你的产品之上构建了什么工作流以及依赖哪些集成。这显示了你的产品在哪里扎根、以及需要在哪里更深地扎根。
你提供的集成越多，客户就有更多表面区域来构建依赖你产品的的工作流。Claude Code 帮助你快速启动与你的目标用户所依赖的数据管线、项目管理工具和其他系统的原生集成。Claude Code 还可以构建 API、Webhook 和 SDK，让客户不仅使用你的产品，还能在其之上构建——这是最深层的锁定形式。
- 练习： 让 Claude 帮你为你的十大客户构建工作流集成审计。对于每个客户，记录他们构建的自动化流程、依赖的集成、通过你的产品运行的团队工作流、以及你对他们切换成本的估计。然后让 Claude 识别整个群体中的模式：什么类型的集成为你的特定产品创造了最深的锁定，以及你可以构建或启用什么来加深那些目前停留在表面的客户的集成。
第七章 同样的工作，新的规则
在 AI 时代，创始人的工作没有改变：找到一个真实的问题，构建解决它的东西，并将其扩展为一家有影响力的公司。改变的是到达那里的路径。跨越四个阶段——构想、MVP、发布和规模化——AI 将数个季度压缩为数周。
过去需要数月的验证周期现在只需一个下午。一个可运行的原型不再需要一位拥有合适技术栈的联合创始人；它需要一个清晰的问题和几次与编码 Agent 的专注会话。发布就绪从上线前的仓促冲刺压缩为一个持续的工作流。在规模化阶段，过去迫使早期员工进入救火角色的运营负担，现在可以越来越多地交给 AI，让你的团队将注意力投入到那些会成为你护城河的判断力决策上。
瓶颈不再是你能构建什么，而是你选择构建什么。
资源
使用 Claude 构建
- 为创业公司构建 AI Agent： 分享创业公司如何使用 Agent 在扩展过程中减少对创始人的依赖。
- Claude Code 文档： 带领构建者从初始安装到高级 Agent 工作流。提示：从"How Claude Code works"概览开始。
- Claude Code 最佳实践： 涵盖 Anthropic 内部和跨工程团队中有效使用的模式——上下文管理、权限、规划和验证工作流。
- 使用 CLAUDE.md 文件： 介绍如何为你的特定代码库配置 Claude Code。MVP 阶段创始人设置开发环境的必读材料。
- Claude Code 高级用户技巧： 突出 Claude Code 团队本身的工作流模式，包括并行会话和验证循环。
- Claude Cowork 入门指南： 分享团队如何设置 Claude Cowork 并开始实施技能、插件和其他功能，以在创业公司中扩展其影响力。
- 教程： claude.com/resources/tutorials 提供可搜索的具体任务实操指南列表。
创始人故事
- 三家 YC 创业公司如何用 Claude Code 构建他们的公司： 审视 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 Agent 编码工作流扩展 AI 驱动的平台。
- GC AI 的创始人利用领域专业知识构建了一个响应式的、Claude 驱动的法律平台，适应内部团队的实际工作方式： 公司特定的手册、跨职能利益相关者和可变的风险容忍阈值。
- Carta Healthcare 使用 Claude 驱动其临床抽象平台，每年处理 22,000 例手术并将数据抽象时间减少 66%。
- Anything，由 Claude 和 Agent SDK 驱动，已帮助 150 万用户在不写代码的情况下将创意转化为可运行的软件产品， 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 Agent 处理完整的构建工作，让独立创业者可以专注于他们的领域专业知识。
- Cogent 是一个应用 AI 实验室，构建 Agent 来自动化关键的企业安全任务。 该创业公司使用 Claude 作为 Agent 的推理层，自动化整个漏洞生命周期中的调查、优先排序和修复。
- Airtree 使用 Claude Cowork 作为其运营基础设施的核心， 将过去分散在十几个不同工具和团队中的数据统一起来。现在，当一个人使用技能构建工作流自动化时，组织中的每个人都可以使用它来完成待办清单上所有从未完成的事情。
- Duvo 构建 AI Agent，在 ERP、供应商门户、电子表格、电子邮件甚至电话中运行采购、供应链和品类管理流程。 Duvo 完全基于 Claude 构建，使用 Agent SDK 来编排跨工作流的流程。
- Zingage 是一个 AI Agent 平台，为家庭护理机构的全天候自动化运营而构建。 该创业公司使用 Claude 的结构化工具调用来编排 EMR 和多个通信渠道，使用 Claude 的上下文推理来构建能够提供细致的、针对患者定制的结果而非模式匹配最常见响应的 Agent。
- Kindora 是一个 AI 驱动的平台，由一位非营利组织高管构建， 她使用 Claude Sonnet 构建了一个急需的工具来智能匹配慈善机构与资助者。在将数千个匹配筛选到少数值得追求的之后，Kindora 的 MCP 连接器让非营利组织可以直接在 Claude 中访问其潜在客户开发工具。
- Wordsmith 由一位律师转型的 CTO 创立， 为内部法律团队提供可靠的 AI 驱动法律技术。Claude 是 Wordsmith 合同审核、协议起草和文档审查能力的推理引擎，该创业公司的工程团队使用 Claude Code 来构建和演进平台本身。
创业支持与机会
- Anthropic 创业项目： 面向与 Anthropic VC 合作伙伴合作的创业公司，该项目提供免费 API 额度、最高等级的公开可用速率限制、以及独家创始人活动和研讨会邀请。
- Claude 社区： 面向构建者的论坛和社区空间。
- 实时学习资源： 会议、网络研讨会、直播和录播。
claude.ai