创始人手册:如何打造一家 AI 原生公司

目录

1.创业公司生命周期，2026 年重启版

2.做一名创始人的意义正在改变

3.创意阶段

4.MVP 阶段

5.发布阶段

6.规模化阶段

7.同样的工作，全新的规则

8.资源

第一章：创业公司生命周期，2026 年重启版

AI 正在重塑创业公司的构建方式。如今，从未写过一行代码的创始人也能上线生产级应用；精简的 10 人独角兽公司，已从一个励志故事变成一种可以主动规划的打法。

2026 年，AI 能写生产代码、做市场调研、综合竞争格局、起草投资材料、自动化运营工作流。AI 消除了过去即便是经验丰富的技术型创始人也要面对的陡峭学习曲线——这些曲线存在于将工具、平台和系统整合起来、让创意落地的每一个环节。最重要的是，AI 拉平了”谁能创业或做出产品”这件事的门槛。

2026 年，一个好创意比以往任何时候都更能带着创始人走得更远。智能体编程（Agentic Coding）能把原本需要一整支工程师团队才能完成的工作，压缩成创始人自己就能交付的成果。

传统的创业增长路径假设，从创意到规模化的道路是：验证 → 融资 → 招人 → 构建 → 再融资 → 增长 → 再招人 → 循环往复。现在，AI 打破了”每进入创业新阶段就需要更大团队、不同技能组合和新一轮融资”的预设。

本手册将按照这些新现实，重新梳理创业旅程的四个核心阶段（创意、MVP、发布、规模化）。我们将研究：当 AI 成为技术和组织发展的核心时，每个阶段看起来是什么样子；每个阶段最合适的工具是什么；以及使用这些工具的创始人如何压缩时间线。如果你准备好走最短的路从创意走到退出，请继续阅读。

第二章：做一名创始人的意义正在改变

创始人过去是靠他们能做什么来定义的：技术型创始人写代码，非技术型创始人跑业务、签合同。但 2026 年创始人可以调用的模型、系统和 AI 智能体，已经拆除了”能构建的人”与”有值得构建的想法的人”之间的那堵墙。

AI 原生创业公司正在从根本上改变创始人的意义。如今，没有工程背景的人也能构建出能让自己创意落地的生产级软件；而技术过硬但商业知识匮乏的创始人，也能轻松制作出市场推广策略、财务模型和精致的融资 PPT。

历史上，创始人把大部分时间花在执行层面：写代码、管人、处理日常运营。在 AI 原生创业公司中，创始人的角色大幅减少了个人贡献者的成分，大幅增加了”智能体编排者”的成分——这些智能体是专业化的 AI 助理，能读取文件、运行命令、执行代码，甚至浏览网页。创始人的注意力向上迁移，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 智能体、工具，以及现有的小团队）。

然而，AI 作为核心基础设施最具革命性的成果，是解放了拥有领域专业知识的非技术型创始人。当创始人群体不再局限于有工程背景的人，你就会看到由拥有截然不同人生经历的人创办的公司，他们在解决传统科技创始人流水线从未优先考虑（甚至从未注意到）的真实问题。

AI 工具对精益创业公司的赋能

传统创业模式假设你需要招工程师来构建、招销售来销售、招运营来管业务。人员数量被视为组织动能和产品成熟度的标志。

2026 年的早期创业公司截然不同。它们天然极为精简，通常只有创始人一人，或再加几个人的小团队。通过将技术开发和组织建设都以 AI 为基础设施，他们能在扩大团队规模之前就实现产品验证、早期营收，甚至盈利。AI 尤其能在三个方面帮助创业公司像规模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工作流自动化。

对话式智能与研究

理解为：每个领域都随叫随到的专家

想想创始人在第一年需要了解哪些他们几乎肯定不懂的事情：我怎么设置工资单？我怎么规划产品开发冲刺？我怎么起草一份言简意赅的投资备忘录？

以往，这类早期创业公司的问题都有同一个答案：找一个懂的人。对于一个自力更生的或种子前阶段的创始人来说，这可能会消耗大量本应用于构建的时间，或者需要花一大笔早期资金请顾问。现在，他们在每一个可以想象到的领域，都有一个随叫随到的 AI 专家。

•深度研究：竞争分析、市场规模测算、财务建模

•文档起草：融资 PPT、案例研究、投资备忘录、PRD（产品需求文档）

•战略思考伙伴：反方论证分析、预先事后复盘、情景规划、路线图优化

智能体编程

理解为：永远在线、永不被阻塞的工程师

过去，构建软件需要技术联合创始人、合同开发团队，或足够长的资金跑道来组建工程团队，才能写出第一行生产代码。

如今，智能体编程工具让每一位有志的创始人都能用自然语言描述想构建的内容，并指挥 AI 以一支完整工程团队的速度和规模生成、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”的时间线已大幅压缩。创始人的角色现在聚焦于”构建什么”和”为什么构建”，而 AI 负责真正基础设施的实际构建，那些基础设施是为真实用户准备的。

工作流自动化

理解为：按需响应的自动化运营团队

即使创始人能像顾问一样做研究、像工程团队一样构建产品，仍然存在一整类超出战略规划或产品开发范畴、却必须完成的工作。日程安排、更新 CRM、提取周报、保持文档同步、发布内容、追踪合规要求、管理公司赖以运转的各工具和系统之间的连接——这些都必须完成。在精益创业公司，这些负担主要落在创始人身上，这会显著消耗本应用于更高阶决策的时间和注意力。

AI 工具的工作流自动化可以卸下这些负担。重复性的运营任务可以配置为自动执行：当交易推进时 CRM 自动更新，周报自动汇总，产品文档与产品变更同步更新。Claude Cowork 能与创业公司所依赖的各互联系统集成——项目管理工具、沟通工具栈、数据源——无需有人来构建和维护这些集成。在”零号阶段”的创业公司，这个人几乎总是创始人本人。

时机与编排是关键

能有效利用 AI 的研究、自动化和智能体编程能力的创始人，可以构建出运营杠杆远超其人员规模的创业公司。他们还能把大部分时间和带宽专注于真正重要的工作。

这一切不会自动运转；编排这些 AI 工具的创始人需要知道如何（以及何时）运用它们。本手册的其余部分，将深入探讨创始人在 AI 原生创业路径上会遇到的目标与挑战，以及如何在旅程的每个阶段有效运用 AI 工具。

第三章：创意阶段

每一位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。这是创意遭遇现实的创业阶段：2026 年的创业成功，需要的是在证据支撑之前不轻易动手构建的自律。

这个阶段的工作是研究、用户发现、竞争分析，以及对否定性证据的诚实评估——这一切都要在让 Claude Code 生成第一行生产代码之前完成。

创意阶段目标

在创意阶段，创始人的主要目标是以研究为导向的验证：在投入资源构建之前，收集扎实的证据，证明真实问题确实存在（并且你提出的解决方案能有效解决它）。

实际上，创意阶段是一系列创始人需要大致按顺序回答的问题：

•这个问题是真实的、具体的，且足够频繁，值得围绕它构建产品吗？

•具体是谁有这个问题，这能形成一个市场吗？

•有没有人在解决它？如果有，他们是怎么解决的，解决效果如何？

•一个解决方案究竟需要做什么才能解决这个问题，我的创意做到了吗？

这些调查的结果汇聚起来，回答一个终极问题：这值得构建吗？

这意味着在行动之前先要具体化。“人们在报销上遇到困难”是一个观察。“中型市场公司的财务经理每周花四个多小时核对报销单据，因为他们现有的工具无法与会计软件集成”才是一个可验证的假设。

创意阶段退出标准

创意阶段的退出条件是找到问题-解决方案契合度（Problem-Solution Fit）。你已经建立了定性证据——主要来自与真实人的对话——证明你在开始构建解决方案之前，正在为真实的人解决真实的问题。

当你能对以下三项全部回答”是”时，你就准备好离开创意阶段了：

1.问题是真实且具体的吗？ 肯定地回答这个问题，需要你能够精确说出谁遭遇了这个问题、多久遭遇一次、严重程度如何，以及他们目前是如何应对的。

2.你的解决方案解决了实际问题吗？ 不是你最初假设的问题，而是验证过程揭示的问题。有时这两者是一回事，但并非总是如此。

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，使投入 MVP 是一个有根据的决定，而非一次信仰之跃。

创意阶段的挑战

创意阶段是你创业旅程中最重要的工作发生的地方，因为这也是最关键的错误被犯下的地方：现在犯错，很快就能让你萌芽中的创业公司脱轨。大多数构思阶段的挑战都涉及超前于你的理解而行动，因此，深思熟虑、从容推进的创始人将会稳步前行。

把构建误认为验证

挑战： 当技术障碍被消除后，一个充满热情的创始人有可能跳过创业旅程中最重要的工作：验证自己的创意是否真的是人们需要并会使用的解决方案。

即使在当前智能体编程时代之前，也有 42% 的创业公司因为构建了没人需要的东西而失败。然而如今，Claude Code 等智能体编程解决方案已大幅压缩了从”我有一个创意”到”我有一个产品”的距离，这一失败率只会继续攀升。

虽然对于有着绝妙创意的创始人来说，现在是前所未有的好时机，但快速且轻松地构建出看起来像产品的原型，反而会带来一种真实的、危及生存的风险。

直到最近，构建还需要真实的开发时间和预算，即便是搭起一个基础原型通常也需要数月时间。而现在技术开发的门槛基本消失了，AI 使创始人太容易直接跳入构建，而不去在真实世界中验证其实用性。

达到问题-解决方案契合度，需要先验证假设，再去构建。但许多首次（甚至有经验的）创始人错误地认为 AI 绕过了这个要求，将流程变成了：有一个创意 → 立刻构建原型 → 把原型的存在视为验证。原型变成了相信假设一直正确的理由，却从未真正测试它是否为真。

一个能运行的原型很容易被误认为是你在解决真实问题的具体证据，但事实并非如此。你的原型更好地充当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。

过早扩张

挑战： 当构建变得毫不费力且即时完成时，你可以把执行力扩张到远超业务实际需求的程度。

过早扩张意味着在真正验证这条产品路径是否值得走之前，就将自己锁定在这条路上。

这一直是创业公司的杀手，但 AI 使创始人在不知不觉中更容易陷入过早扩张的陷阱。智能体编程助手非常强大，很容易在没有意识到偏离方向的情况下，让执行力的扩张远超问题-解决方案契合度的验证。它会以同样的热情为一个根本有缺陷的前提生成、测试、调试和重构代码库，就像面对一个好创意一样。系统中的智能是你的。这个阶段的首要原则是让你的感知判断走在构建之前，尤其是当构建如此快速且感觉如此轻松的时候。

丧失客观性

挑战： 让 AI 工具寻找支持你既有信念的证据，它就会找到。确认偏误现在配备了一个研究引擎。

确认偏误在创业中一直是一个职业风险：创始人天性上对自己的创意充满热情。现在，AI 工具给了确认偏误一次重大升级。让 AI 验证你的创业创意，它会找到支持性证据；让它测算你的潜在市场，它会找到能让你的 TAM 看起来可以融资的数字。

AI 遵循你的指示，这意味着一个不问难题的创始人，现在可以比以往更快地为一个糟糕的创意构建出一个精心设计、看起来研究充分的论据，同时完全相信自己确实在做尽职调查。解药是同一个工具，只是指向相反的方向：AI 压力测试一个创意的彻底程度，与它验证一个创意一样。当研究和结构化的对抗性思考揭示出需要修正创意的证据时，这就是转向的信号。

Claude 如何帮助创意阶段的创始人

推进你的 AI 原生创业概念度过创意阶段可能感觉永无止境。你是一名创始人，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的过程，这意味着你需要使用那些帮助你在全力投入写代码之前更严格地思考的工具。以下是跨越 Claude 各产品界面（Chat、Claude Cowork 和 Claude Code）使用 Claude 的方式，以便在做好尽职调查的同时尽快度过创意阶段。

Chat、Claude Cowork 还是 Claude Code：选择合适的 Claude 界面

AI 使创业公司创始人更容易快速发布、自动化繁琐工作流并大规模运营，但你使用的界面很重要。以下是根据手头任务选择 Chat、Claude Cowork 或 Claude Code 的指南：

Chat 适用于不离开当前应用的快速交流。用于公司日常运营中的各类小任务：从厚重的投资备忘录中提炼出一句话要点，在董事会会议前核实一个说法，或理清与团队的一段长 Slack 对话。

Claude Cowork 适用于真正花时间的知识性工作：从多个来源提取信息、整理成有意义的内容，并产出一个完成品，比如文档、PPT 或表格。想象一下：把一文件夹客户通话记录整理成用于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；或者设置一个周一早晨自动从你的关联工具中提取指标并生成周度 KPI 简报放入共享文件夹的任务。

Claude Code 是团队工程师的智能体编程环境：直接的代码库访问、计划模式（Plan Mode）、git 集成，以及本地、IDE 或沙盒云环境。这是精益团队在不断扩大的代码库中发布功能、迁移 MVP 阶段的遗留代码，以及在不等待更多人手的情况下从原型走向生产的地方。

三者共享同一个底层的 Claude；变化的是围绕它的工作空间。

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产生了一个假设。第一步是将其打磨至真正可测试的程度。Claude 在这里特别有用，可以强制你具体化：究竟是谁有这个问题、多频繁、多严重，以及他们目前是如何应对的？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，将你的问题陈述打磨成一个可测试的假设。例如，“合同审查花费太长时间”是无法有效测试的。但”中型市场公司的内部法律团队每次合同审查周期花费 3 天以上，因为红线修改通过电子邮件线程管理，而不是在一个版本受控的文档中”是完全可以测试的。

你的下一步是让 Claude 反驳你的创意，找出驳斥你假设的否定性证据。这可以揭示负面的市场信号、失败的竞争对手、客户行为模式，以及支持性综合分析会悄悄忽略的结构性障碍。

目标是在进行客户发现时，已经针对最强有力的反驳论点对自己的假设进行了压力测试，使信息性用户访谈真正开放，而不是一次寻找确认的旅程。

注意： 将 Claude 用作结构化的魔鬼代言人，是 AI 创业生命周期每个阶段的核心用例。

市场调研与绘制竞争格局

评估你的竞争对手

有一种创业特有的现象叫做”竞争对手忽视”：过于专注自己的愿景和执行，以至于系统性地低估了他人在同一领域的所作所为。幸运的是，AI 提供了解药：让 Claude 提出最有力的论据，说明这个解决方案领域的竞争对手为什么会成功而你不会。

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、为什么你潜在的差异化优势可能没有你想象的那么可防御。

练习： 让 Claude 按层级绘制你的竞争格局：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，而不仅仅是最容易被驳斥的威胁版本。

市场调研

Claude Code 可以综合公开可得的客户反馈，揭示反复出现的投诉和未满足的需求。额外收获：这实际上是对竞争对手客户的免费定性调研。

练习： 指示 Claude Cowork 综合跨主要来源的竞争对手评价，找出现有解决方案尚未解决的主要投诉。如果你的假设解决了其中一个或多个问题，这是问题-解决方案契合度的有力证据。如果没有，这也值得了解。

Claude Cowork 还可以从密集的行业报告、分析师文件和市场调研文档中提取相关信息和数据；接着，这些干净、综合的输入成为 Claude 分析工作的理想背景。

练习： 从公开数据构建 TAM/SAM/SOM 模型，并对其背后的假设进行压力测试。判断市场是在扩张、整合还是已经成熟；这一背景影响你如何思考时机和差异化。绘制买家格局：谁掌握预算，谁影响决策，这两者是否是同一个人。

趋势分析

最后，使用 Claude 来监听早期指标，告诉你是否在正确的时机进入。追踪正在讨论你所解决问题的 Reddit 子版块和 LinkedIn 群组，以及用户在描述问题时使用的确切语言。让 Claude 找出类似问题已被解决的类似市场，并提炼哪些方法有效、哪些无效。揭示可能加速或威胁这一机会的监管、技术或人口统计趋势。

练习： 让 Claude 找出三个外部趋势——监管、技术或人口统计方面——这些趋势可能在未来两年对你的市场产生重大影响，并评估每个趋势对你的具体假设是顺风还是逆风。

注意： 本节的市场调研和竞争格局绘制工作不是一次性的练习。你将在 MVP 和发布阶段持续有新发现并演化思考，因此每当你的假设演进时，重复这些练习非常重要。

规划和设计客户发现

通过与潜在用户交谈来了解你的产品，所学到内容的质量取决于：(1) 你提问的质量，以及 (2) 你是否在向合适的人提问。Claude 特别有助于开展客户发现，包括找谁谈、问什么，以及如何理解你听到的内容。

找谁谈

精确的目标用户画像比一份长长的联系人名单要有价值得多，包括最可能对问题有深刻体验的特定职位、公司类型、团队结构和资历级别。从那里，找出这些人实际上在哪里可以联系到——他们聚集的社群、活动、LinkedIn 群组和 Slack 工作区——并根据他们与问题的接近程度建立优先触达框架。

问什么

定义好目标后，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什么，而不是他们认为自己会做什么。新手创始人的错误是问一个关于未来的通用开放式问题（“你会用这样的产品吗？”），而不是具体询问相关的过去（“告诉我上次你遇到这个问题是什么时候。”）

Claude 也可以指出你草拟的问题在哪里引导了受访者，太过宽泛，或者可能产生噪音而非信号。Claude 还可以帮助你设计后续问题，以探查回避或深入挖掘重要问题的模糊答案。

如果你的假设涉及多个用户角色，Claude 也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，单一的访谈框架会抹平这种区别。

练习： 先自己起草访谈问题，然后让 Claude 审核。具体让它标记任何具有引导性、面向未来、过于宽泛，或可能产生社会期望答案而非诚实答案的问题。然后让它为访谈中最可能产生回避的两三个时刻提供后续追问。

访谈后分析

每次对话结束后，用 Claude 做复盘：喂给它你的笔记，让它找出哪些内容验证了你的假设、哪些对其提出了挑战、哪些真正令人惊讶。收集了一批访谈后，通过 Claude Cowork 运行你的完整访谈笔记集，揭示反复出现的主题、矛盾，以及两个方向上最强的信号。然后将综合输出带回 Claude，让它指出你自己对数据的解读可能在哪里以符合你期望看到的方式（而非实际存在的方式）进行了模式匹配。

练习： 每五次访谈后，指示 Claude Cowork 综合你的笔记并生成两份列表：支持你假设的证据，以及挑战它的证据。如果第一份列表明显比第二份长，让 Claude 判断这种不对称是否反映了数据中的实际情况——还是你希望找到的内容。

客户触达与日程安排

使用 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工作。

Claude Cowork 可以使用你与 Claude 定义的目标用户画像（包括职位、公司类型和资历级别）来研究并汇编结构化的潜在客户列表和经过验证的联系信息。然后它会大规模起草个性化的外联邮件，根据每个人的角色和背景量身定制。随着回复进来，它通过 MCP 连接 Gmail 和 Google Calendar 来管理邮件线程、处理日程安排请求，并将访谈安排上日历。工作流随之延续，Claude Cowork 按照既定节奏生成后续跟进草稿（例如，对还未回复的联系人在第七天跟进），并在每一步完成时更新你的追踪表，让你随时了解每个潜在客户在漏斗中所处的位置。

练习： 将你经过验证的访谈目标用户画像给到 Claude Cowork，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情况列的追踪表。然后让它管理协调工作，而你专注于为对话本身做准备。

设计最终解决方案概念

你已经完成了验证工作：问题是真实的，你知道谁有这个问题，你有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：缺口在哪里？存在哪些替代方案？这个解决方案要在规模化时发挥作用，需要哪些条件为真？

这是一个重要的现实检验：这个设计是否真正解决了验证过程所揭示的问题，而不是你最初假设的问题？

练习： 把你的解决方案概念呈现给 Claude，让它找出你的设计最依赖的三个假设。然后问每个假设成立需要哪些条件，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

现在来到有趣的部分：有了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。

这是创意阶段 Claude Code 登场的时刻。即使你一直在修修补补，现在是你生成正式轻量级原型的时间点：将创意呈现在真实用户面前并获得真实反应所需的最小功能面。

你还没有在构建一个真实的产品（还没有）；你在构建创意的一个功能样本，用于与潜在用户和投资者的对话。真实用户对他们实际能触摸到的东西的反应，会告诉你十几次问题-解决方案发现访谈所无法告知你的事情。在此之前，你在确认你要解决的问题是真实的；现在，你在邀请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。指示 Claude Code 只构建那个。当你有了它，把它放在五个来自你经过验证的目标用户画像的人面前，让他们试用。你在那五次对话中学到的内容，决定了你是继续构建，还是回到起点重新来过。

完成创意阶段是 AI 创业竞赛中的一次巨大飞跃，因为现在你不是在押注一种直觉；你在根据证据执行。现在来到 MVP 阶段，创始人的指导性问题从”这值得构建吗？“转变为”我们首先应该具体构建什么？“，AI 的主要角色也从研究伙伴转变为施工队。

第四章：MVP 阶段

许多创始人把 MVP 阶段当成一个构建阶段，但 MVP 阶段从根本上仍然是一个收集证据的过程。区别在于，你现在在收集关于解决方案而不是问题空间的证据；具体来说，是一个真实的、可识别的用户群体是否发现它足够有价值，以至于会使用它、回来使用它、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会实际使用的可工作产品。这不是包含路线图上每个功能的完整版本，而是将真实解决方案呈现在真实用户面前、并产生产品-市场契合度真实证据的最小化、最聚焦的创意迭代。

同时，你现在的构建方式决定了未来的可能性。这意味着 MVP 阶段有第二个同等重要的目标：在不积累会随复杂度增加而复利式膨胀的技术债的情况下，快速推进。

最后，从第一天起就投资于持久性上下文，是让 AI 保持为倍增器而非熵源的关键。在 AI 原生创业公司中，你的代码库是你每次会话都在与 AI 协作的东西，这使可读性成为基础。跳过规范、架构决策和上下文文件（如 CLAUDE.md）的创始人，会撞上一面可预见的墙：每个新会话都需要重新解释代码库，AI 生成的修改会偏离原始愿景。

MVP 阶段退出标准

MVP 阶段的退出条件是产品-市场契合度的真实证据：证明特定的、可识别的用户群体发现产品足够有价值，以至于会回来使用它（留存）、为它付费（营收）或向他人推荐它（口碑）。

MVP 阶段的挑战

在 MVP 阶段，创始人的首要原则是速度和判断力。这里的挑战在于，你是否能以足够快的速度、用正确的方式、构建正确的东西，而不走捷径以至于后来付出代价。

智能体技术债

挑战： 因为 AI 基本上消除了过去控制什么能进入生产的所有自然瓶颈，速度是有保证的。但当速度是创始人在 MVP 构建中考虑的唯一变量时，他们面临积累难以偿还的技术债的风险。

在 MVP 阶段，一些技术债是合适的，前提是理解必须在规模化之前管理它。它会逐渐积累，可以随时间清理，或在专门的冲刺中解决。然而，AI 技术债是复利式的。如果没有写在 AI 能读取的地方的规范和架构约束，每次会话都会从头重新推导基础性决策，这些决策会发生漂移。你最终得到的代码库没有连贯的心智模型支撑，不是因为任何单个部分是糟糕的，而是因为各部分从来没有被设计为能够协同工作。这是一个真实的问题，而且往往在后期才会暴露出来。

陷入虚假的产品-市场契合度

挑战： AI 工具可以生成令人印象深刻的早期数字，但这并不保证市场需要你的产品。

早期势头是创始人能有的最具心理力量的体验之一。在数周或数月的验证工作和谨慎、有纪律的构建之后，发布产品感觉就像是确认你一直都是对的。

智能体编程工具可以帮你比以往更快地到达这个时刻，但早期牵引力不等于产品-市场契合度。发布能量来自短暂的力量，比如你创始人的朋友、投资人其他投资组合公司的潜在买家，或者带来流量峰值的 Hacker News 头条。不幸的是，这些都无法可靠地预测在初始推动力消退的第六周或第十二周会发生什么。

零摩擦的需求蔓延

挑战： 当构建感觉毫不费力且几乎免费时，总是有一个更酷的功能可以添加，或者一个更多的边缘情况需要处理。这种需求蔓延弊大于利。

需求蔓延一直是创业风险。区别在于，过去对抗它的传统强制机制——工程时间的真实成本——在用智能体编程添加一个功能只需一个下午而不是一个冲刺的情况下，不再以同样的方式存在。

这里的挑战在于每一个单独的添加都是可以辩护的。当然产品应该处理那个边缘情况；当然用户会想要那个工作流。在当下这些并不感觉像是需求蔓延，因为每一个用智能体编程构建起来都如此轻松，但当你的产品扩展到原始边界之外，你有可能失去方向和动力。

解药是在构建开始之前创建一个书面的范围定义，描述产品做什么、刻意不做什么，以及什么样的来自真实用户的具体证据能证明添加新内容是合理的。这将决策点从”我们是否应该构建这个？“移动到”大量用户告诉我们没有这个他们就无法从产品中获得价值”。

因缺乏经验而留下安全漏洞

挑战： 使用 AI 工具在没有首先理解基本安全原则的情况下将应用快速推向市场的创始人，最终使他们的用户面临本可预防的风险。

残酷的事实是，智能体编程工具生成的代码是可工作的，而不是本质上安全的。功能性代码是容易的，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首次创始人有什么问题。然而，向真实用户发布实时 MVP，意味着真实数据、真实风险，以及如果出错的真实后果。

忽视安全并不是 AI 原生项目的新问题。自力更生的创业公司在各个时代都经常将安全考虑推迟到构建后期，有时等到即将生产发布时才考虑。在任何用户接触你的应用之前进行安全审查，是向世界发布最小可行产品的最低责任门槛。

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 写任何一行生产代码之前，使用 Claude 来定义并记录将主导这个阶段所有构建的架构决策：要遵循的模式、要避免的依赖关系、正在进行的权衡以及原因。这个输出将作为聚焦的架构上下文文档，并建立 Claude Code 将在其中运作的护栏。

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性假设。让 Claude Code 在没有护栏的情况下构建会产生功能性但结构不连贯的代码库，迭代和扩展不连贯的代码库最终是时间和 token 的浪费。迟早会有一个代码不可避免地崩溃的时刻，迫使你从头重建。

练习： 在打开 Claude Code 之前，打开 Claude 并描述你在构建什么：它解决的核心问题、它服务的用户，以及你在未来六个月里实际预期的规模。让它帮你定义应该主导你 MVP 构建的架构原则，在你的约束条件下要避免的依赖关系，以及你在这个阶段有意识接受的权衡。

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：你构建的第一个产物，也是每个后续会话所依赖的产物。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，它们是你项目的持久”记忆”。

在构建任何功能之前定义并执行 MVP 范围

没有摩擦的需求蔓延是 AI 时代 MVP 最典型的失败模式之一。就像你定义并记录产品的应用架构一样，你也需要在任何功能被构建之前定义 MVP 的范围。

Claude 可以帮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能证明在这个时候添加新内容是合理的。

当新功能想法浮现——它们肯定会浮现——你用 Claude 来压力测试这究竟是来自用户的真实信号，还是被包装成产品思维的创始人热情。

用 Claude Code 构建你的 MVP

一旦架构和范围被定义，Claude Code 就成为主要的 MVP 构建工具。用它生成、测试、调试和迭代你的代码库，但将每次会话视为执行你已经做出的产品决策，而不是引入新决策的机会。

每次 Claude Code 会话开始时：(1) 重温你的范围文档，(2) 为模型提供你的 CLAUDE.md 架构上下文文档。每次会话结束时更新它，记录会话揭示的任何决策。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，以及任何需要遵守的约束或模式。在每次会话结束时，在上下文文档中添加一条简短的日志条目，详述构建了什么、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对架构漂移（它会复利式累积成无法管理的代码库）的廉价保险。

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的内容，理解任何潜在的暴露向量，并且不要将明显的漏洞发布给信任你保管其数据的真实用户。

Claude 可以对 AI 生成的代码进行有用的初步安全审查，并帮助识别常见漏洞。在发布前将其构建到循环中是一个好习惯。但它不能替代安全工具，或者在更高风险的情况下，一个人工审查员——把它当成可以替代的创始人，往往就是那些最终出现在数据泄露故事中的人。

Claude Code Security 更进一步：它扫描代码库中的安全漏洞，并建议有针对性的补丁供人工审查，揭示传统方法可能遗漏的问题。

练习： 在部署给任何真实用户之前，用 Claude 运行对核心应用代码的针对性安全审查：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关系。认真对待每一个发现，并评估是否需要修复，对任何涉及身份验证、密钥或数据处理的内容进行人工审查。

在发布前构建你的度量框架

将早期牵引力误认为产品-市场契合度的创始人，通常也是在发布后才开始追踪数据的那些人，他们选用的指标是为了评估哪些有效，而不是揭示哪些无效。解药是在第一个用户出现之前建立你的度量框架。

用 Claude 定义哪些指标对你的具体产品重要，基准是什么，以及数据中的什么模式构成真实的产品-市场契合度，而非令人满意的噪音。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，为你的具体产品定义假阳性看起来是什么样的：没有激活的注册、没有留存的营收，或者没有重复使用的初始热情。当数据到来时，让 Claude 对你自己的牵引力提出对抗性论据：一个怀疑者会怎么看这些数字？

管理发现和用户反馈的物流工作

一旦真实用户进入产品，运营层就会快速扩展。Claude Cowork 处理重要但繁琐的工作，比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，以及追踪迭代周期。创意阶段中管理发现物流的相同 MCP 集成在这里也适用。

对于细致探索用户反馈，保持人工在收集循环中。一个用户说，例如，“这很好，但我希望它也能……”，需要解读：这是核心需求还是锦上添花？这是这个客户的特殊情况还是代表了一个细分用户？缺失的功能是真正的问题，还是新用户引导上游的某个问题？没有工具能回答这些问题。

练习： 配置 Claude Cowork 来运行你的 MVP 阶段反馈循环：起草给早期用户列表的外联邮件、安排反馈会话、为错误报告和功能请求设计结构化的接收流程，并撰写收到内容的每周综合。先自己审查综合报告；之后，你可以让 Claude 分析这些信息，以发现你可能遗漏的重要点。

向着证据迭代，而不是向着完整性迭代

无论产品感觉多”完整”，MVP 阶段在你有产品-市场契合度的真实证据时就结束了。宣布你已经实现了产品-市场契合度、准备好从 MVP 阶段进入发布阶段，最终是一个将创始人直觉与所收集证据结合起来的判断练习。不过，有一些有用的试金石：

•Sean Ellis 测试： 询问你的活跃用户：“如果你无法再使用这个产品，你会有什么感觉？”如果超过 40% 的人回答”非常失望”，这是一个有意义的 PMF 指标。

•努力程度测试： 在产品-市场契合度实现之前，留存需要持续干预，包括频繁的外联、激励措施、个人跟进，以及为保持用户参与而消耗的英雄式创始人能量。在产品-市场契合度实现之后，产品开始自己做这项工作。当事情开始被拉动而不是被推动时，这种努力的转变是发生了真实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-市场契合度，因为它是一个必须在多个迭代周期中保持的模式，然后你才能明确地称之为已实现。

当证据要求时，转向

如果，即使投入了所有这些工作，你似乎仍然无法到达产品-市场契合度，怎么办？你的结果不能证实你开始的方向，这不是失败，而是系统在运作：MVP 阶段的设计就是在你过度投入错误答案之前揭示这些信息。

当数据不支持你当前的产品时，用 Claude 来理解那些数据在告诉你什么：

•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群体。通常，正确的受众就在你的数据中，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。对新用户引导、消息传递或核心功能重点的调整，可能无需改变你已构建的内容就能解决这个问题。

练习： 如果你在没有向产品-市场契合度基准有实质性进展的情况下完成了三个或更多迭代周期，在决定下一步做什么之前，用 Claude 进行诊断。给它你的留存数据、用户反馈和原始问题假设，并向它提出三个问题：这些数据中是否有一个细分用户群与其他人的反应不同？设计价值与体验价值之间的差距是一个定位问题还是产品问题？当前产品要找到真实的 PMF 需要什么条件为真，考虑到你看到的情况，这个场景现实吗？

让这些答案决定你是调整、转向还是回到创意阶段。

第五章：发布阶段

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

发布阶段目标

在发布阶段，创业公司的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。除了让你的产品具备生产就绪性外，你还必须在同时围绕产品构建一家真正的公司的同时，强化其下面的基础设施。

创业公司在创意和 MVP 阶段天然是以创始人为中心的，因为你需要完整的态势感知和紧密的反馈循环。但现在，仍然试图亲自掌控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，而是构建能解放你的注意力用于只有创始人能做的决策的运营系统。

发布阶段退出标准

发布阶段的退出条件有三个要素：

1.增长是可重复且由渠道驱动的。 你不只是在留存用户，你在通过具有清晰单位经济模型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。

2.产品能处理生产工作负载。 基础设施已强化，安全和合规已到位，可靠性在真实生产条件下（不只是你测试的条件下）保持稳定。

3.运营不受创始人瓶颈制约。 流程已存在，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。

发布阶段的挑战

找到产品-市场契合度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维持它。发布阶段是那些找到真实产品牵引力的公司仍然可能垮掉的地方，如果围绕和支持产品的组织跟不上的话。以下是需要警惕的失败模式。

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以证明产品有效，但生产流量、新功能和日益增长的复杂性现在正在暴露那些捷径。

在 MVP 阶段，积累一些技术债是速度的合理权衡。在发布阶段，这些债务开始累积利息，拖延处理的时间越长，修复的成本就越高。

解决方案包括系统性的架构审计以识别结构弱点、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率，使下一轮功能开发不会重新引入同样的问题。

创始人成为瓶颈

挑战： 在 MVP 阶段，创始人介入每一个循环是一种资产。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，同样的本能变成了制约。

从亲自做工作转变为设计做工作的系统，是创业生命周期中最难的转变之一。因为很少有一个清晰的时刻标志着它的发生，风险在于完全错过它，保持在构建者模式，而组织在你周围停滞。明显的迹象包括：本应一小时内完成的决策，现在需要一周才能轮到你；只有你知道答案的支持请求堆积如山；以及只有在你亲自记起时才会发生的运营任务。

解药是对你亲自处理的所有事情进行全面审计，从最小的任务到最高风险的决策，以找出什么可以系统化、什么可以委托，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，以及可能的企业合同在望，这变成了一种负担。

在 MVP 阶段，只有少数几个 beta 用户且没有敏感数据在生产中，安全漏洞还只是理论风险。然而，一旦你的产品以真实用户依赖它的状态进入生产，那个假设就变成了非常真实的暴露风险。此外，不适用于原型的合规要求，一旦你在处理客户数据、处理支付或向受监管行业销售，就肯定会适用。

解药是在生产规模到来之前，而不是之后，进行系统性的安全和合规审查，并将揭示出的所有问题视为必须修复的，而不是建议——在下一波用户到来之前。

还没准备好就扩张

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-市场契合度的终结之地。

你已经建立的初期牵引力是真实的，但也是特定于你早期受众的。过早扩张到与你原来的市场有实质性不同的市场，会引入新的用户行为、合规要求、支付基础设施和基线期望，而你的产品并没有围绕这些设计。突然之间有太多新变量，你失去了清晰解读自己数据的能力。你也面临着在追逐新的未经验证的受众的同时忽视原有用户群的风险。

Claude 如何帮助发布阶段的创始人

在发布阶段，三种形式的 Claude 都在充分使用，它们相互支持：每个工具产生的输出成为另外两个工具的输入。结果有机地复利，同时使用三个工具的创始人获得的远超各部分之和。

这就是超精益创业公司模式在结构上成为可能的原因。当 Claude Code 构建产品，Claude Cowork 围绕它构建公司，Claude 帮助将这些产品和组织知识运营化时，一个小团队可以像一家大 n 倍的公司一样运营。

在技术债复利之前修复它

你的 MVP 代码库能工作，但它也需要一次系统性的修复扫描，寻找任何可能成为结构性负担的技术债。

首先，用 Claude Code 进行完整的架构审计：找出代码库哪里是脆弱的，哪些捷径会变得昂贵难以维护，以及哪里的测试覆盖率足够薄，以至于下一轮功能开发会重新引入相同的问题。

将 Claude Code 的审计发现反馈给 Claude，对修复工作进行分类和排序：什么需要在下一个版本之前修复，什么可以等一个冲刺，以及鉴于你当前的阶段，什么代表可接受的持续债务。

这也是记录你在 MVP 阶段做出的架构决策的时刻（那些因为没有时间写下来而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 会话都从对系统如何设计以及为什么这样设计的共同理解开始。

练习： 指示 Claude Code 审计你的 MVP 代码库，并生成一份按优先级排序的结构弱点、测试覆盖率缺口和重构候选项列表。然后将该列表反馈给 Claude，让它在几个冲刺中对修复工作进行排序：任何需要首先解决的重大问题、可以与功能开发并行处理的事情，以及可以等待的事情。

构建替代创始人注意力的系统

构建能解放你的注意力以处理只有创始人才能处理的责任的运营系统，需要知道你的注意力确切地去了哪里。使用 Claude Cowork 对你当前的运营负担进行结构化审计，记录每一项重复性任务、每一个落在你桌上的决策，以及每一个只有在你亲自记起时才会发生的工作流。然后让 Claude Cowork 将这份清单分类为可以完全自动化的、需要人工但不一定是你的，以及真正需要创始人判断的。

一旦审计完成，使用 Claude Cowork 为自动化候选项设计工作流逻辑：触发每个工作流的是什么，决策规则是什么，输出是什么样子，以及它完成时去哪里。

将安全和合规变为产品工作流

使用 Claude Code 来揭示在 SOC 2、GDPR 或 HIPAA 审计中经常出现的代码层面问题，以及你的目标市场要求的标准。这将揭示漏洞和合规缺口。将这些发现反馈给 Claude，帮助你对修复工作进行优先排序，并设计企业买家在签约之前会要求看到的控制措施、审计日志和访问管理。注意：AI 扫描是辅助，不能替代合格的合规审查。

接下来，将合规工作流构建到开发周期中，而不是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，这也是 Claude Code 安全扫描可以帮助你为独立安全评估做准备的时刻。

练习： 用 Claude Code 运行一次以你目标市场所需框架为导向的代码层面安全审查。将输出反馈给 Claude，让它生成两件事：一份按优先级排序的安全修复序列，以及满足潜在企业买家合规审查所需生成的文档和控制措施列表。

建立一直在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，这些流程可以在不需要创始人干预来触发或运行的情况下运作。使用 Claude 设计你的产品时间线和工作周期将如何结构化，在 Claude Code 接触某个功能之前规范需要包含什么，错误报告如何被分类和路由，以及你的每周指标报告涵盖什么内容以及如何分发。

一旦流程设计完成，使用 Claude Cowork 构建并运行运营层：安排冲刺仪式、将传入的错误报告路由到正确的位置、从你的关联数据源汇编每周指标，以及维护将用户信号持续流入产品决策的反馈循环。

练习： 让 Claude 设计一个轻量级的产品管理操作系统：一个明确的冲刺节奏、一个最小规范模板、一个错误分类决策树，以及一份从你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运营元素，如日程安排、路由和报告汇编，使其按计划自动进行，无需你介入。

第六章：规模化阶段

在规模化阶段，创始人的角色重新聚焦于从构建者到面向公众的高管。产品仍然是核心，但你的个人日常工作越来越多地关乎公司本身。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，同时努力维持精益、以 AI 为中心的结构优势。

规模化阶段目标

扩展技术基础设施的工作持续进行，现在又加上了扩展组织本身并将其成熟为一家企业的工作。

在规模化阶段，你在看如何从数千用户增长到数百万，从一个市场扩展到多个市场。在每一个之前的阶段，增长是你可以通过接近用户、根据紧密反馈循环的数据加上一剂健康的创始人直觉来摸索的东西。但现在，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积累深度来构建可防御的护城河，这种深度来自你构建到产品中的专业知识、你的产品与用户所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。一直在一个方向、基于一致基础设施稳定构建的创始人，现在拥有了真正难以复制的东西。

在这个阶段，公众投资者、分析师、监管机构、企业采购团队和收购方施加更大的压力——伴随更大的怀疑——因为风险现在更高了。你的产品和组织必须能够承受外部审查：不只是你所构建内容的能力，还有围绕它的治理、合规立场、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单一里程碑，而是一个门槛事件：公司在创始人越来越不直接管理日常运营的情况下是可持续的。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治理和合规基础设施；并对这个问题有了可靠的答案：“如果一个资金充裕的现有者今天复制了你的产品，你的用户会留下吗？”

实际上，这个门槛通常采取以下三种形式之一：不再需要外部资本的规模化可持续盈利能力、IPO 就绪性，或者被收购。这三者都要求你的增长是系统性且可审计的，你的产品护城河能经受审查，以及你的组织在运营上成熟且可持续。

当这些条件成立时，恭喜：你的创业公司已经从一次赌注变成了一门生意。

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可靠且可持续地运行，无需人看守。对于一个从第一天起就亲力亲为的创始人来说，这种转变既是心理上的挑战，也是结构上的挑战。

你在发布阶段的工作是创建这些系统；在规模化阶段，目标变成了 (1) 成熟这些系统直到完全可信赖，以及 (2) 然后真正信任它们。

这比听起来要难。即使是一个擅长委托的创始人，也不总是清楚什么应该移交、什么应该留在自己手中。移交太多太快——尤其是给 AI 自动化系统——重要决策就会在没有只有创始人才能提供的关键背景的情况下被做出。但坚持太久，你可能成为瓶颈。

这里的根本挑战是找出那些只存在于创始人头脑中或未记录工作流中的机构知识，然后将其编码到有文档记录、可审计且可转移的系统中。

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能成为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：构建正确的解决方案而不积累技术债，然后为真实用户强化安全和合规。到达规模化阶段，挑战现在变成了围绕代码库构建的一切；创建发出成熟度信号的支持基础设施、文档和可靠性保证。

签署多年合同的较大规模客户和机构买家在签约之前要看到这些，签约之后也会要求你兑现这些承诺。然而，让你走到这一步的同一 AI 基础设施，帮助你构建具有明确响应时间和新客户工程团队实际能够使用的文档的专门支持功能。

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、工资单、会计和法律运营，无论运行它的人数是多少。

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发展更广泛的、在某些方面更重要的运营职能，如财务报告、合规监控、合同管理和客户支持，仅举几例。

构建 GTM 职能

挑战： 有机增长有一个天花板，大多数规模化阶段的创始人在不得不构建真正的市场推广（GTM）职能之前就触及了它。

创意、MVP 和发布阶段的增长往往来自创始人主导的销售，从一个时机合适的 Product Hunt 帖子到与早期客户的个人关系。但这种有机增长只能达到某个程度，大多数创业公司在规模化阶段触及这个上限。迹象包括用户曲线趋于平缓、客户获取成本上升，以及只有在创始人亲自介入时才会推进的漏斗。

规模化阶段的增长需要构建一个专门的增长引擎，以覆盖你产品的新的、更广泛的受众。大多数创业公司创始人以前可能从未运营过市场营销、销售和分析师关系项目等事项。一个合法的 GTM 运作不仅需要建立新系统和流程，还需要为你如何谈论产品创建一个品牌声音和故事。因为在创业生命周期的这个阶段，你不仅需要接触单个新用户，还需要接触整个目标受众，如投资者和企业买家。

幸运的是，GTM 职能不必庞大才能有效，构建产品的同一 AI 基础设施可以引导将其推向市场。

Claude 如何帮助规模化阶段的创始人

早期创业阶段使用 Claude 作为产品本身的基础基础设施：作为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。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 以他们构建时的方式继续扩展。

将日常任务移交给 Claude Cowork

从清醒认识到你现在最需要投入时间和注意力的地方开始规模化阶段，这对首次创业的创始人来说可能是一个挑战。Claude 可以通过构建只有你应该在这个阶段做的事情的列表来帮助，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等。不在这个列表上的任何事情都是委托或 Claude Cowork 自动化的候选项。

练习： 使用 Claude 生成你当前运营层的瓶颈图：每一个目前通过你路由的工作流、决策和审批。现在，让 Claude 推断当你一周不在时每个人发生了什么。停滞的工作流就是你仍然足够亲力亲为以至于可能妨碍进展的地方。

这些如何映射到你与 Claude 制作的创始人优先级和责任清单？

接下来，是时候压力测试你已经构建的系统是否真正准备好随着你的业务增长而扩展了。

练习： 使用 Claude 绘制你当前工作流的地图，然后问它当你一周不在时每个工作流会发生什么。停滞的工作流就是移交标准、升级路径或异常处理仍需收紧的地方。Claude 可以帮助分析故障点并推荐适当的修复，以便你可以根据需要更新或替换 Claude Cowork 自动化。

将技术运营扩展到企业级基础设施

随着你扩展，买家需要确信你的产品和你的组织可以作为长期基础设施被信任。技术工作在代码库内照常进行，但现在也有代码库周围的技术工作需要处理。

第一步是将机构知识转化为可扩展的系统。使用 Claude 起草并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。

同时，指示 Claude Code 针对企业合同要求的特定可靠性和安全标准审计并强化代码库，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 真正可执行的可观察性层。

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、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。这三者合力，给一个小团队提供了大得多的组织的支持姿态，这正是签署多年企业合同要求你展示的。

练习： 选择你三个最苛刻的潜在客户，或找出你最希望签约的三个理想客户。让 Claude 生成一份差距分析：这些账户的企业采购团队在签署多年合同之前期望看到什么文档、SLA 和支持基础设施，以及你目前在哪里有差距？使用输出在 Claude Code 和 Claude Cowork 之间排序技术和文档工作。

构建真正的 GTM 职能

创始人的拼劲让你走到了这一步，但扩展你的创业公司需要创建并实施真正的市场推广策略。AI 可以帮助你构建，然后运行完整的 GTM 引擎。

Claude 可以帮助从头构建基础 GTM 资源：市场细分、消息架构、分析师关系策略、销售手册，以及一旦你与公众投资者、企业买家和华尔街分析师交谈时重要的面向投资者的指标叙事。每个受众都有自己的词汇，并以自己的标准评估你；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、外呼序列、分析师简报物流、新闻室和公关节奏、CRM 卫生、管道报告，以及将 GTM 战略转化为实际商业动作的许多重复周期。

在 GTM 运作需要产品营销基础设施的地方——互动演示环境、集成文档、沙盒租户、API 参考、技术单页纸——Claude Code 可以为你构建它。买家期望从技术角度评估你的产品，在规模化阶段，一个 Loom 视频和一份销售 PPT 已不再够用。这也是让你的 GTM 运作能够异步进行的基础设施：一个构建良好的演示环境在你开董事会会议时也能促成交易。

将领域专业知识和机构知识转化为 AI 上下文

许多超精益创业公司的创始人在为他们在特定行业亲身经历或观察到的真实问题构建高度特定的应用或工具。智能体 AI 现在使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 在将创始人知识转化为复利式产品特异性方面各自发挥作用。

使用 Claude 捕捉、组织和精炼创始人知识，将领域专业知识放置在产品能够触及的地方。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、边缘案例、挫折、这个问题的显而易见答案为何不起作用的原因——形成结构化的、可搜索的上下文。技能（Skills）可以将重复性工作流（例如，“我如何审计商业租约”、“我如何分类患者接诊表单”）编码为每次 Claude 以相同方式运行的可重用例程。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底层。

用 Claude 外化你的领域知识，对于将行业特定的边缘案例编码到你的产品中变得无价：一个通用 AI 医疗账单工具会在 340B 药品项目索赔上失败，例如，但你的产品有专门针对它们的逻辑。Claude Code 帮助你将你所在领域其他专业人士常见的挫折转化为验证逻辑、提示优化，或与你的竞争对手甚至没听说过的小众行业系统的 MCP 集成。结果是你的应用或工具的深度和广度都在持续复利增长，以一种竞争对手根本无法复制的方式。

练习： 找出一个通用竞争对手在你的垂直领域肯定会出错的边缘案例。与 Claude Code 合作，基于你实际见过的场景为其构建一个专门的测试用例（不是单元测试）。每次出现类似边缘案例时，将其添加进去。你的测试套件变成了你护城河的地图。

将积累的用户数据复利为可防御的优势

随着用户与你的产品互动，他们生成行为信号（即，他们接受哪些输出、拒绝哪些），这为产品路线图提供信息。随着时间推移，你将了解你特定用户群的具体模式、偏好和边缘案例。这就是我们所说的复利价值：每一次改进使产品更有用，这带来更多使用，这创造更多反馈，这驱动更多改进。

这些数据是时间锁定的、特定于上下文的，任何模仿者都无法重建：你根本无法购买到数千名已经在你产品内部精炼工作流的用户的行为指纹。

Claude 可以帮助审计你收集的任何用户交互数据，找出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： 给 Claude 一份你产品交互数据的摘要：你收集了什么、收集了多长时间，以及你对用户如何随时间使用你的产品的了解。让它找出那些数据中的三个最高信号行为模式，并设计一个将每个模式转化为系统性模型改进的反馈循环。然后让它帮你起草一份用于产品营销的单页护城河叙事：你的数据飞轮如何工作的故事，它运转了多久，以及为什么今天开始的资金充裕的竞争对手在不到两年内无法复制它。

创建工作流锁定

复利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，它就越深度嵌入他们实际工作的方式中。他们已经在它之上构建了自动化，培训了人员使用它，并将它连接到他们的数据源和其他工具。他们开发的提示、精炼的工作流，以及标准化的输出，都已经根据你的产品做什么和如何做来塑造。到这个时候，切换从产品决策变成了全面运营项目。

创建工作流锁定的第一步是让 Claude 按集成深度绘制你当前客户群的地图。对于每个客户细分，找出他们在你产品之上构建了什么工作流，以及他们依赖哪些集成。这展示了你的产品在哪里产生粘性，以及它需要去哪里更深入。

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 帮助你快速启动与你目标用户所依赖的数据管道、项目管理工具和其他系统的原生集成。Claude Code 还可以构建让客户不仅使用你的产品，而且在它之上构建的 API、Webhook 和 SDK——这是最深层的锁定形式。

练习： 让 Claude 帮你为你的前十个客户构建一份工作流集成审计。对于每一个，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，以及你对他们切换成本的估算。然后让 Claude 找出这个群体的模式：什么类型的集成对你的具体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目前处于表面的客户的集成。

第七章：同样的工作，全新的规则

在 AI 时代，创始人的工作没有改变：找到真实问题，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。在四个阶段——创意、MVP、发布和规模化——AI 将季度压缩成周。

曾经需要数月的验证周期，现在只需一个下午。一个可工作的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的几次专注的会话。发布准备从发布前的冲刺压缩成一个持续的工作流。在规模化阶段，过去迫使早期招聘进入救火角色的运营重担，越来越多地可以移交给 AI，让你的团队将注意力花在成为你护城河的判断性决策上。

瓶颈不再是你能构建什么，而是你选择构建什么。

资源

与 Claude 一起构建

•为创业公司构建 AI 智能体： 分享创业公司如何使用智能体在规模化过程中减少对创始人的依赖。

•Claude Code 文档： 引导构建者从初始安装到高级智能体工作流。专业提示：从”Claude Code 如何工作”概述开始。

•Claude Code 最佳实践： 涵盖在 Anthropic 内部和工程团队中经过验证的模式——上下文管理、权限、规划和验证工作流。

•使用 CLAUDE.md 文件： 演示如何为你的具体代码库配置 Claude Code。MVP 阶段创始人设置开发环境的必读内容。

•Claude Code 高级用户技巧： 重点介绍来自 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： 分享团队如何设置 Claude Cowork 并开始实施技能、插件和其他功能，以扩大其对你创业公司的影响。

•教程： claude.com/resources/tutorials 提供特定任务的动手演练的可搜索列表。

创始人故事

•三家 YC 创业公司如何用 Claude Code 构建公司： 研究 HumanLayer (F24)、Ambral (W25) 和 Vulcan Technologies (S25) 如何使用 Claude 快速将原型推向市场，并用智能体编程工作流扩展 AI 驱动的平台。

•GC AI 的创始人使用领域专业知识构建了一个响应式、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、跨职能的利益相关者和可变的风险容忍度阈值。

•Carta Healthcare 使用 Claude 为其临床摘要平台提供动力，每年处理 22,000 个外科案例，将数据摘要时间减少了 66%。

•Anything 由 Claude 和 Agent SDK 提供支持，已帮助 150 万用户将创意变成可工作的软件产品，无需编写代码，其中包括一位非技术创始人，他构建并已经在销售一个完整的招聘平台。Anything 的 AI 智能体处理完整的构建，因此独立创业者可以在他们的领域专业知识上加倍投入。

•Cogent 是一家应用 AI 实验室，构建智能体来自动化关键企业安全任务。该创业公司使用 Claude 作为跨整个漏洞生命周期自动化调查、优先排序和修复的智能体的推理层。

•Airtree 使用 Claude Cowork 作为其运营基础设施的中心，整合了过去分散在十几个不同工具和团队中的数据。现在，当一个人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从未完成的所有事情。

•Duvo 构建的 AI 智能体在 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 完全建立在 Claude 之上，使用 Agent SDK 跨工作流进行编排。

•Zingage 是一个为家庭护理机构构建的 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 EMR 和多个通信渠道进行编排，并使用 Claude 的上下文推理构建能够给出细致入微的、患者量身定制的结果而非模式匹配最常见响应的智能体。

•Kindora 是一个由非营利执行官构建的 AI 驱动平台，使用 Claude Sonnet 构建了一个迫切需要的工具，用于智能地将慈善机构与资助者匹配。在将数千个匹配结果筛选到值得追求的少数之后，Kindora 的 MCP 连接器让非营利组织直接在 Claude 中访问其潜在客户开发工具。

•Wordsmith 由一位律师出身的 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 合同审查、协议起草和文件审查能力的推理引擎，该创业公司的工程团队使用 Claude Code 构建和演进平台本身。

创业支持和机会

•Anthropic 创业计划： 对于与 Anthropic 风险投资合作伙伴合作的创业公司，该计划提供免费 API 积分、公开可用的最高级别速率限制，以及独家创始人活动和研讨会的邀请。

•Claude 社区： 构建者的论坛和社区空间。

•实时学习资源： 会议、网络研讨会、直播和录像。

claude.ai