夜雨聆风READING NOTE
最近读了一份手册，Anthropic写的，叫《The Founder's Playbook》。
说实话，一开始我以为又是那种大厂出品、四平八稳的方法论文档，读完才发现，里面有很多值得注意的点。
我挑了 5 个，挨个聊聊。
1. 42%的创业公司死于「造了没人要的东西」，AI时代这个数字只会涨
这个数据来自CB Insights，他们分析了101家创业公司的失败原因，「没有市场需求」以42%排第一，远超第二名的「资金耗尽」（29%）。
42%，不是个小数字。也就是说，你随便拉10个创业项目出来，其中4个连方向都是错的。
AI编程工具已经大幅压缩了「我有一个想法」到「我有一个产品」之间的距离，所以这个失败率只会继续上升。—— Anthropic
以前你想做一个产品，哪怕是最简单的原型，也得花几个月找开发、写需求、排期。这个过程中你有大量时间去见用户、聊需求、验证方向。现在呢？你对Claude Code说一句「帮我做个XXX」，三个下午出来一个能跑的东西。速度快到你根本来不及想「这东西到底有没有人要」。
Quibi这家公司融资17.5亿美元，上线6个月就关了。Google Glass探索者版发布两年就停产。它们不缺钱，不缺技术，缺的是「有没有人真的想要」这个答案。你不用做到17.5亿才会犯这个错——任何靠「我觉得有人需要」而非「真的有人需要」出发的产品都一样。
Stop using ChatGPT to validate your startup idea. It will always say it's a great idea.—— Reddit
2. AI会顺着你说话
有个词叫“确认偏误”，人类天生就爱听自己想听的话。但Anthropic提了一个我之前没太想过的角度——
确认偏误如今有了一台加速引擎。—— Anthropic
你跑去问AI，「AI教育赛道有没有机会？」它会给你列出一堆正面数据和案例。你问「用AI做情感陪伴app怎么样？」它会告诉你「很有前景」。它几乎永远不会主动说「这个方向已经死了」或者「你凭什么赢」
Anthropic自己也做过相关研究，他们2024年发表了一篇专门研究AI模型「讨好行为」（sycophancy）的论文，发现当用户表达了一个观点后，AI模型倾向于给出支持用户观点的回答，即使用户的前提有问题。
坦率地说，AI有一种天然的讨好型人格。你想要什么答案，它就能给你找到什么答案。
创业者的确认偏误本来就重，这是职业病，你对自己的想法天然充满热情。现在又加了一个会不停点头说「对对对你说得对」的AI助手。等于是一个本来就容易自我强化的人，又多了一个永远不会反驳你的研究团队。你想想看，这个组合有多危险。
一个不问难题的创始人，如今能比以往任何时候都更快地构建出一套精致、看似研究充分的坏点子论据，还觉得自己正在做尽调。—— Anthropic
他们给的解药倒也直接——用同一个工具反过来用。让AI论证你为什么错，而不是为什么对。让Claude扮演一个反方代言人，专门挑你方案的毛病。我自己试过，它找到了3个我刻意回避的假设，其中一个直接让我放弃了一半功能规划。
3. 加功能从一个冲刺变成一个下午
范围蔓延（scope creep）这个词在软件工程里不是新概念了。以前加一个功能要走需求评审、设计、开发、测试、部署，一两个星期算快的。这个「摩擦力」天然抑制了乱加功能的冲动。但AI时代，这个摩擦力几乎消失了。就好比一个刹不住车的自行车。
当建造感觉不费力、几乎免费，总会有一个很酷的功能可以加，或一个边缘情况可以处理。加一个功能从一个冲刺变成一个下午。—— Anthropic
在Indie Hacker社区，我划到过一个帖子，有个开发者本来只是想做一个简单的发票生成器，结果三周之后发现自己用Cursor搞出了一个完整的ERP系统，而根本没人想要这个系统。
Andrej Karpathy在2025年提出了「vibe coding」这个概念，就是你凭感觉跟AI说「加个这个」「来个那个」，AI五分钟就给你弄好了。效率确实高，但你有没有发现，你加的那些功能，大部分根本不重要。
GitClear 2024年有份报告发现，AI辅助编码导致代码流失率（churn rate），就是代码写完又被删掉或大改的比例，上升了大约40%。代码产出确实多了55%，但多出来的那部分，很大比例是写了又扔的无效代码。
我自己用Claude Code做项目的时候，写着写着就觉得「哎要不加个导出功能吧」「来个暗色模式吧」「加个数据看板吧」。每一个单独看都挺合理。坦率地说，回头一看，核心功能还没验证呢，边角料倒堆了一大堆。最后那个项目做到一半我就不想碰了。
Anthropic的建议是——在任何功能被建造之前，先定义好MVP范围，写一份范围文档，明确规定做什么、不做什么、功能修订的标准是什么。这个文档每次会话开始都要重新看一遍。
4. AI技术债会复利
技术债这个词也不新了。但Anthropic手册里用的表述让我印象很深——AI技术债会复利。
为啥呢？因为AI编码代理每次开新会话的时候，如果不给它项目的上下文，它就从零开始重新推导基础决策，于是这些决策会漂移。你最后得到的不是一个有统一架构的代码库，是一堆各自为战的零件拼在一起。没有哪一块写得差，但这些零件从来没被设计成能拼到一起。
这就引出了CLAUDE.md这个东西。它是Anthropic为Claude Code设计的一个项目级上下文文件，告诉AI代理你的架构决策、编码规范、技术栈约束。这个文件的存在本身就说明了一个事实——AI代理漂移是一个被官方承认的真问题。
更狠的是，AI生成的代码往往缺注释和设计文档，后续维护还得继续依赖AI。但AI没有「记忆」，每次会话都是新的。于是形成一个恶性循环——技术债越来越多，只能靠AI修，AI不了解上下文越修越乱，技术债更多。
AI编码最大的谎言是让你快10倍。确实写代码快10倍，但调试和重构AI生成的意大利面条代码也多花10倍时间。—— HackerNews 高赞评论
5. 发布那天的高光，可能是最危险的信号
早期势头是创始人能经历的最强心理体验之一。经历数周或数月的反复验证和克制迭代之后，把产品发出去，会让人觉得自己从一开始就是对的。—— Anthropic
但早期热度 ≠ PMF（Product-Market Fit，产品市场契合）。
发布热度可能来自短暂因素——你的朋友、投资人投的其他公司、或者Hacker News一个标题带来的流量尖峰。这些东西都不能可靠预测第六周或第十二周会发生什么。
Hopin这个公司太典型了。疫情期间做虚拟会议平台，2020到2021年估值飙到77亿美元。结果疫情一结束，2023年以1500万美元被收购。77亿到1500万，就是这么夸张。他们把疫情带来的「情境需求」当成了PMF。
Marc Andreessen在2007年写过那篇经典的《Product/Market Fit》博客——PMF就像被电击了一样，你会感受到市场在拉你的产品，而不是你在推。如果你还需要问自己「我达到PMF了吗」，那答案几乎一定是没有。
忽略发布尖峰，看留存曲线。发布周有1万注册不叫PMF，30天后还有40%的用户在用才是。Twitter上有人夸你产品也不叫PMF，用户主动推荐给朋友才算。月收入翻倍也不叫PMF，月流失率低于5%且持续下降才是。—— Y Combinator
还有一条是AI创业的特殊性。AI产品发布自带话题性，「又一个AI产品！」，更容易获得虚假的初期热度。不止一位VC分享过：他看到的每个AI创业公司都有一个很好的发布日故事，但几乎没有一个有好的第三个月留存故事。
FINALLY
这5个观点读完之后我最大的感受是——AI是一个放大器。它放大好决策，也放大坏决策。
做产品变得前所未有地容易，犯错也变得前所未有地容易。以前你至少还有时间在造东西的过程中慢慢想清楚方向，现在连这个缓冲区都没了。
Anthropic这份手册的核心思想，我理解下来就一句话——瓶颈不再是「你能造什么」，而是「你选择造什么」。
写完这些我最大的感受是——我不缺工具了，我缺的是判断力。可能你也一样。
以上。如果觉得有用，转发给也在用 AI 做产品的朋友吧。
谢谢看到这里，我们下次再见。
—— 胖头鱼5号
