官方原文： https://claude.com/blog/the-founders-playbook
打造AI原生
创业公司
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，如今也能发布生产级应用；精干的 10 人独角兽公司，已不再只是少数幸运者的传奇，而是可以被有意识设计出来的路径。
在2026年，AI可以编写生产代码、进行市场研究、综合竞争格局、起草投资者材料，以及自动化运营工作流。通过消除曾经陡峭的学习曲线——即便是经验丰富的技术创业者在整合工具、平台和系统时也曾面临的障碍——AI从根本上拉平了谁能创办创业公司或构建产品的竞争环境。
到 2026 年，一个好想法能让创始人走得比以往更远。Agent 编程把过去需要整个工程团队完成的工作，压缩为创始人自己也能交付的任务。
传统的创业增长弧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 → 再招聘 → 重复。如今，AI已经打破了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。
本手册根据这些新现实重新映射了创业旅程的四个核心阶段（创意、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样子，各阶段的正确工具是什么，以及使用这些工具的创始人如何压缩时间线。如果你准备好绘制从创意到退出的最短路径，请继续阅读。
过去，创始人的角色由他们能做什么决定：技术创始人写代码，非技术创始人负责运营和交易。但到 2026 年，可用的模型、系统和 AI Agent 已经打破了“具备构建能力的人”与“拥有值得构建的想法的人”之间的壁垒。
AI 原生创业公司正在从根本上改变“成为创始人”的含义。如今，没有工程背景的人也能构建把想法变为现实的生产软件；而技术能力强、但商业经验不足的创始人，也能更轻松地制定市场进入策略、财务模型和成熟的融资材料。
过去，创始人大部分时间都花在执行上：写代码、管理团队、处理日常运营。在 AI 原生创业公司中，创始人不再只是亲自完成工作的个人贡献者，而成为 Agent 的编排者。能够读取文件、运行命令、执行代码甚至浏览网页的专用 AI 助手，会承担越来越多的执行任务；创始人的注意力则转向更高层级的工作：形成想法，并指挥 AI Agent、工具和现有小团队去执行。
AI作为核心基础设施最具革命性的成果，是为拥有领域专业知识的非技术创始人解锁了能力。当创始人的范围扩展到拥有工程背景的人之外时，你会得到由拥有截然不同生活经历的人创办的创业公司，解决传统技术创始人管道从未优先考虑（甚至可能从未注意到）的真实问题。
传统创业模式假设你需要雇工程师来构建，销售人员来卖产品，运营人员来管理业务。员工数量被视为组织动力和产品成熟的标志。
2026 年的早期创业公司截然不同。它们从设计上就极其精简，通常只有一位创始人或极少数成员。将技术与组织能力都建立在 AI 之上后，它们无需先扩充团队，也能完成产品验证、获得早期收入，甚至实现盈利。AI 会在三个领域帮助创业公司像更大的组织一样运作：研究、Agent 编程，以及关键业务运营的工作流自动化。
想想创始人第一年需要知道但几乎肯定不知道的所有事情：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前的创始人来说，这可能消耗用于知识收集的时间而不是用于构建，或者可能需要将一部分早期资金烧在顾问身上。现在，他们拥有AI作为每个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：融资演讲稿、案例研究、投资者备忘录、PRD
- 战略思考伙伴：魔鬼代言人分析、事前验尸、场景规划、路线图优化
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编写一行生产代码之前就雇一个工程团队。
Agent 编程工具让每位有抱负的创始人都能用自然语言说明想构建的内容，并引导 AI 以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“我有一个想法”到“我有了一个产品”的路径被大幅缩短。创始人可以更专注于“做什么、为什么做”，AI 则负责为真实用户构建真实的基础设施。
即使创始人能像顾问一样研究、像工程团队一样构建，仍然有一整类超越战略规划或产品发展的工作需要完成。日程安排、更新CRM、拉取周报、保持文档最新、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——所有这些都必须完成。在精简创业公司中，这些负担主要落在创始人身上——这是对应该用于更高层级决策的时间和注意力的重大税负。
使用AI工具的工作流自动化可以卸下这个负担。可以配置定期运行的任务使其自动发生，这样当交易移动时CRM会更新，周报会自动汇编，产品文档会随产品变更同步更新。而且至关重要的是，Claude Cowork可以与创业公司运行所依赖的互联系统——你的项目管理工具、通信栈、数据源——集成，而无需有人来构建和维护这些集成。
善用 AI 研究、自动化和 Agent 编程能力的创始人，可以打造运营效率远超团队规模的创业公司，并把更多时间和精力投入真正重要的工作。
这不是自动驾驶。编排这些 AI 工具的创始人必须知道如何使用，更要知道何时不该使用。本手册后续内容将梳理 AI 原生创业路径中各阶段的目标与挑战，以及如何在每个阶段有效使用 AI 工具。
每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。这是想法遇到现实的创业阶段——2026年的创业成功需要这样的纪律：在证据证明其合理性之前不急于构建。
这个阶段的工作是研究、客户发现、竞争分析，以及对反驳性证据的诚实评估，所有这些都在让Claude Code生成你的第一行生产代码之前完成。
在创意阶段，创始人的主要目标是面向研究的验证：在投入资源构建之前，收集坚实证据证明真实问题的存在（以及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以下顺序回答的问题：
- 这个问题是否真实、具体且频繁到值得围绕它构建？
- 谁有这个问题？这构成市场吗？
- 其他人是否在解决它？如果是，怎么解决的？效果如何？
- 解决方案实际上需要做什么来解决这个问题？我的想法能做到吗？
这些调查的结果加在一起回答了一个终极问题：这值得构建吗？
这意味着在行动之前要具体化。"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个多小时来核对报销单，因为他们当前的工具不与会计软件集成"才是一个可测试的假设。
创意阶段的退出条件是找到问题-解决方案匹配。你已经从真实的人类对话中获得了定性证据，证明你在为真实的人解决真实的问题，然后才开始构建解决这个问题的东西。
当你能对以下三个问题都回答"是"时，你就准备好离开创意阶段了：
- 问题是否真实且具体？ 能够肯定回答意味着你能准确说出谁遇到这个问题，他们多久遇到一次，它对他们影响有多大，以及他们目前如何应对。
- 你的解决方案是否解决了真正的问题？ 不是你最初假设的问题，而是验证过程揭示的问题。有时两者一致，但并非总是如此。
- 你是否有足够的信号来证明构建的合理性？ 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成为一个有理有据的决定，而非信仰之举。
创意阶段是创业旅程中最重要的工作发生的地方，因为这里会产生最严重的错误：现在出错可能迅速让你的创业之旅脱轨。大多数构思阶段的挑战涉及比你的理解速度更快地推进，因此以深思熟虑和审慎态度前进的创始人将获得稳步进展。
挑战： 当技术障碍被消除时，充满激情的创始人可能会跳过创业旅程中最重要的工作：验证他们的想法是否真正是人们需要并会使用的解决方案。
即使在当前 Agent 编程时代之前，42% 的创业公司失败也源于“构建了没人想要的东西”。如今，Claude Code 等 Agent 编程方案大幅缩短了“我有个想法”与“我有了一个产品”之间的距离，这种失败风险只会更加突出。
如今或许是把大胆想法变成现实的最好时代，但能快速构建一个“看起来像产品”的原型，也会反直觉地给 AI 原生创业公司带来真正危险的生存风险。
在不久之前，构建需要真实的开发时间和预算，即使组装一个基本原型通常也需要数月。现在技术开发的门槛已基本消失，AI让创始人太容易在没有验证其在现实世界中的实用性的情况下直接跳入构建。
达到问题-解决方案匹配需要先验证假设然后构建，但许多首次（甚至经验丰富的）创始人错误地认为AI可以跳过这个要求，将流程变为：有个想法 → 立即构建原型 → 将原型的存在视为验证。原型成为了相信假设从始至终就是正确的理由，而从未验证过它是否真的正确。
一个能用的原型很容易被误认为是你在解决真实问题的具体证据，但它不是。你的原型实际上是一个有用的对话压力测试道具，用于与潜在用户对话。这些对话本身才是真正的证据。
挑战： 当构建变得几乎毫不费力且即时，你可能会在业务需求尚未出现之前就过度扩大执行规模。
过早规模化意味着在真正验证路径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致命陷阱，但 AI 让创始人更容易在不知不觉间过早规模化。Agent 编程助手的能力如此强大，以至于在验证问题与解决方案是否匹配前就扩大执行，变得轻而易举，甚至可能从未意识到自己已经偏离方向。
它会以与处理好想法完全相同的热情，围绕一个根本上有缺陷的前提生成、测试、调试和重构代码库。系统中的智能来自你自己。这个阶段的首要指令是让你的理解力保持在构建力之前，尤其当构建如此快速且毫不费力时。
挑战： 要求 AI 工具寻找支持既有信念的证据，它往往能找到。确认偏差如今有了强大的研究引擎。
确认偏差一直是创业公司的职业风险：创始人天然会对自己的想法充满热情。现在，AI 工具显著放大了这种偏差。让 AI 验证创业想法，它会找到支持证据；让它评估潜在市场，它会找到让 TAM 看起来足以支撑融资的数字。
AI跟随你的方向，这意味着一个不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制作的、看起来经过充分研究的案例，同时完全相信自己实际上在进行尽职调查。解药是同样的工具，只是指向相反的方向：AI对想法的压力测试与验证一样彻底。当研究和结构化的对抗性思维浮现出你的想法需要修正的证据时，这就是转型的信号。
要让 AI 原生创业构想通过创意阶段，可能会让人觉得漫长无比。你是创始人，只想马上开始构建；但这个关键起步阶段本质上是研究和验证过程，因此需要借助工具，在全力写代码前进行更严谨的思考。以下说明如何使用 Claude 的不同产品界面（Chat、Claude Cowork 和 Claude Code），在创意阶段快速推进，同时完成必要的尽调。
AI让创业公司创始人能够更快交付、自动化繁琐工作流并大规模运营，但你使用的界面很重要。根据手头的任务，以下是何时使用Chat、Claude Cowork或Claude Code。
| 如果任务是... | 使用 | 原因 |
|---|---|---|
| 一个问题、重写、快速头脑风暴 | Chat | 快速、对话式、无需设置 |
| 研究、分析、或基于你的文件和系统构建完整文档 | 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、差异、git、开发环境 |
三者底层使用相同的Claude模型；改变的是它周围的工作空间。
你自己的领域专业知识和前期研究已经生成了一个假设。首要任务是将其打磨到真正可测试。Claude在这里特别有用，可以强制具体化：谁确切有这个问题，频率如何，严重程度如何，他们目前如何应对？无法精确回答这些问题的问题陈述还没有准备好被验证。
你的下一步是让Claude反驳你的想法，找到驳斥你假设的反面证据。这可以浮现出负面市场信号、失败的竞争对手、客户行为模式，以及一个支持性的综合分析会悄悄忽略的结构性障碍。
目标是在客户发现之前就已经针对最强有力的反面论据对你的假设进行了压力测试，这样信息性的用户访谈才是真正开放式的，而非对确认的搜索。
存在一种创业特有的现象叫做竞争对手忽视：过于关注自己的愿景和执行，而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构建最令人信服的论据，说明为什么解决方案空间中的竞争对手会成功而你不会。
Claude Code可以综合公开的客户反馈来发现反复出现的投诉和未满足的需求。额外好处：这样做本质上是对竞争对手客户的免费定性研究。
最后，使用Claude来捕捉告诉你是否在正确时机进入的早期指标。跟踪Reddit子版块和LinkedIn群组中关于你问题的讨论，以及用户描述其问题时使用的确切语言。让Claude识别类似问题已被解决的类似市场，提取什么有效什么无效。
通过与潜在用户交流所学到内容的质量取决于（1）你所提问题的质量以及（2）你是否向正确的人提出了这些问题。Claude对于进行客户发现特别有帮助，包括与谁交谈、问什么以及如何理解你所听到的。
精确的目标画像比长长的联系人列表有价值得多，包括最有可能强烈感受到问题的具体职位、公司类型、团队结构和资历级别。然后，确定这些人实际可以被触达的地方——他们聚集的社区、活动、LinkedIn群组和Slack工作空间——并根据他们与问题的接近程度建立优先联系框架。
确定目标后，使用Claude构建访谈框架本身：正确的问题、正确的顺序，结构化以揭示人们实际做什么而非他们认为自己会做什么。新手创始人常犯的错误是问一个通用的、开放式的问题（"你会使用类似的东西吗？"），而不是具体询问相关的过去（"告诉我你上次遇到这个问题时的情况。"）
Claude还可以标记你的草稿问题中引导受访者、过于宽泛或可能产生噪音而非信号的部分。Claude也可以帮助设计后续问题来试探回避或深入模糊回答。
每次对话后，使用Claude进行总结：将你的笔记喂给它，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。当你收集了一批访谈后，将全部访谈笔记通过Claude Cowork来浮现出重复的主题、矛盾和两个方向上的最强信号。然后将综合输出反馈给Claude，让它标记你自己的数据解读可能在模式匹配你想听到的而非实际存在的内容。
使用Claude Cowork自动化建立联系人列表、进行触达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）来研究和编译结构化的潜在客户列表和经过验证的联系信息。然后大规模起草个性化触达邮件，根据每个人的角色和背景进行定制。当回复进来时，它通过MCP连接到Gmail和Google Calendar来管理对话、处理日程安排请求并将访谈安排到日历上。工作流继续通过Claude Cowork按照定义的节奏生成跟进草稿（例如，为未回复的联系人进行第七天跟进），并在每一步完成时更新你的跟踪表。
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，而且你有一个证据支持的解决方案概念。使用Claude从每个角度开发和挑战你的解决方案概念：有什么缺口？有什么替代方案？这个解决方案要大规模运作需要什么是真的？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？
现在是有趣的部分：有了经过验证的概念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。
这是创意阶段中Claude Code登场的时刻。即使你一直在尝试，现在也是生成官方轻量级原型的时候：将你的想法放在真实人类面前并获得真实反应所需的最小表面面积。
你不是在构建真实产品（还），你是在构建一个功能性的想法样本，用于客户和投资者对话。真实用户对他们能实际触摸的东西的反应会告诉你十几次问题-解决方案发现访谈无法告诉你的事情。之前你是在确立你解决的问题是真实的；现在你在请潜在用户与提议的解决方案互动。
到达创意阶段的终点在AI创业竞赛中是一个巨大的飞跃，因为你不再是凭直觉下注，而是基于证据执行。现在进入MVP阶段，创始人的核心问题从"这值得构建吗？"变为"我们应该首先构建什么？"，AI的主要角色从研究伙伴转变为施工团队。
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过程。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；具体来说，是一群真实、可识别的人是否觉得它有价值到愿意使用它、回访它、为之付费、和/或告诉其他人。
作为AI原生创业公司的创始人，你的目标是将经过验证的问题转化为真实用户实际会使用的工作产品。这不是带有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，将真实的解决方案放在真实用户面前并产生产品-市场匹配的真实证据。
同时，你现在构建的方式决定了未来什么成为可能。这意味着MVP阶段有第二个同样重要的目标：在不积累会复合的技术债务的情况下快速前进——这些债务会在真实用户大量到来时困扰你。
最后，从第一天起投资于持久的上下文是让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在每次会话中协作的东西，因此可读性是基础。跳过规格说明、架构决策和上下文文件（如CLAUDE.md）的创始人会遇到可预见的瓶颈：每次新会话都需要重新解释代码库，AI生成的变更偏离原始愿景。
MVP阶段的退出条件是产品-市场匹配的真实证据：特定的、可识别的用户群发现产品足够有价值以至于会回访（留存）、为之付费（收入）或告诉其他人（推荐）的证明。
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构建正确的东西、以正确的方式，而不留下以后会让你付出代价的捷径。
挑战： AI 几乎消除了过去限制“哪些东西能进入生产环境”的自然瓶颈，速度因此唾手可得。但若速度成为创始人构建 MVP 时唯一考虑的变量，就会累积难以偿还的技术债务。
一些技术债务在MVP阶段是适当的，前提是必须在规模化之前得到管理。它逐渐积累，可以在一段时间内或在专门的冲刺中清除。然而，AI技术债务是复合的。没有写在AI能读取的地方的规格和架构约束，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组合在一起。这是一个真正的问题，而且它确实倾向于在后期浮现。
挑战： AI 工具可以带来令人印象深刻的早期数据，但这并不保证市场真正需要你的产品。
早期势头是创始人最强烈的心理体验之一。经过数周或数月的验证，以及谨慎、有纪律的构建后，产品发布很容易让人觉得“自己一直是对的”。Agent 编程工具会让你更快到达这一刻，但早期 traction 并不等于 product-market fit。发布热度可能来自短暂因素，例如创始人朋友、投资人其他被投公司的潜在买家，或 Hacker News 带来的流量激增；这些都无法可靠预测第 6 周或第 12 周、最初推动力消退后的情况。
挑战： 当构建几乎毫不费力、成本也近乎为零时，总会出现一个“很酷”的功能要添加，或一个边缘情况要处理。这种范围蔓延可能得不偿失。
范围蔓延一直是创业公司的风险。现在的不同是，传统的制约因素——工程时间的真实成本——在添加功能只需一个下午而非一个冲刺时不再以同样的方式存在。
困难在于，每一项单独的新增内容看起来都合理：产品当然应该处理那个边缘情况，用户当然可能需要那个工作流。由于每一项都能轻松用 Agent 编程实现，它们当下并不像范围蔓延；但当产品超出最初边界不断扩张，团队就有失去方向与动力的风险。
解药是在开始构建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，以及来自真实用户的什么具体证据会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？"变为"大量用户告诉我们没有这个就无法从产品中获得价值？"
挑战： 若创始人在尚未理解基本安全原则前，就借助 AI 工具仓促将应用推向市场，会让用户暴露在本可避免的风险中。
严酷的事实是，Agent 编程工具生成的是可用代码，而不是天然安全的代码。功能是否可用通常容易判断：要么有效，要么无效；安全漏洞在被利用前却不可见，因此没有自然的反馈循环提醒首次创业者出现了问题。将可用 MVP 发布给真实用户，意味着真实数据、真实暴露面，以及出问题后的真实后果。
在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。
在Claude Code编写一行生产代码之前，使用Claude来定义和记录将管理此阶段所有构建的架构决策：要遵循的模式、要避免的依赖，以及做出的权衡和原因。此输出将作为聚焦的架构上下文文档，并建立Claude Code将在其中操作的护栏。
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假设。让Claude Code在没有护栏的情况下构建，会产生功能正常但结构不连贯的代码库，最终迭代和扩展不连贯的代码库是浪费时间和token。迟早会有一个点，代码不可避免地崩溃，迫使你从头重建。
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：你构建的第一个工件，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，提供在目录中运行时自动读取的项目特定上下文和指令。实际上，它们是你项目的持久"记忆"。
无摩擦的范围蔓延是AI时代MVP的定义性失败模式之一。就像你定义和记录了产品的应用架构一样，你也需要在单个功能被构建之前定义你的MVP范围。
Claude可以帮助你创建一个范围文档，描述你的MVP产品做什么、刻意不做什么，以及功能修正标准：来自真实用户的什么具体证据会在这一点上证明添加新东西的合理性。
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）重新查看你的范围文档；（2）向模型提供你的CLAUDE.md架构上下文文档。每次会话结束时，用会话浮现出的任何决策更新它。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。
作为AI原生创业公司创始人，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，以及不向信任你的数据的真实用户发布明显的漏洞。
Claude可以对AI生成的代码进行有用的一轮安全审查，并可以帮助识别常见漏洞。这是在发布前内建到流程中的好习惯。但它不能替代安全工具，或者在更高风险情况下不能替代人工审查——将其视为替代品的创始人最终会出现在数据泄露的新闻中。
Claude Code Security更进一步：它扫描代码库的安全漏洞并建议针对性的补丁供人工审查，浮现出传统方法可能遗漏的问题。
将早期牵引力误认为产品-市场匹配的创始人通常也是那些在发布后才开始跟踪数据、使用旨在评估什么有效而非暴露什么无效的指标的创始人。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定义哪些指标对你的特定产品重要、基准是什么，以及数据中的什么模式构成真正的产品-市场匹配而非表面上的好数据。具体来说：在发布MVP之前设置你的留存基准、激活标准，以及第7天和第30天目标。
接下来，为你的特定产品定义虚假正面是什么：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对你的牵引力做出对抗性论断：一个怀疑者会怎么看待这些数据？
一旦真实用户进入产品，运营层迅速扩展。Claude Cowork处理重要但繁琐的工作，如建立和维护用户联系列表、运行触达序列、安排反馈会议、分类bug报告和跟踪迭代周期。在创意阶段管理发现后勤的相同MCP集成在这里同样适用。
在用户反馈的收集环节中保持人类参与以进行细致的探索。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？这对这个客户是特定的还是代表一个细分群体？缺失的功能是真正的问题，还是入门流程上游的某个地方出了问题？没有工具能回答这些问题。
MVP阶段在你拥有产品-市场匹配的真实证据时结束，无论产品感觉多么"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："如果你不能再使用这个产品，你会感觉如何？"如果超过40%的人回答"非常失望"，那就是一个有意义的PMF指标。
- 努力测试： 在产品-市场匹配之前，留存需要持续干预，包括频繁的触达、激励、个人跟进以及创始人付出的英雄般精力来保持用户参与。产品-市场匹配之后，产品开始自行完成这些工作。当事物从推动变为拉动时，这种努力的转变是最清晰的信号之一，表明真正的东西已经改变了。
最终，没有单一数据点能确认产品-市场匹配，因为这是一个必须跨越多个迭代周期才能最终确认的模式。
如果即使投入了所有这些工作，你仍然无法达到产品-市场匹配？你的结果不证实你开始的方向这一事实不是失败，而是系统在正常工作：MVP阶段的设计就是在你过度投资于错误答案之前浮现出这些信息。
当数据不支持你当前的产品时，使用Claude来分析这些数据在告诉你什么：
- 探索替代客户群体。 可能那些未转化的用户从来就不是正确的目标。通常正确的受众已经在你的数据中，只是权重不足。
- 调整产品价值主张。 可能你有正确的受众但你的MVP就是没有引起用户共鸣。对入门流程、消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修复这一点。
保持开放的态度，认识到脱节可能深到需要更根本的改变。
如果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。
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。除了使你的产品达到生产就绪状态，你还需要硬化其底层基础设施，同时围绕你的产品构建一个实际的公司。
创业公司在创意和MVP阶段天然以创始人为中心，因为你需要完整的态势感知和紧密的反馈循环。但现在，仍然试图亲自把握每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移除，而是构建运营系统来释放你的注意力，让其用于只有创始人才能做的决策。
发布阶段的退出条件包含三个要素：
- 增长是可重复的且由渠道驱动。 你不仅在留存用户，还在通过特定渠道以可预测的方式获取用户，拥有已理解的单位经济学：CAC、LTV和回收期是你知道并能辩护的数字。
- 产品能处理生产工作负载。 基础设施已硬化，安全和合规已到位，可靠性在真实生产条件下（而不仅是你测试过的条件下）保持稳定。
- 运营无需创始人瓶颈即可运行。 流程已存在，自动化已到位。你不再是亲自处理支持、分诊、冲刺规划或报告的人。
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真正产品牵引力的公司如果围绕产品的组织跟不上仍可能崩溃的地方。
挑战： 为速度和验证而构建的 MVP 代码库，足以证明产品是否有效；但生产流量、新功能和日益增长的复杂度会逐渐暴露其中的捷径。
在MVP阶段，积累一些技术债务是速度的合理权衡。在发布阶段，这些债务开始产生利息，越久不处理，修复就越昂贵。解决方案包括系统性的架构审计来识别结构性弱点、有针对性的重构来解决最严重的问题，以及大幅扩展测试覆盖率，使下一轮功能开发不会重新引入同样的问题。
挑战： 在 MVP 阶段，创始人参与每个环节是一项资产；进入发布阶段后，支持请求增加、产品决策堆积、运营复杂度翻倍，同样的亲力亲为会变成约束。
从亲自做工作到设计做工作的系统的转变是创业生命周期中最困难的转变之一。因为它很少有一个明确的时刻，风险是完全错过它，在组织停滞的同时保持构建者模式。正在发生的警示信号包括：本应花一小时的决策现在花一周才轮到你处理、因为只有你知道答案而堆积的支持请求、以及只有你亲自记得才发生的运营任务。
挑战： MVP 阶段可以暂时保持简单的安全与合规措施；但现在已有真实用户、真实数据，甚至可能有企业合同在谈，这种简单将变成风险负担。
挑战： 新市场和融资机会看似带来增长，也可能葬送产品与市场的匹配。过早进入一个与原有市场差异显著的市场，会引入新的用户行为、合规要求、支付基础设施和基础预期，而产品并未围绕这些因素设计。变量骤增后，你会失去清晰解读自身数据的能力。
Claude的三种形式在发布阶段全面使用并相互支持：每个工具的输出成为另外两个的输入。结果有机地复合，同时使用所有三个工具的创始人获得的超过各自之和。
这就是超精简创业模式结构性可行的原因。当Claude Code构建产品、Claude Cowork构建围绕它的公司、而Claude帮助将这些产品和组织知识运营化时，一个小团队可以像一个n倍规模的公司一样运转。
你的MVP代码库能用，但它也需要系统性的修复来查找可能成为结构性负债的任何技术债务。首先，使用Claude Code进行完整的架构审计：识别代码库中脆弱的地方、将变得昂贵维护的捷径，以及测试覆盖率太薄以至于下一轮功能开发会重新引入同样问题的地方。
构建释放你注意力的运营系统需要准确知道你的注意力流向哪里。使用Claude Cowork对你当前的运营负载进行结构化审计，记录每个定期任务、每个落到你桌上的决策、以及每个只有因为你个人记得才发生的流程。然后让Claude Cowork将此清单分类为可以完全自动化的、需要人但不一定需要你的、以及真正需要创始人判断的。
使用Claude Code浮现在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。这将浮现出漏洞和合规差距。将这些发现提供给Claude，帮助你优先排序修复工作并设计企业买家在签约前会要求的控制措施、审计日志和访问管理。
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运行的情况下执行。使用Claude设计你的时间表和工作周期的结构、在Claude Code接触功能之前规格说明需要包含什么、bug报告如何分诊和路由，以及你的周度指标报告涵盖什么和如何分发。
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。产品仍然核心，但你的个人日常工作越来越围绕公司本身。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，同时努力保持精简的、以AI为中心的结构性优势。
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使其成熟为一个企业的工作。
在规模化阶段，你正在从数千用户到数百万用户，从一个市场到多个市场。在之前的每个阶段，增长是你可以通过贴近用户和根据紧密反馈循环的数据调整方向来感受的。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的深度构建防御性护城河，源自你构建到产品中的专业知识、产品与其他用户依赖的工具和平台的深度集成，以及专有的系统数据和工作流。一直在一致的方向上、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。
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：公司在创始人越来越少直接运营日常事务的情况下仍然可持续。你已经证明了系统性增长；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；并且对这个问题有扎实的回答："如果一个资金雄厚的竞争对手今天复制你的产品，你的用户会留下来吗？"
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、IPO就绪、或被收购。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、以及你的组织在运营上成熟和可持续。
挑战： 规模化阶段的运营系统必须在不被时刻盯守的情况下，仍能可靠、可持续地运行。对从第一天起就亲力亲为的创始人而言，这种转变既是心理挑战，也是组织结构挑战。
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）使这些系统成熟直到完全值得信赖，以及（2）然后真正信任它们。
挑战： 客户不再只评估产品，还会判断你的组织能否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；进入规模化阶段后，挑战变为代码库周边的一切：需要用支持体系、文档和可靠性保障证明成熟度。
挑战： 无论实际运营人数多少，规模化阶段的公司通常都需要招聘、薪酬、会计和法务等组织基础设施。
挑战： 有机增长存在上限。多数创业公司进入规模化阶段前后，都必须建立真正的市场进入（GTM）职能。创意、MVP 和发布阶段的增长，通常来自创始人主导销售，例如精心设计的 Product Hunt 发布和与早期客户的个人关系；但这条路径走不到无限远。用户增长曲线趋平、客户获取成本上升，以及销售 pipeline 只有创始人亲自介入才会推进，都是触及上限的信号。
在创业早期，可以把 Claude 当作产品本身的基础设施：它既是验证想法的研究伙伴，也是设计、构建原型的工程团队，并构成让单人创业成为可能的 AI 运营层。进入规模化阶段后，AI 原生创业公司的创始人仍可用 Claude、Claude Code 和 Claude Cowork，以构建产品时同样的方式继续扩展组织能力。
以清晰的视角开始规模化阶段，了解你现在最需要投资时间和注意力的地方。Claude可以帮助构建只有你应该做的事情的清单，可能包括产品叙事决策、董事会关系、企业交易和创始人之间的对话。不在那个清单上的任何事都是委派或Claude Cowork自动化的候选。
随着规模扩大，买家需要确信你的产品和组织可以被信任为长期基础设施。第一步是将机构知识转化为可扩展的系统。使用Claude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。
创始人的拼搏让你走到今天，但扩展你的创业公司需要创建和实施真正的市场进入策略。AI可以帮助你构建然后运行那个完整的GTM引擎。
Claude可以帮助从零构建基础GTM资源：市场细分、消息架构、分析师关系策略、销售手册，以及与公共投资者、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按自己的标准评估你；Claude的工作是将你的产品价值主张转化为对每个受众群体相关的产品营销方法。
然后，Claude Cowork可以成为你的战术执行层：内容管道、外展序列、分析师简报后勤、新闻室和PR节奏、CRM维护、管道报告，以及将GTM策略转化为实际商业运作的许多定期循环。
许多超精简创业公司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。使用Claude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达的地方。
当用户与你的产品互动时，他们产生行为信号（即他们接受哪些输出和拒绝哪些输出），这为产品路线图提供信息。随着时间推移，你将了解特定用户群的特定模式、偏好和边缘案例。这就是我们所说的复合价值：每次改进使产品更有用，这驱动更多使用，这创造更多反馈，这驱动更多改进。
复合数据网络效应使你的产品更难被复制，但用户工作流锁定使你的产品更难被离开。用户在日常运营中使用你的产品的时间越长，它就越深入地嵌入到他们的实际工作方式中。他们在此之上构建了自动化、培训了人们使用它、并将其连接到他们的数据源和其他工具。他们开发的提示词、完善的工作流以及标准化的输出，都围绕你的产品功能和方式进行了塑造。到了这个阶段，从产品决策变为全面运营项目的切换成本已经非常高。
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。对于每个客户群体，识别他们在你的产品之上构建了哪些工作流，以及他们依赖哪些集成。这显示了你的产品在哪里粘附，以及它需要在哪里深入。
你提供的集成越多，客户构建依赖你产品的可用工作流的表面面积就越大。Claude Code帮助你快速启动与你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、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。
全新的规则
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，并将其扩展为一个有影响力的公司。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——中，AI将季度压缩为周。
过去需要数月的验证周期，如今可能一个下午就能完成。一个可用原型不再必须依赖技术栈完全匹配的联合创始人，只需明确的问题，以及几次与 Agent 编程工具的专注协作。发布准备也从发布前的仓促冲刺，压缩为连续工作流。进入规模化阶段后，过去迫使早期员工不断救火的运营负担，可以越来越多地交给 AI，让团队把注意力放在构成护城河的判断型决策上。
瓶颈不再是你能构建什么，而是你选择构建什么。