Anthropic Claude 剛剛給創業者們發了一份 AI-Native 構建手冊，把"獨自創業做到上市"寫成了 SOP
整理版優先睇
AI 原生創業手冊：從 Idea 到 Scale，Claude 教你用系統性方法取代運氣
呢篇文章係對 Anthropic 最近發佈嘅 《The Founder's Playbook: Building an AI-Native Startup》 嘅深入解讀。作者本身係一個關注 AI 創業嘅觀察者，佢想透過呢份 36 頁嘅手冊，回答一個困擾咗好耐嘅問題：當「造到乜嘢」唔再係瓶頸，創辦人嘅核心價值究竟係咩？
手冊提出一個範式轉移：傳統嘅「技術 vs 非技術」劃分已經過時，AI 原生模式下，唔識寫 code 嘅人都可以交付生產級軟件，技術創辦人亦可以產出市場策略。創辦人嘅新身份係「Agent 編排者」，注意力要放喺產生想法同指揮系統，而唔係親手做。呢個新現實由三種 AI 能力支撐：對話式研究、Agentic Coding 同工作流自動化。
整體結論係：AI 將「能造乜嘢」呢個瓶頸移走之後，新嘅瓶頸變成「選擇造乜嘢」。創辦人最後剩下嘅核心價值係判斷力、領域品味、對客戶嘅同理心，同埋決定「唔做乜嘢」嘅紀律。手冊將創業分為四個階段——Idea、MVP、Launch、Scale——每個階段都有明確目標、退出標準、核心挑戰同 Claude 嘅具體用法，幾乎可以當 SOP 用。
- AI 原生創業四階段框架（Idea → MVP → Launch → Scale）取代傳統線性模型，每階段都有明確目標同退出標準。
- 創辦人角色從執行者轉變為 Agent 編排者，核心能力係產生想法同指揮 AI 系統，而非親手做。
- 最危險嘅陷阱係「將造出嚟當成驗證」及「零摩擦嘅過早規模化」，必須先讓 sense-making 跑喺 building 前面。
- 持久化上下文（CLAUDE.md、Skills）係 AI 原生公司嘅資產負債表，能將領域知識結構化沉澱成護城河。
- 護城河來自領域知識 × Skills × MCP 嘅深度集成，同埋數據飛輪加工作流鎖定，令競爭對手難以複製。
The Founder's Playbook: Building an AI-Native Startup
Anthropic 官方發佈嘅 AI 原生創業手冊，涵蓋四個階段嘅實戰方法同 Claude 應用指引。
範式轉移：創辦人角色嘅根本改變
手冊開門見山指出一個範式轉移：傳統模式按「技術 / 非技術」劃分創辦人，時間大部分花喺執行；AI 原生模式推倒呢道牆，非技術創辦人都可以交付生產級軟件，技術創辦人亦能產出 GTM 策略。創辦人嘅新身份係 Agent 編排者，注意力要上移到「產生想法 + 指揮系統」，而唔係親自做。
Agent 編排者
呢個轉變由三種 AI 基礎能力支撐：對話式研究（Chat）代替顧問，Agentic Coding（Claude Code）代替工程團隊，工作流自動化（Claude Cowork）代替運營團隊。手冊反覆強調一個工具選擇原則：Chat 適合快速對話，Claude Cowork 適合跨源產出成品，Claude Code 適合直接編程。
四階段框架：從驗證到規模化
報告將傳統嘅 「validate → raise → hire → build → raise → grow」 線性擴張論徹底打破，重畫為四個階段，每個階段都有明確目標、退出標準、核心挑戰同 Claude 應用法。
- 1 Idea 階段：目標係找到 problem-solution fit，退出標準係三連問——問題是否真實具體？方案解決嘅係驗證後嘅問題定係自己假設嘅問題？信號是否足夠投入 MVP？最危險嘅陷阱係「將造出嚟當成驗證」同「零摩擦嘅過早規模化」。
- 2 MVP 階段：核心反直覺觀點係 MVP 仍然係證據收集階段，只係對象從問題空間換成解決方案。重點係建立持久化上下文（CLAUDE.md、scope 文檔），否則 AI 會從力倍增器變成熵增源頭。驗證 PMF 嘅兩把尺係 Sean Ellis 測試（>40%）同努力測試（產品開始拉而唔係推）。
- 3 Launch 階段：總命題係「MVP 證明產品存在，Launch 證明業務增長」。退出標準三要素：增長可重複渠道驅動、產品能承擔生產負載、運營無需創辦人瓶頸。最有價值嘅實操建議包括用 Claude Code 做架構審計，同將合規當作常態化產品工作流。
- 4 Scale 階段：創辦人角色再次切換，從 builder 變成對外嘅 public-facing executive。護城河嘅本質係領域知識 × Skills × MCP 累積嘅深度，加上數據飛輪同工作流鎖定。退出門檻係公司能喺創辦人唔直接經營日常運營時仍可持續。
四階段入面，Idea 階段嘅陷阱係全篇最有洞察嘅部分：42% 嘅創業死於做咗冇人要嘅產品，AI 令「想法→原型」距離驟減，呢個比率只會上升。另外，客觀性嘅喪失——AI 會迎合你嘅偏見，解藥係反過來用佢做「魔鬼代言人」。
貫穿全篇嘅高密度洞察
同一種能力既是放大器也是陷阱：agentic coding 讓你以同樣速度走對路或走錯路；研究 AI 既驗證也證偽，區別在於你問咩問題。持久化上下文係 AI 原生公司嘅資產負債表：CLAUDE.md、Skills、Projects 看似工具配置，本質上係會計入資產端嘅複利型組織資本。
持久化上下文
報告仲提出一個值得反思嘅退出形態：「足夠精益以致唔需要再融資」</highlight>成為合法選項。呢個暗示風險資本敍事喺 AI 原生公司入面嘅角色被重新定價。創辦人最後剩下嘅核心價值係判斷力、領域品味、對客戶嘅同理心，同埋決定「唔做乜嘢」嘅紀律。
對讀者嘅實操層判斷
呢份報告嘅立場係 Anthropic 嘅，工具推薦自然係 Claude 全家桶。但剝離 Claude 產品後，用 Codex 或 Cursor 同樣可行，方法論本身具有普適性。如果你喺 Idea 階段，報告對「先驗證再造」嘅紀律強調係最值得反覆回看嘅部分。
- Idea 階段：最高指令係讓 sense-making 跑喺 building 前面。記住原型唔係證據，用原型引出嘅真實對話先係。
- MVP 階段：動工前做好三件事——架構上下文文檔（CLAUDE.md）、scope 文檔（包括刻意唔做嘅功能）、衡量框架（定義 retention benchmark 同 false positive）。
- Launch 階段：設計輕量級 PM OS——sprint cadence、最小 spec 模板、bug triage 決策樹、weekly metrics brief。
- Scale 階段：護城河嘅關鍵係 domain context × data flywheel × workflow lock-in，比一般嘅「AI 創業建議」深一檔。
最後，再記住嗰句：「系統入面嘅智能，係你自己提供嘅。」舊嘅瓶頸消失咗，新嘅瓶頸就係你自己。
一個不會寫代碼的人，正在把一個想了三年的點子做成可以付費的產品。 一個工程師出身的創始人，第一次獨立寫出了讓 VC 當場籤 term sheet 的 pitch deck。 一家三個人的公司，正在和一家兩百人的對手搶同一個企業客戶——而且贏了。
這些場景聽起來像 2030 年的劇本，卻已經是 2026 年正在發生的日常。
過去十五年，"精益創業"是一種姿態、一種品味，是少數極致團隊的浪漫故事。而到了 2026 年，它正在變成一種默認結構——一種被 AI 重寫過底層成本曲線之後，任何認真的創始人都不得不直面的新現實。
Claude 最近發佈的 《The Founder's Playbook: Building an AI-Native Startup》 ，正是寫給這個新現實裏的創業者的一份地圖。它沒有再講一遍"AI 如何改變一切"的宏大敍事，而是把鏡頭壓到地面：從 Idea 到 Scale 的四個階段，每一階段創始人到底該做什麼、最容易死在哪裏、AI 應該在哪一刻入場、又該在哪一刻退場。 冷靜、可執行，幾乎可以當作 SOP 來用。
The Founder's Playbook: Building an AI-Native Startup
https://claude.com/blog/the-founders-playbook
讀完這份 36 頁的手冊，我最強烈的感受是——它真正回答了一個被討論了兩年但始終模糊的問題：
當 "能造什麼" 不再是瓶頸，創業者剩下的核心價值到底是什麼？
我對這份報告做了深入閲讀解讀，按它原有邏輯提煉，儘量保留它最鋒利的觀點和最有反直覺價值的洞察。
核心論點：創始人角色的根本轉變
報告開宗明義指出一個範式轉移：
- 傳統模式：創始人按"技術 / 非技術"劃分，時間大部分花在執行（寫代碼、談業務、做運營）。
- AI 原生模式：技術與非技術的牆被推倒。非技術創始人也能交付生產級軟件，技術創始人也能產出 GTM 策略和融資材料。
- 創始人新身份 = Agent 編排者（orchestrator of agents）。注意力上移到"產生想法 + 指揮系統",而不是親自做。
這背後的三種 AI 基礎能力支撐了"精益創業":
| 能力 | 替代了什麼 | 類比 |
|---|---|---|
| 對話式研究（Chat） | 顧問、領域專家 | 永遠在線的全科專家 |
| Agentic Coding（Claude Code） | 工程團隊 | 永不被阻塞的工程師 |
| 工作流自動化（Claude Cowork） | 運營團隊 | 按需的自動化 Ops |
報告反覆強調一個工具選擇原則:
- Chat = 快速、零成本的對話與重寫
- Claude Cowork = 跨多源信息、產出成品文檔/表格/報告，可定時運行
- Claude Code = 直接接觸代碼庫的工程環境
四階段重構
報告把傳統的 "validate → raise → hire → build → raise → grow" 線性擴張論徹底打破，重畫為四階段，每階段都有目標、退出標準、核心挑戰、Claude 應用法。
階段 1：Idea（想法驗證）
目標：找到 problem-solution fit。判定依據是真人對話產生的定性證據，不是你已經造出來的那個原型。
退出標準（三連問）：
- 問題是否真實、具體？（能說清誰有、多頻繁、多嚴重、當前怎麼應付）
- 你的方案解決的，是"驗證後揭示出來的那個問題"，還是你最初拍腦袋假設的問題？
- 信號是否足夠支撐投入 MVP？
這一階段最危險的三個陷阱（也是報告全篇最有洞察的部分）：
- 把"造出來"誤當成"驗證"：過去 42% 的創業死於做了沒人要的東西；AI 讓"想法→原型"距離驟減，這個比率只會上升。原型不是證據，用原型去引出的真實對話才是證據。
- 零摩擦的過早規模化：Claude Code 會以同樣的熱情圍繞一個錯誤前提去生成、測試、重構。"系統裏的智能是你提供的。" 在此階段的最高指令是：讓 sense-making 跑在 building 前面。
- 客觀性的喪失：讓 AI 驗證你的想法，它一定能找到支撐證據；讓它估市場，它一定給你一個看起來可融資的 TAM。解藥是把同一把工具反過來用——讓 AI 當結構化的"魔鬼代言人"。
階段 2：MVP（最小可行產品）
核心反直覺觀點：MVP 仍然是證據收集階段，只不過證據對象從"問題空間"換成"解決方案"。
兩個並行目標：
- 把驗證過的問題翻譯成真人會用的產品
- 建立持久化上下文（specs、架構決策、
CLAUDE.md），否則 AI 會從力倍增器變成熵增源頭
四類挑戰：
| 挑戰 | 關鍵洞察 |
|---|---|
| Agentic 技術債 | 不同於傳統技術債的線性累積，AI 技術債是複合增長——每個會話從零推導決策，結構漂移，最終代碼庫失去連貫心智模型 |
| 偽 PMF | 早期數字（朋友、portfolio 公司、HN 頭條）≠ PMF，6-12 周後才見真章 |
| 零摩擦的範圍蔓延 | 每個新功能單獨看都"合理"，但傳統的成本約束消失了。解藥：在動工前寫下 scope 文檔，包括產品"刻意不做什麼"以及"什麼用戶證據才能新增功能" |
| 經驗不足導致的不安全 | AI 生成的是"能跑的代碼"，不是"天然安全的代碼"。漏洞沒有自然反饋迴路 |
Claude 的關鍵做法：
- 寫代碼前先用 Claude 產出
CLAUDE.md架構上下文文檔，作為項目持久記憶 - 每次會話以重讀 scope + 提供
CLAUDE.md開始，結束時把決策寫回去 - 發佈前做衡量框架：在第一個用戶進來之前就定義 retention benchmark、Day 7/30 目標、以及"什麼算 false positive"（註冊無激活、收入無留存等）
- 驗證 PMF 的兩把尺：Sean Ellis 測試（>40% 用戶說"失去會非常失望"）和努力測試（產品開始"拉"而不是你在"推"）
階段 3：Launch（發佈）
總命題："MVP 階段證明產品該存在，Launch 階段證明業務該增長。"
退出標準（三要素）：
- 增長是可重複、渠道驅動的（CAC/LTV/回收週期你能說清）
- 產品能承擔生產負載（基礎設施、安全、合規就位）
- 運營無需創始人瓶頸
四類挑戰：
- 技術債到期：MVP 期接受的債開始計息
- 創始人成為瓶頸：信號——本該一小時的決定拖一週、支持請求堆積因為只有你會答
- 安全合規不可再延：SOC 2、GDPR、HIPAA 等不再是理論風險
- 過早擴張：進入與初始用戶羣差異大的新市場會讓你失去解讀數據的能力
最有價值的實操建議：
- 架構債治理：Claude Code 做架構審計 → 輸出給 Claude 排優先級 → 同時把 MVP 階段"只在腦子裏"的架構決定補寫進
CLAUDE.md - 把合規當作一條常態化的產品工作流來運營，別當成臨時項目去突擊
- 設計輕量級 PM OS：sprint cadence、最小 spec 模板、bug triage 決策樹、weekly metrics brief
階段 4：Scale（規模化）
創始人角色再次切換：從 builder → 對外的 public-facing executive（分析師溝通、IPO 路演）。
護城河的本質（這是報告對 AI 原生公司最重要的戰略觀點）：
在 AI 時代防禦性來自累積的深度——領域專長被編碼進產品、與用戶工具棧的深度集成、專有的系統數據與工作流。
兩個複合型護城河機制：
領域知識 × Skills × MCP：創始人在某個垂直裏多年的"邊緣案例直覺"，通過和 Claude 的長期對話被結構化沉澱，形成"通用 AI 學不會"的專有知識基底。報告舉例：通用醫療賬單工具在 340B 藥品計劃上會出錯，你的不會。
數據飛輪 + 工作流鎖定：
- 用戶行為數據是時間鎖定、上下文特異、無法被複制的指紋
- 集成越深、用戶在你產品上構建的自動化越多，遷移成本就從"產品決策"變成"運營項目"
退出門檻：公司能在創始人不直接經營日常運營時仍可持續。形式為三選一：可持續盈利 / IPO 就緒 / 被收購。
貫穿全篇的幾個高密度洞察
- AI 把"能造什麼"從瓶頸位置上挪開了，瓶頸變成"選擇造什麼"。整本書可以歸結為這一句。
- 同一種能力既是放大器也是陷阱：agentic coding 讓你以同樣的速度走對路或走錯路；研究 AI 既驗證也證偽——區別在於你問什麼。
- 持久化上下文是 AI 原生公司的資產負債表：
CLAUDE.md、Skills、Projects 看起來像工具配置，本質上是會計入資產端的複利型組織資本。 - "足夠精益以致不需要再融資"成為合法的退出形態。這暗示風險資本敍事在 AI 原生公司中的角色被重新定價。
- 創始人最後剩下的核心價值：判斷力、領域品味、對客戶的同理心——以及決定"不做什麼"的紀律。
對讀者的實操層判斷
這份報告的立場是 Anthropic 的，工具推薦自然是 Claude 全家桶。但剝離 Claude 系列產品後，使用 Codex 或 Cursor 等同樣可行，方法論本身具有普適性：
- 若你處於 Idea 階段：報告對"先驗證再造"的紀律強調，可能是最該反覆回看的部分。
- 若你處於 MVP 階段：把"架構上下文文檔 + scope 文檔 + 衡量框架"三件事在動工前做完，是性價比最高的投入。
- 若你處於 Scale 階段：報告關於護城河的論述（domain context × data flywheel × workflow lock-in）比一般的"AI 創業建議"要深一檔。
結語：最該被記住的一句話
整本手冊如果只能帶走一句話，我會選 Idea 章節裏這句:
"The intelligence in the system is yours."（系統裏的智能，是你自己提供的。）
AI 不會替你判斷方向是否正確，它只會忠實地把你指向的方向，以前所未有的速度，越走越遠。
這是這份手冊的精神底色，也是 2026 年所有想真正用好 AI 的創始人，都必須先聽懂的那一句潛台詞。
舊的瓶頸消失了。新的瓶頸，是你自己。
推薦資源
一人公司 (OPC) 創業必備的 9 個 Agent Skills
Agent Harness Engineering 三重前沿實踐：Codex、Claude Code、Cursor 如何讓人類從編碼者升為架構師
OpenAI Codex 核心成員訪談：Codex 團隊如何用 Codex 做研發工作，對 AI Native 團隊又有哪些重要啓發？