Anthropic 创始人手册 - 构建AI原生创业公司¶
"AI 时代，创立公司的瓶颈不再是你能造什么，而是你选择造什么。" — Anthropic
目录¶
核心论点¶
过去 30 年的创业门槛下降:
1990s ── 互联网普及 → 分发门槛 ↓
2000s ── 云计算+SaaS → 基础设施门槛 ↓
2010s ── App Store+移动支付 → 获客+收款门槛 ↓
2020s ── AI 编程工具 → 产品本身怎么造出来 门槛 ↓
这次的不同：前几次降的是产品做出来之后的事（传播、部署、收款），这次降的是生产端——产品本身怎么造出来。
一个懂业务的人 + Claude = 过去需要一个团队才能创造的商业价值。
创始人角色的重塑¶
| 维度 | 过去 | AI 时代 |
|---|---|---|
| 定义 | 你能做什么（前端/后端/销售） | 你能解决什么问题 |
| 角色 | 个人贡献者 | 编排者（Orchestrator） |
| 技能墙 | 前端做不了后端，技术做不了市场 | AI Agent 打破所有技能壁垒 |
| 团队需求 | 必须找合伙人补短板 | AI 补短板，创始人专注决策 |
核心转变：从「我能写什么代码」到「我能解决什么问题」。
四阶段路线图¶
手册将传统创业生命周期（验证→融资→招人→开发→再融资）重新映射为四个阶段：
Idea ─────► MVP ─────► Launch ─────► Scale
想法 产品 启动 扩张
(验证) (构建) (增长) (护城河)
│ │ │ │
▼ ▼ ▼ ▼
退出标准 退出标准 退出标准 退出标准
失败模式 失败模式 失败模式 失败模式
AI 练习 AI 练习 AI 练习 AI 练习
每个阶段都有：目标（Goals）、退出标准（Exit Criteria）、失败模式（Failure Modes）、AI 练习（AI Exercises）。
阶段一：Idea（想法）¶
核心数据¶
42% 的创业公司死于做了没人想要的东西。 AI 时代这个数字只会继续涨——因为从想法到产品的距离被压缩到接近零。
三大失败模式¶
1. 把在造误当成在验证
❌ 错误: "我做了个原型，看用户喜不喜欢"
✅ 正确: 原型不是证据，对话才是
2. 过早扩张
AI 让建造毫不费力 → 容易远远超前于市场需求
→ 这是 AI 时代新的死法
3. 失去客观性（最阴险）
让 AI 证明你的想法对 → 它会找到证据
让 AI 算市场规模 → 它会算出投资人买单的数字
解药: 同一把工具反过来用
让 AI 压力测试一个想法，力度一样大
方法论: 结构化唱反调 = AI 创业全周期核心用法
退出标准¶
- 完成与潜在用户的深度对话（非问卷）
- 问题被真实用户确认存在
- 清晰定义了「完成」是什么样子
实操案例¶
医疗账单工具开发者：把几十个医生访谈记录扔给 Claude，Claude 不仅总结了痛点，还指出医生抱怨的不是账单系统难用，而是保险理赔规则太复杂。直接帮他避开伪需求，找到真正切入点。
阶段二：MVP（最小可行产品）¶
核心警告：AI 技术债¶
AI 技术债会以复利方式累积。 人类写烂代码会皱眉，AI 不会皱眉，只会基于烂代码生成更多烂代码。三周后你的代码库变成你自己都读不懂的丛林。
解药：CLAUDE.md¶
CLAUDE.md = 项目的持久记忆
每次 Claude Code 打开项目，先读它，再动手。
应包含:
├── 架构原则
├── 依赖限制
├── 设计模式
├── 命名规范
├── 技术栈约束
└── 领域知识
"五分钟的文档记录，是对将来无法收拾的代码漂移最便宜的保险。"
PMF 验证：Sean Ellis 测试¶
问活跃用户: "如果你不能再用这个产品，你会有什么感觉？"
✅ 超过 40% 回答「非常失望」= 有意义的 PMF 信号
补充测试 (Effort Test):
PMF 前 → 留存需要不断推（发邮件、给折扣、找回流）
PMF 后 → 产品自己开始拉用户
从推变拉 = 真正改变发生的最清晰信号
阶段三：Launch（启动）¶
退出标准¶
- 可重复的获客渠道已验证
- 付费转化路径已跑通
- 系统已搭建，创始人注意力被解放 ← 最关键
最隐蔽的失败模式¶
创始人自己变成最大瓶颈。 MVP 时期创始人在每个回路里是优势，到启动时期那个本能反而变成约束。
自检方法： - 你是否在处理客服、财务、运维等可自动化的事务？ - 你的时间是否被琐事填满，没空思考战略？
解药：工作流自动化¶
审一遍手上所有工作，分三堆:
1. 能交给 Claude Cowork 自动化的 → 交给 AI
2. 能交给别人但不一定是你做的 → 外包/招聘
3. 只有创始人才能做的决策 → 自己保留
案例: 自动化客服系统
├── 用户提交 bug → AI 自动分类 + 打标签
├── AI 在沙箱环境复现
├── 用户注册 → AI 自动发送欢迎邮件
└── 根据用户行为轨迹推送不同教程
阶段四：Scale（扩张）¶
三层护城河¶
护城河架构:
第三层: 工作流锁定 ──────────────────────
│ 用户在你的产品上建了自动化、训了团队、连了工具
│ 离开成本 = 重做一个完整的运营项目
│
第二层: 用户行为数据复利 ──────────────────
│ 时间锁定 + 场景特定 + 买不到
│ 几千个用户在你产品里反复调优的行为指纹
│
第一层: 领域知识编码进 AI 上下文 ─────────
行业潜规则、监管陷阱、边界案例
通用 AI 无法匹敌的专有知识底层
共同点：三层护城河都不来自代码。
代码 → 廉价，AI 能写
领域知识 → 需要时间积累，抄不走
用户数据 → 时间锁定，场景特定
工作流 → 嵌入成本高，迁移难
对手两年都抄不动的原因¶
| 护城河 | 为什么抄不动 |
|---|---|
| 领域知识 | 需要实际行业经验，不是看文档能学的 |
| 用户数据 | 需要真实用户长期使用，无法购买 |
| 工作流嵌入 | 用户切换成本从「换个产品」变成「重做运营项目」 |
程序员的认知升级¶
最大的陷阱¶
❌ AI 时代独立开发者死得最快的方式：
把构建等同于验证
因为 AI 写代码太快了，很多人连问题都没搞清楚
就做出了一个看起来很酷的产品，结果没人用。
认知升级路线¶
Level 1: "我能写什么代码" ← 传统程序员
Level 2: "我能解决什么问题" ← 独立开发者
Level 3: "该先建哪一部分" ← AI 原生创始人
Level 4: "该不该建" ← 战略决策者
什么贬值了，什么稀缺了¶
| 贬值 | 稀缺 |
|---|---|
| 写代码的能力 | 定义问题的能力 |
| 架构设计（AI 能做） | 垂直领域的业务理解 |
| 全栈开发（AI 能做） | 真实用户数据 |
| UI/UX 实现 | 自动化工作流构建 |
| 技术选型 | 判断力 |
"不要让 AI 的强大执行力掩盖了你战略上的懒惰。多花时间去和真实用户聊聊，搞清楚他们到底愿意为什么买单——这比你多写 1 万行代码有价值得多。"
副业到全职的平滑过渡¶
推荐路径:
可控副业 ───► 验证商业模式 ───► 全职创业
│ │ │
│ │ │
业余时间 收入 > 主业 辞职创业
用 AI 验证 或 PMF 确认 专注产品
想法 清晰可见
副业的终极形态：不再是下班后接外包赚时间费，而是做产品卖系统。
程序员做独立开发的关键转变¶
从:
懂技术 + 找好点子 → 财务自由
❌ 陷入技术自嗨，写了一堆没人用的代码
到:
懂业务 + AI 工具 + 验证需求 → 可控的商业价值
✅ 先验证问题，再动手构建
总结¶
| 阶段 | 核心任务 | AI 的角色 | 最容易犯的错 |
|---|---|---|---|
| Idea | 验证真问题 | 结构化唱反调 | 把构建当验证 |
| MVP | 快速构建 | 写代码 + 架构管理 | AI 技术债复利 |
| Launch | 可重复增长 | 自动化运营 | 创始人变瓶颈 |
| Scale | 建立护城河 | 编码领域知识 | 只靠代码防御 |
一句话：AI 给了我们全栈的执行力，但业务的敏锐度还得靠你自己。在 AI 时代，执行力已经贬值，判断力才是最稀缺的资源。