创始人手册:打造原生人工智能初创企业

20
分类学习资料
作者Anthropic
来源跳转
发表时间

内容

📚 PDF

核心观点:创始人角色正在从"做事者"变为"编排者"

AI 拆掉了"会造的人"和"有想法值得造的人"之间的墙。手册给出的关键判断:

  • 从未写过代码的创始人正在交付生产级应用
  • "10 人独角兽"从一个励志故事,变成了可以认真规划的方案
  • 创始人不再是"individual contributor",而是 "orchestrator of agents" ——决定让 Agent 做什么、什么时候做、什么不做

四阶段地图

一、Idea 阶段:拷打假设,而不是开始造

本质问题:这个问题真的值得我去解吗?

目标:不是"开始造",而是给 problem-solution fit 攒证据

四个递进问题

  1. 问题是否真实、具体、足够频繁?
  2. 谁在经历它?这是一个市场吗?
  3. 有没有其他人在解?解得怎么样?
  4. 一个真正解决问题的方案需要做什么?我的想法能做到吗?

最致命的陷阱:把"能跑的原型"当成"假设被验证"。AI 让造原型几乎免费,但 "它能跑"≠"假设是对的"

AI 演练动作

  • 让 Claude 拷打你的问题陈述,找出"具体性最差"的三个地方
  • 绘制竞争地图,找出"为什么有人解决了一半就停了"
  • 用 Claude Cowork 自动化客户访谈外联(拉名单、写外呼、排期、跟进)
  • 让 Claude 找出方案最依赖的三个假设,逐一 stress-test
  • 最后才用 Claude Code:只造支撑核心交互的最小一块,丢给 5 个真实用户

离开门槛(三个 yes)

  1. 问题真实且具体
  2. 方案对症(解决的是验证中揭露出来的问题,不是你最初以为的)
  3. 信号足以让"决定造 MVP"成为理性决策,而非信仰跳跃

二、MVP 阶段:攒"产品被需要"的证据

本质问题:第一版到底该造什么、不造什么?

三个互相牵制的目标

  1. 把验证过的问题翻译成最小可用产品,让真实用户产生真实信号
  2. 造的方式不能给未来挖坑——AI 写的代码"能跑"≠"可演进"
  3. 从第一天就投资"持久上下文"——代码库是和 AI 会话接着会话协作的对象,可读性/legibility 是基础设施

高频坑

  • 坑 1:把"build"当成"validate"——用"造更多功能"代替"做更多对话"
  • 坑 2:忽视安全——agentic coding 生成的是"能跑的代码",不是"安全的代码"。任何用户接触前,先做安全审查

AI 演练动作

  • CLAUDE.md:在写第一行生产代码前,让 Claude 定架构、模式、回避的依赖、有意识接受的妥协。这是后续每一个 Code 会话的"共同记忆"
  • 预定义成功标准:留存基线、激活标准、Day 7/30 指标、什么叫"假阳性"
  • 用 Cowork 接管反馈流水线:外呼、约会议、bug 分类、每周简报——你只负责做判断

离开门槛:Sean Ellis 测试——问活跃用户"如果你不能再用这个产品,会怎么样?"超过 40% 回答"非常失望"

三、Launch 阶段:证明业务该长大

本质问题:把零星牵引力做成可重复的增长引擎。

三个退出条件

  1. 增长是可重复的、按渠道驱动的——CAC、LTV、回收周期,能说得出也守得住
  2. 产品能扛真实生产负载——基础设施已硬化,安全合规已就位
  3. 运营不再需要创始人在场——客服、分诊、Sprint 规划、报表都已系统化

高风险

  • 技术债现在还得起,再拖就还不起——用 Code 跑架构审计,分级排序修复
  • 还没准备好就扩张——新市场和新融资是 PMF 死亡的地方,会打乱数据信号

三件套合奏

Claude Code builds the product, Claude Cowork builds the company around it, and Claude helps operationalize this product and organizational knowledge.

关键动作

  • 让 Cowork 对运营负载做结构化审计,把任务分成三类:完全自动化 / 需要人但不必是你 / 真的需要创始人判断
  • 把安全和合规做成长期产品工作流,而非一次性项目

四、Scale 阶段:让护城河从使用中长出来

本质问题:我之所以不可替代,靠的不再是亲力亲为,而是什么是只有我们能积累的

三重护城河

① 领域深度(Domain Edge) 把行业里通用 AI 一定答错的细节,沉淀进产品逻辑。找一个泛化竞品一定会做错的 edge case,写成真实场景测试用例。每次再遇到就加进去——你的测试套件,就是护城河的地图

② 数据飞轮(Data Flywheel) 用户在产品里每接受/拒绝一个输出,都在生成行为信号。让 Claude 帮你:

  • 审计已积累的交互数据
  • 找出信号最强的三类行为模式
  • 为每一类设计"使用 → 系统性模型改进"的闭环

③ 工作流锁定(Workflow Lock-in) 最深的锁定不是数据,是客户在你的产品上"长"出了业务流程——提示词为你的输出形态训练、工作流绕着你的 API 设计、标准化输出进入了他们的下游。切换从"产品决定"升级成"全员搬迁项目"。

评论

(0)
未配置登录方式
暂无评论