当“做出来”不再稀缺：AI 创业者必须管好的四本账

导语

Anthropic 的《The Founder’s Playbook》表面上在讲 Idea、MVP、Launch 和 Scale，真正值得创始人带走的，却是另一套经营方法：当执行越来越便宜，创业公司要用证据、上下文、注意力和复利，约束那股几乎取之不尽的执行力。

过去，做出一个像样的产品原型，本身就是一条门槛。

你需要找到技术合伙人，或者拿一笔钱请开发团队；需求一改，排期就要往后挪。成本和等待很烦，却也会逼着创业者反复想清楚：这个功能真有必要吗？这个问题真的值得解决吗？

现在，这层“物理阻力”正在消失。一个没有工程背景的人，也能在几次与 coding agent 的协作中做出可运行的应用；市场调研、竞品梳理、融资材料和日常运营，也可以交给不同的 AI 工作流。一个能运行的页面，今天最多能证明模型会写代码。它还不能证明你有一门生意。

这正是 Anthropic 在 2026 年 5 月发布的 36 页 《The Founder’s Playbook: Building an AI-Native Startup》里反复提醒的事。这份手册把创业过程重新分为 Idea、MVP、Launch 和 Scale 四个阶段，并为每个阶段列出目标、离场条件和常见误区。

如果只是把它读成“一人公司操作指南”，很容易错过重点。AI 没有让创业的基本规律失效，它只是重新分配了稀缺资源：工程时间没那么稀缺了，判断却更稀缺；产出没那么稀缺了，可信证据更稀缺；功能没那么稀缺了，连贯的产品上下文更稀缺。

换个更像经营者的说法：AI 原生创业公司，从第一天起就要管好四本账。

第一本账：证据账

Idea 阶段最危险的动作，是太快做出一个足以说服自己的 Demo。

AI 很擅长配合提问者的方向。让它论证某个市场值得进入，它很快就能整理出趋势、规模和客户痛点；让它证明竞争对手做得不够好，它也能给出一份像模像样的分析。问题在于，一套材料看起来完整，并不等于结论可靠。研究工具如果只被用来支持创始人的直觉，就会成为效率极高的确认偏误机器。

因此，Idea 阶段该有一本证据账，不能只留下“想法文档”。至少要把四类内容分开记录：

• 我们现在相信什么；
• 这个判断来自哪段真实行为或一手信息；
• 哪些发现与它冲突；
• 新证据出现后，我们改变了什么。

假设一位做过多年外贸业务的人，想为小型制造商开发“AI 询盘报价助手”。他很容易在周末做出第一版：读取客户邮件，识别规格，生成英文报价单。这看起来已经相当接近产品。

客户访谈不该从“你愿不愿意用 AI 报价”开始，而应追问最近一次报价：业务员花了多久，卡在哪里，要找谁确认，最后为什么成交或丢单。五次访谈之后，创始人也许会发现，写英文邮件只占几分钟；流程主要卡在原材料价格散落于不同表格、非标规格必须等厂长确认、历史客户折扣没人说得清。

这时，原来的 Demo 没有白做，用途却变了：它帮助团队看清，应该解决的是“报价所需信息无法及时汇合”，并非“业务员不会写报价邮件”。

Anthropic 给 Idea 阶段设定的离场条件很朴素：问题必须具体到某一类人、某一种高频或高代价的处境；方案要对准调研最终浮现的问题，而非最初脑补的问题；证据虽不可能带来百分之百确定性，但要足以让“开始做 MVP”成为一个有依据的决定。

AI 在这里最有价值的身份，也许更像反方。让它寻找失败过的同类产品，解释为什么客户会继续用 Excel，推演一个资金更充足的竞争者如何击败你。更漂亮的市场报告价值有限，创业者要尽早发现自己不愿意看到的事实。

第二本账：上下文账

到了 MVP 阶段，很多团队会自然地把重心切到“做产品”。手册的判断更严格：MVP 依旧是一次取证，只不过要验证的对象从问题变成了解法。

用户是否真的完成核心动作？一周或一个月后还会不会回来？愿不愿意付钱，或者推荐给同事？这些行为才是 MVP 产生的证据。功能数量、首日注册和朋友圈里的夸奖，都可能让人开心，却不能替代留存与复用。

AI 编程还带来一个过去不明显的问题：范围膨胀几乎没有摩擦。以前增加一个功能要占掉一个 sprint，现在也许只要一个下午。正因为每个需求看上去都“不贵”，产品才更容易在不知不觉中失焦。

继续看前面的询盘报价助手。第一个客户想加 CRM，第二个客户想做物流跟踪，第三个客户希望顺便生成报关资料。每个要求都和交易有关，也都能被 AI 很快做出来。三个月后，团队可能拥有十几个半成品模块，却仍没把“报价信息汇合”这件事做到足够可靠。

所以第二本账要记录的，是产品与代码的持续上下文。它不必是一套沉重的文档制度，但至少要回答几件事：产品当前只解决什么问题，明确不做什么；架构为什么这样选；哪些依赖和安全边界不能碰；什么用户证据出现后，团队才允许扩大范围；每次重要修改又引入了什么新假设。

这也是手册所说的 agentic technical debt 最值得警惕之处。AI 生成的某一段代码未必糟糕，真正麻烦的是，每次会话都在重新猜项目的历史。今天增加一个依赖，明天换一种数据结构，后天又绕开原来的权限设计。每个局部都能跑，整体却逐渐没人说得清。

对使用 Claude Code 的团队，CLAUDE.md 可以承担一部分项目记忆；换成其他工具，文件名并不重要，原则一样：不要让 AI 每次都像第一天入职。范围文档、架构决策、指标口径和变更记录，是给人看的，也是给 agent 看的。

安全也应在这本账里出现。能正常运行的代码，并不会自动满足权限、数据隔离、输入校验和依赖安全的要求。上线前的 AI 审查可以发现一部分问题，却不能替代安全工具和必要的人类评审，尤其是在身份认证、密钥与客户数据处理这些环节。对非技术创始人而言，“我能把产品做出来”和“我有能力对产品负责”，中间仍有一段必须补上的距离。

第三本账：注意力账

MVP 证明产品值得存在，Launch 阶段要回答的是：这门生意能不能稳定地增长。

早期，创始人参与每一次客户沟通、每一个产品决定，是优势。信息集中，反馈很快。但随着用户增加，同一种工作方式会突然变成公司的限速器：支持工单等着创始人回复，销售折扣等着创始人批准，周报只有创始人想起来才会生成。

这时先别急着多装几个自动化工具。记一本注意力账，连续两周记录所有落到创始人身上的任务和决策，然后逐项追问：

• 这件事为什么必须经过我？
• 它能否被写成规则，或者交给其他人？
• 正常情况能否自动完成，异常情况再升级给我？
• 如果我一周不上线，哪里会停摆？

仍以询盘报价助手为例。假设产品已经有 20 家付费客户，创始人每天仍在手动导入价格表、处理格式异常、整理客户意见、提醒团队回访。把这些动作统统交给 agent，并不等于解决了问题。一个能长期运行的流程还需要明确触发条件、数据来源、判断规则、日志、失败后的去向，以及最终负责人。

比如，标准价格表可以自动读取和校验；置信度低的物料匹配进入人工队列；超过折扣上限的报价必须由负责人审批；每周反馈摘要可以自动生成，但产品优先级仍由人决定。AI 负责让信息到达正确的位置，创始人把时间留给定价、关键客户和产品方向。

手册把这一变化描述为从“做工作的人”转向“设计工作系统的人”。这不只是节省工时。它迫使公司把只存在于创始人脑中的判断写下来，变成可检查、可移交、可改进的组织资产。

到了这个阶段，安全与合规也不能再被当成上线前的一次性检查。只要业务开始处理真实客户数据、支付信息或企业合同，它们就应进入持续的产品流程：谁能访问什么，异常如何响应，文档何时更新，审计记录保存在哪里。增长如果只能建立在创始人随时救火之上，就还不算一个可重复的系统。

第四本账：复利账

当基础模型、代码生成和通用 agent 都能被竞争对手获得，“我们用了 AI”很难构成护城河。Scale 阶段真正需要积累的，是别人无法在一个周末复制的深度。

手册给出的方向包括领域知识、用户行为数据，以及产品进入客户工作流的程度。三者其实指向同一件事：产品是否在使用过程中变得更懂这个行业，也更适合这群用户。

对询盘报价助手来说，价值会慢慢转移到它对行业的理解：特殊单位、物料别名、最小起订量、不同客户的审批路径、价格有效期，以及容易导致亏损的边缘情况。每遇到一个真实例外，就把它沉淀为规则、测试或产品能力。时间一长，这套产品形成的会是一张贴着业务现场生长的知识地图，而不只是更长的功能清单。

用户数据也只有在被妥善授权、保护并转化为反馈回路时，才会产生复利。哪些建议总被接受，哪些字段经常被人工修改，哪些异常最终导致退回，都可能帮助团队改善产品。但数据量本身不会自动变成优势；团队还得知道该观察什么、如何减少偏差、如何在隐私边界内持续改进。

最后是工作流深度。产品如果只是一个偶尔打开的聊天窗口，很容易被下一个模型替代。产品若已连接客户的邮箱、ERP、审批和财务系统，支持他们围绕它建立稳定流程，替换就不再是“换个工具”，而是一次运营改造。

这种黏性应该来自真实价值。如果要靠扣住客户数据来制造切换成本，说明产品还不够深。开放的导入导出、清楚的权限和可审计的接口，反而更能赢得企业客户的长期信任。所谓复利账，观察的是产品每天又多理解了多少真实工作。

四个阶段，四种不能混淆的进展

AI 原生，不等于把公司交给 AI

Anthropic 的手册当然带着鲜明的产品视角：快速讨论用 Claude，跨文件与系统的知识工作用 Claude Cowork，软件开发用 Claude Code。创业者没必要把这套产品分工照单全收。

但去掉品牌名，留下来的方法仍然成立：研究、开发和运营都被加速之后，公司必须更主动地管理证据、上下文、注意力和复利。否则，AI 只会把模糊的假设更快变成代码，把未经记录的决定更快变成技术债，把创始人的每一次临时起意更快变成组织流程。

判断一家公司是否真正 AI 原生，不妨少看办公室里有多少 agent、团队缩到了几个人。更实际的问题是：执行速度突然提高时，这家公司还能不能知道自己为什么做、根据什么做，以及什么时候应该停下来。

这可能才是新版创业手册最重要的一页。

资料说明

本文基于 Anthropic 于 2026 年 5 月 14 日发布的官方博客与 36 页电子书《The Founder's Playbook: Building an AI-Native Startup》独立总结与延展。文中的“AI 询盘报价助手”为便于说明方法而设计的虚构案例，不对应特定公司。