AI 创业第一步：别等想清楚再做，也别急着做产品
现在，用 AI 做完一家公司的许多“表面工作”，已经不难了。
市场分析、竞品表、用户画像、定价方案，甚至产品原型、网站文案和运营流程，都可以很快生成。难的是，这些成果可能一项都没有回答：真的有人需要吗？
创业者容易走向两个方向。
一个是继续研究，希望把市场、产品和商业模式全部想清楚以后再开始；另一个是让 AI 迅速做出产品，发布以后再看有没有人需要。
前者想用更多准备消除不确定性，后者想用更快执行越过不确定性。
两边做法相反，却都没有让关键假设及时接触现实。
一直准备和直接构建看似相反，都可能缺少现实反馈。更稳妥的做法是先验证关键假设，再根据用户行为决定下一步。
AI 时代，创业的起点不该是一份完整计划，也不该是一个完整产品，而应该是一个能从真实世界获得证据的最小行动。
AI 降低了试错和获得反馈的成本，却没有降低判断方向是否成立的标准。
AI 改变的不是要不要思考，而是怎样获得答案
创业本来就充满不确定性。
用户会不会需要、产品能不能解决问题、愿不愿意付费，这些问题很难只靠案头研究得到答案。
AI 出现以后，思考没有变得不重要，思考的落点变了。
过去，做一次市场梳理、完成一个可用原型或分析一批访谈记录，需要不少时间和人力。现在，这些工作的成本下降了。创业者不必等到所有条件齐备，才让一个想法接触现实。
但生成一份完整报告，不等于问题已经成立；做出一个产品，也不能让需求自动变真。
AI 能缩短验证路径，也能制造一种虚假的完成感。
因此，新的操作方式既不是“想清楚再做”，也不是“不要想，先做再说”，而是四步：
- 把判断写成可以被推翻的假设；
- 设计一个成本可控的验证；
- 让假设接触真实用户和真实行为；
- 根据结果决定继续、修改或停止。
创始人的工作也随之变化。
不必亲自完成每一项研究、编码和运营任务，但仍要定义问题、配置上下文、设置验收条件，并承担最终决策责任。
执行可以交给模型，方向和责任不能一起交出去。
创业第一步，是让一个关键假设接触现实
第一步之所以难，往往是因为它被想得太大。
如果“开始创业”同时意味着辞职、注册公司、寻找合伙人、开发产品和公开发布，任何一个决定都会牵动后面的一长串承诺。把这些事情一次想完，纠结并不奇怪。
更合适的起点，是先找出当前最关键、也最可能让整个方向失效的假设。
2026 年 5 月，Anthropic 发布了 36 页的《创始人行动手册：打造一家 AI 原生创业公司》（The Founder’s Playbook: Building an AI-Native Startup）。
图：Anthropic 官方《创始人行动手册：打造一家 AI 原生创业公司》（The Founder’s Playbook: Building an AI-Native Startup）封面。
手册里有一个合同审查的例子。“合同审查耗时太长”只是模糊观察，无法直接检验。手册把它设计成一个更具体的假设：
中型企业的内部法务团队，每个合同审查周期要花三天以上，因为修改痕迹在邮件线程中管理，而不是集中在一个单一、受版本控制的文档里。
这次改写增加了三个关键条件：谁遇到问题，问题严重到什么程度，原因可能是什么。创业者接下来才知道应该找谁、问什么，以及哪些发现会推翻自己的判断。
AI 可以帮助梳理竞争格局、准备访谈提纲和整理记录。
手册还有一个值得保留的用法：不要只让 Claude（大模型）证明想法可行，而要让它扮演结构化的反方辩手，主动寻找负面市场信号、失败的竞争者、客户行为模式，以及可能被支持性分析忽略的结构性障碍。
访谈之后也不是只做一份支持性总结。
手册建议每完成五次访谈，就让 Claude Cowork（工作智能体）分别列出支持假设和挑战假设的证据。如果支持清单明显更长，再追问这种不对称究竟来自数据，还是来自自己原本希望找到的内容。
AI 负责扩大观察面，答案仍要回到具体用户最近发生过的经历，以及他们实际做出的选择。
搜索结果、行业报告和用户称赞都能提供线索，却不能替代行为证据。
一个想法是否值得继续，不取决于模型能否把商业模式说圆，而取决于现实中是否存在一组明确用户，持续遇到同一个问题，并愿意付出成本改变现状。
这时，“迈出第一步”可以被拆成几种低成本行动：
- 找到几位符合条件的用户，询问他们最近一次遇到问题的具体过程；
- 用人工服务模拟产品最关键的结果，观察用户是否愿意继续；
- 做一个只能完成核心动作的原型，不提前建设完整系统；
- 要求用户付出时间、数据、迁移成本或一笔小额费用；
- 在行动前写清什么结果意味着继续，什么结果意味着修改或停止。
第一步不是承诺把公司做成，而是用一次可停止的行动减少一个关键不确定性。
可以用六个问题，把“我还没想清楚”改写成一次具体行动：
- 我的关键假设是什么？
- 如果它不成立，整个方向会怎样？
- 我需要接触哪一类具体用户？
- 我能采取的最小行动是什么？
- 我需要观察什么行为？
- 什么结果意味着继续、修改或停止？
先写清关键假设、最小行动和停止条件，再让想法接触真实用户。
一张逐级增加投入的地图
手册把创业过程分为想法验证（Idea）、最小可行产品（MVP）、发布（Launch）和规模化（Scale）。
如果只把它当作 Claude 的使用指南，容易错过这套框架更有用的部分：它规定了创业者应该何时行动到什么程度，以及获得什么证据后，才值得增加下一层投入。
想法验证：先确认问题值得解决
想法验证阶段增加的主要投入，是接触问题和用户。目标不是证明自己的想法正确，而是确认问题是否真实、频繁，而且足够痛。
这一阶段，AI 可以扩大调查范围，也会让未经验证的想法显得异常完整。市场分析、用户画像和商业计划都很顺滑时，创始人更需要追问：用户最近一次遇到问题是什么时候？他已经尝试过什么？为什么没有解决？
沿着合同审查的例子，这时要确认的不是 AI 能不能生成一套合同系统，而是内部法务团队是否反复经历这样的审查延迟，邮件中的修订分散是否真是主要原因，以及他们是否愿意改变现有流程。
进入下一阶段的依据，不是“想法听起来不错”，而是已经获得足够的定性证据，支持开始构建 MVP。
最小可行产品：只建立一个验证闭环
有了问题证据，才值得增加产品构建的投入。
AI 编程降低了制作原型的门槛，也让增加页面、功能和集成变得过于容易。最小可行产品的“最小”，不是界面粗糙，而是只包含验证核心假设所需的闭环：锁定一个明确用户和具体场景，让他完成关键动作，观察是否获得预期结果，再据此决定下一步。
如果删掉一个功能，仍然能够验证用户是否需要这个产品，它大概率不属于当前阶段。构建速度越快，主动限制范围越重要。
手册给出的练习比“快速做个 MVP”更克制：先找出方案赖以成立的核心交互，只让 Claude Code（编程代理）构建这一项，再交给五位来自已验证目标画像的人试用。五次试用后的交流所带来的信息，决定继续构建，还是回到前面修改假设。
放到合同场景中，第一版未必需要完整的合同管理平台。它可以只验证一件事：把散落在不同邮件里的修订集中起来后，法务人员能否更快看清版本差异，并愿意在下一份合同中继续使用。
MVP 是否结束，不看产品是否显得完整，而看是否出现产品市场匹配的证据：一群具体、可识别的用户认为它有足够价值，并出现持续使用、付费或推荐中的一种或多种信号。
对合同产品来说，重要信号不是有多少人申请试用，而是同一支法务团队是否把第二份、第三份合同继续放进来，是否愿意迁移原有资料，以及是否愿意为缩短审查周期付费。注册证明有人好奇，重复使用才开始证明产品进入了工作流。
发布：证明这门业务能够稳定增长
手册里的 Launch 不是“把产品发出去”，而是在已经获得产品市场匹配证据之后，把早期牵引力变成可以重复、可以持续的增长引擎。
这一阶段要同时补齐三件事。
第一，增长能够通过明确渠道重复、可预测地发生，获客成本、客户终身价值和回收期等单位经济数据清楚，并且能够经受追问。第二，产品能够承受真实生产负载，基础设施、安全、合规和可靠性不再停留在测试条件。第三，支持、缺陷分流、迭代规划和经营报告有了稳定流程，不再全部经过创始人。
放到合同产品中，这意味着不只要证明老用户持续使用，还要知道新客户能否从明确渠道稳定获得；真实合同和客户数据进入系统后，产品能否保持可靠；客户支持、问题升级和指标报告能否按固定方式运行。
规模化：让增长、组织和护城河经得起审视
进入规模化阶段后，重点已经不只是扩张几条运营流程，而是把公司变成一个成熟、可持续的组织。
手册给出的门槛包括：增长已经系统化；治理、合规和财务控制能够应对投资人、监管机构、企业采购团队等外部审查；产品也形成了不容易被资金充足的竞争者快速复制的深度，包括专业知识、关键集成、专有数据和用户工作流。
与此同时，创始人越来越少直接管理日常运营，公司仍然能够持续发展。这一门槛在实践中通常会呈现为三种形式之一：在不再依赖外部资本的规模上实现可持续盈利、达到 IPO 就绪状态，或被收购。它不是要求每家公司选择同一终点，而是要求增长可审计，财务控制、产品护城河和组织运营都经得起审查。
手册在规模化阶段给了一个很具体的诊断：列出所有仍要经过创始人的工作流、决定和审批，再推演创始人一周无法工作时会发生什么。任何因此停滞的环节，都说明创始人的亲自介入仍足以拖慢进展，移交标准、升级路径或例外处理至少有一项需要加强。
定期汇总客户反馈、整理销售线索、生成经营报告等重复工作，可以逐渐变成 Agent 工作流。但一个流程适合交给 Agent，至少需要满足几个条件：任务反复发生，输入可以获得，结果能够检查，失败成本可控，遇到例外时知道由谁接管。
如果合同产品已经积累大量客户，可能先被流程化的不是“让 Agent 自己经营公司”，而是客户反馈汇总、续约跟踪和常规报告。
复杂业务判断、客户承诺和异常升级仍要回到明确的负责人。
涉及付款、合同承诺、隐私数据、生产环境变更和对外发布的动作，还需要明确授权边界。自动化可以减少重复操作，不能把责任一起外包。
规模化也不等于永远不招人。当客户关系、复杂销售、组织管理或专业责任成为瓶颈时，增加合适的人可能比继续堆 Agent 更有效。关键不是人数最少，而是不要用人或 Agent 掩盖尚未跑通的流程。
这四个阶段可以看成四次逐级增加承诺：
给每一步设门槛，不是为了拖慢行动，而是在增加产品、渠道和组织投入前，先取得对应证据。
| 阶段 | 增加的投入 | 阶段退出条件或门槛 |
|---|---|---|
| 想法验证 | 接触问题与用户 | 问题真实具体，方案回应验证后发现的问题，定性证据足以支持开始构建 MVP |
| 最小可行产品 | 构建并迭代核心产品 | 具体、可识别的用户群认为产品有价值，并出现持续使用、付费或推荐中的 PMF 信号 |
| 发布 | 渠道、生产系统和运营流程 | 渠道增长可重复且可预测，单位经济清楚可辩护；生产级可靠性、安全与合规到位；运营不再被创始人卡住 |
| 规模化 | 市场、组织、治理和护城河 | 增长系统化且可审计；治理、合规与财务控制经得起审查；护城河和组织运营可持续，创始人减少日常管理后公司仍能发展。典型表现为可持续盈利、IPO 就绪或被收购 |
给每一步设门槛，不是为了让创业者慢下来，而是避免在证据不足时一次押上太多承诺。
AI 工具是如何介入工作
Anthropic 按任务介绍 Claude 的三种工作界面：
- Chat 用于快速交流和即时小任务，
- Claude Code 用于软件开发，
- Claude Cowork 用于耗时的研究分析、基于文件的产出，以及部分运营工作流。
如果不想绑定 Anthropic，可以按任务搭一套组合。
下面的“平替”只表示能承担相近任务，不表示模型能力、连接器、权限控制和稳定性完全相同。
| 创业任务 | Anthropic 组合 | 可替代组合 | 主要边界 |
|---|---|---|---|
| 快速问答、整理假设、补充反方观点 | Claude Chat | DeepSeek | 不会自动掌握业务资料，需要自行提供上下文并核验输出 |
| 阅读代码库、制定计划、修改代码、协助运行测试 | Claude Code | OpenCode + DeepSeek API | 需要配置 API 密钥、项目规则、权限和开发环境，改动仍需人工审阅 |
| 处理本地文件、沉淀可复用流程 | Claude Cowork | OpenWork + DeepSeek API | 提示词会发给所选模型提供商，与 Cowork 的能力差异需要逐项确认 |
更重要的不是一次搭齐三件工具，而是按当前阶段增加能力：先解决研究和访谈整理，开始构建后再引入编码 Agent，重复运营任务真正出现后再配置桌面工作流。
工具要跟着当前缺少的证据走。
过早研究复杂的模型组合和 Agent 架构，也可能成为另一种过度准备工作。
不要先做成一家公司，先减少一个不确定性
AI 可以在很短的路径里生成一家公司的许多可见部分：研究报告、品牌、网站、产品功能、营销内容和运营流程。
这些产出只有在带来新的现实证据时，才构成创业进展。
想得太久和做得太快，看起来是两个方向，背后都可能缺少同一件事：没有及时让关键假设接触现实。
更适合 AI 时代的创业方式，是尽早开始获得反馈，延后不可逆的投入。
每一步只解决当前最大的一个不确定性，证据增加以后，再增加产品、渠道、自动化和组织承诺。
衡量一家创业公司是否真正 AI 原生，也不该只看它调用了多少模型、创建了多少 Agent。
更重要的是，它能否缩短从假设到证据的距离，同时保留创始人对方向、风险和责任的控制。
私信我免费领取： 《Anthropic 创始人手册》中文版
