AI Native 创业手册 | 蚂上WEEKLY VOL.172

过去，创始人的定义取决于他们能做什么：技术创始人写代码，非技术创始人跑业务。2026 年，「能建东西的人」和「有好想法的人」之间的墙没了

AI Native 创业公司正在从根本上改变「创始人」的含义。没有工程背景的人可以做出生产级软件。有技术背景但缺商业经验的创始人，可以轻松产出 GTM 策略、财务模型和打磨精良的 pitch deck

过去，创始人的大部分时间花在执行层面：写代码、管人、处理日常运营。在 AI Native 创业公司里，创始人从干活的人变成了指挥 Agent 干活的人

AI 带来的最大变化，是解放了有行业经验的非技术创始人。创业者不再只从工程背景的人里出来，完全不同背景的人开始创业，去解决传统技术创始人压根没注意到的真实问题

精简创业公司的 AI 工具能力

传统创业模式把人数当作组织势头和产品成熟度的标志：招工程师建产品，招销售来卖，招运营来跑

2026 年的早期创业公司完全不一样了。它们极度精简，往往就创始人一个人或者几个人的小团队，靠 AI 的研究、Agentic coding 和工作流自动化能力，以远超实际人数的规模运作

对话式智能与研究

可以这么理解：所有领域的随叫随到的专家

想一想创始人在第一年需要知道但几乎肯定不知道的事情：怎么设置工资系统？怎么规划产品开发 sprint？怎么写一份漂亮的投资人备忘录？

这类早期创业问题过去的答案都一样：找一个懂的人。对于一个自掏腰包或者 pre-seed 阶段的创始人来说，这要么是把时间花在找信息上，要么是把早期资金的一大块烧在顾问费上。现在，他们有了 AI 作为所有领域的随叫随到的专家

→深度研究竞品分析、市场规模测算、财务建模

→文档起草 pitch deck、案例研究、投资人备忘录、PRD

→战略思考伙伴魔鬼代言人分析、事前验尸、情景推演、路线图优化

Agentic coding

可以这么理解：永远在线、永远不被阻塞的工程师

建软件过去需要一个技术联合创始人，或者一个外包开发团队，或者一条足够长的跑道来在写出第一行生产代码之前就雇一个工程团队

Agentic coding 工具让创始人用自然语言描述想建什么，AI 去生成、测试、调试和重构代码库。从「我有一个想法」到「我有一个产品」的时间线被大幅压缩，创始人管方向，AI 管施工

工作流自动化

可以这么理解：按需使用的自动运营团队

即使一个创始人能做研究做到顾问水平、能建产品建到工程团队水平，在战略规划和产品开发之外，还有一整类工作必须完成。排日程、更新 CRM、拉周报、维护文档、发内容、跟踪合规要求，这些都得有人干。在精简的创业公司里，这些负担主要落在创始人身上

AI 工具的工作流自动化卸掉了这个负担，重复性的运营任务可以配置成自动执行。Claude Cowork 能直接和项目管理、沟通工具、数据源打通，不需要人来搭和维护这些集成

时机和编排是一切

能有效利用 AI 的研究、自动化和 Agentic coding 能力的创始人，可以建一家杠杆远超人数的公司。他们也能把绝大部分时间和精力投入到真正重要的工作上

编排这些 AI 工具的创始人需要知道怎么用、什么时候用

手册余下的部分专门讲创始人在 AI Native 创业路径的每个阶段会遇到的目标和挑战，以及如何在每个阶段有效地使用 AI 工具

每个创业者都从同一个起点出发：一个他们无法停止思考的问题。这是想法和现实碰撞的阶段：2026 年创业成功需要一种自律，在证据支撑之前不动手建

这个阶段的工作是研究、客户发现、竞品分析和对反面证据的诚实评估。所有这些都要在让 Claude Code 生成第一行生产代码之前完成

想法阶段的目标

想法阶段的核心目标是以研究为导向的验证：投入资源建产品之前，先收集扎实的证据证明真实问题存在

具体来说，想法阶段是创始人必须按大致这个顺序回答的一系列问题：

→ 这个问题是否真实、具体、频率够高，值得围绕它建产品？

→ 具体谁有这个问题，这算不算一个市场？

→ 有没有别人在解决它，如果有，怎么解决的，解决得好不好？

→ 一个解决方案到底需要做什么才能解决这个问题，我的想法做到了吗？

这些问题加在一起回答一个终极问题：这个东西值得建吗？

想法阶段的退出标准

想法阶段的退出条件是找到问题-方案匹配（problem-solution fit）。你已经通过和真人对话获得了定性证据，证明你在为真实的人解决一个真实的问题

当你能对以下三个问题都回答「是」的时候，你就可以离开想法阶段了：

→问题是否真实且具体？你能准确说出谁遇到这个问题，多久遇到一次，严重程度如何，他们目前怎么应对

→你的方案是否解决了实际问题？注意，这里说的是验证过程揭示出来的问题，未必是你最初假设的那个

→有没有足够的信号？这个阶段永远不会有确定性，等确定性本身就是一种失败模式。但你需要足够的定性证据，让投入建 MVP 成为一个经过推理的决策

想法阶段的挑战

想法阶段是整个创业旅程中最关键的阶段，因为最致命的错误都在这里犯下。现在搞错了什么东西，可以迅速把你刚起步的事业带跑偏

把建东西当成了验证

技术障碍消失之后，满腔热情的创始人很容易跳过创业旅程中最重要的一步：验证你的想法确实是人们需要的、愿意用的

即使在 Agentic coding 出现之前，42% 的创业公司死因是建了没人要的东西。Agentic coding 大幅压缩了从想法到产品的距离，这个失败率只会往上走

直到最近，建产品还需要真实的开发时间和预算，搭一个基本原型通常需要几个月。现在技术开发的门槛大幅降低，AI 让创始人太容易跳过真实世界的验证，直接进入建产品的阶段

一个能跑的原型很容易被误认为是你在解决真实问题的铁证，但它不是。原型的价值在于它是一个有用的压力测试道具

这些对话本身才是真正的证据。达到问题-方案匹配的正确流程是先验证假设再建产品

过早扩张

过早扩张意味着在还没有真正验证某条路径值得走之前就投入了。这一直是创业杀手，但 AI 让创始人更容易在不知不觉中掉进这个陷阱。Agentic coding 助手效率太高，以至于你可以在验证问题-方案匹配之前就把执行大幅推进，而且全程没有意识到自己偏离了航线

AI 会用完全一样的热情为一个根本错误的前提生成代码库。系统里的智能来自你。这个阶段的首要原则是让你的判断跑在你的建设前面

丧失客观性

你让 AI 帮你找证据支持一个已有的判断，它一定找得到。AI 给确认偏误装上了引擎

让 AI 验证你的创业想法，它会找到支持证据。让它测算你的潜在市场规模，它会找到那个让你的 TAM 看起来可融资的数字

AI 顺着你的方向跑。创始人如果不问难听的问题，AI 会帮你用最快的速度给一个烂想法包装出一套精致的论证。解药还是同一个工具，调个方向就行：AI 做压力测试和做验证一样彻底

Claude 如何帮助想法阶段的创始人

想法阶段对创始人来说很煎熬，因为你就是想建东西。但这个阶段的本质是研究和验证

AI 让创始人能更快交付、以小团队实现大规模运作，但用哪个产品形态很重要：

三者底层是同一个 Claude，变的是围绕它的工作空间

定义和压力测试问题假设

你带着行业经验和前期研究，已经有了一个初步假设。第一步是把它打磨到可测试的程度。Claude 在这一步很好用，因为它逼你把话说具体：到底谁有这个问题？多久遇到一次？多严重？

练习：和 Claude 一起打磨你的问题陈述，直到它变成一个可测试的假设。比如「合同审查太慢了」是无法有效测试的。但「中型企业的法务团队每个合同审查周期花 3 天以上，因为修改意见分散在邮件往来中而不是在一个版本控制文档里」就非常可测试

下一步是让 Claude 反驳你的想法，找到推翻你假设的反面证据。把 Claude 当作结构化的魔鬼代言人使用，是 AI 创业生命周期每个阶段的核心用例

市场研究和竞品格局梳理

摸清你的竞争对手

创始人有个通病叫「竞争对手忽视」：太专注自己的事，系统性地低估了同行在做什么。AI 提供了解药：让 Claude 帮你论证，为什么你的某个竞争对手会赢，你会输

练习：让 Claude 按层级梳理你的竞争格局：直接竞争对手、间接竞争对手、潜在收购方和可能进入你领域的相邻玩家。然后让它论证每个层级为什么构成对你成功的真实威胁

市场研究

Claude Code 可以综合公开的客户反馈，提炼出反复出现的投诉和未满足的需求。附带好处：这基本上是对竞争对手客户的免费定性研究

练习：让 Claude Cowork 综合你的关键来源上的竞品评价，找出现有解决方案没能解决的头部投诉。如果你的假设能解决其中一个或多个，那就是问题-方案匹配的强信号

练习：用公开数据建 TAM/SAM/SOM 模型，并压力测试背后的假设。判断市场是在扩张、整合还是成熟。梳理买家格局：谁掌握预算，谁影响决策，这两者是不是同一个人

趋势分析

用 Claude 捕捉早期信号，判断你进入的时机对不对。跟踪相关的 Reddit 和 LinkedIn 群组，看关于你要解决的问题的讨论已经在发生

练习：让 Claude 找出三个外部趋势（监管、技术或人口结构），可能在未来两年内对你的市场产生重大影响，并评估每一个对你的具体假设是顺风还是逆风

规划和设计客户发现

和潜在用户交谈能学到什么，取决于两件事：（1）你问的问题质量，（2）你问对人了没有

找谁聊：精准的目标画像比一长串联系人名单有价值得多。要具体到职位、公司类型、团队结构和资历层级

聊什么：目标定好之后，用 Claude 建访谈框架本身：合适的问题，合适的顺序，结构化地引导出人们实际做了什么，而不是他们觉得自己会做什么。新手创始人常犯的错是问一个关于未来的开放式泛问题（「你会用这样的东西吗？」），而不是具体地追问相关的过去

练习：先自己手写访谈问题，然后让 Claude 审核。明确让它标出哪些问题是引导性的、面向未来的、太宽泛的。然后让它为访谈中最可能产生敷衍回答的两三个时刻建议跟进追问

访谈后分析：每次对话之后，用 Claude 复盘。积累了一批访谈之后，把全部访谈笔记通过 Claude Cowork 做一次梳理，提炼反复出现的主题、矛盾之处和两个方向上最强的信号

练习：每五次访谈之后，让 Claude Cowork 综合你的笔记，产出两个清单：支持你假设的证据和挑战你假设的证据。如果第一个清单明显长于第二个，问 Claude 这种不对称是反映了数据的真实情况，还是反映了你希望看到的

设计你的最终方案概念

你已经做完了验证工作：问题是真实的，你知道谁有这个问题，你有一个证据支持的方案概念。用 Claude 从每个角度开发和挑战你的方案概念

练习：把你的方案概念呈现给 Claude，让它找出你的设计最依赖的三个假设。然后问每个假设要成立需要什么条件，以及如果其中任何一个不成立会有什么后果

用 Claude Code 建一个轻量原型

好了，好玩的部分来了。有了一个验证过的假设和经过压力测试的方案概念，你终于可以建点东西了

这是想法阶段里 Claude Code 登场的时刻。你现在建的不是真实世界的产品（还不是），是一个功能性样品，用在和客户、投资人的对话中。让用户上手试一试，比做十几次访谈学到的东西都多

练习：定义你的解决方案所依赖的那一个核心交互。让 Claude Code 只建那个。建完之后，把它放到你验证过的目标画像中的五个人面前

走到想法阶段的终点，在 AI 创业竞赛中是一个巨大的飞跃。因为现在你的下注基于证据，而非直觉。接下来是 MVP 阶段，创始人的核心问题从「这个值得建吗」变成「我们先建什么」

Claude 如何帮助 MVP 阶段的创始人

建之前先定义你的架构

在 Claude Code 写第一行代码之前，先用 Claude 把架构决策定下来

练习：在打开 Claude Code 之前，先打开 Claude，描述你在建什么。让它帮你定义应该管治你 MVP 构建的架构原则。然后把这个输出保存为 CLAUDE.md 文件。这是你构建过程的第一个产出物，后续每个 session 都依赖它

定义和执行你的 MVP 范围

零摩擦的范围蔓延是 AI 时代 MVP 的标志性失败模式之一。Claude 可以帮你创建一份范围文档，描述你的 MVP 产品做什么、刻意不做什么

用 Claude Code 建你的 MVP

架构和范围定义好之后，Claude Code 成为主要的构建工具。每个 session 开始时回顾范围文档和 CLAUDE.md。目标是一个你能解释清楚结构的代码库，而不只是能跑的代码库

练习：为你的 Claude Code 工作创建一个简单的 session 模板。每次 session 结束时，往上下文文档里加一条简短的日志记录。每次 session 五分钟的文档记录，是防止架构漂移的廉价保险

任何用户碰之前先做安全审查

Claude 可以对 AI 生成的代码做一次初步安全审查，但不能替代专业安全工具和人工审查。Claude Code Security 更进一步，能扫描代码库中的漏洞并提出修复建议（本手册发布时还是限量 beta）

练习：在部署给任何真实用户之前，用 Claude 对你的核心应用代码做一次有针对性的审查：身份验证和会话管理、API 响应中的数据暴露、输入验证和注入风险

上线前建好你的衡量框架

把早期引力误判为 PMF 的创始人，通常也是上线之后才开始跟踪数据的人。解药是在第一个用户到来之前就把衡量框架建好

向证据迭代

MVP 阶段在你有了产品-市场匹配的真实证据时结束，不管产品「感觉」多「完整」。有一些有用的检验方法：

→Sean Ellis 测试问你的活跃用户：「如果你不能再用这个产品了，你会有什么感觉？」如果超过 40% 回答「非常失望」，这是一个有意义的 PMF 指标

→努力测试产品-市场匹配之前，留存需要持续干预。产品-市场匹配之后，产品开始自己做这些工作。当事情开始拉着走而不是推着走的时候，这种努力的转变是最清晰的信号之一

没有单个数据点能确认产品-市场匹配。这是一个需要在多个迭代周期中持续成立的模式

当证据要求时就转向

如果投入了所有这些工作之后，你就是无法到达产品-市场匹配怎么办？结果不支持你出发时的方向，这是系统在正常工作

练习：如果你已经完成了三轮或更多迭代周期，产品-市场匹配基准没有出现有意义的进展，用 Claude 先做一个诊断。问三个问题：数据中有没有某个细分群体表现和其他人不一样？设计的价值和体验的价值之间的差距是定位问题还是产品问题？当前产品要找到真正的 PMF 需要什么条件成立？

如果 MVP 阶段是证明你的产品有存在的理由，上线阶段就是证明你的业务有增长的理由

上线阶段的目标

上线阶段，创始人必须把早期引力变成一个可重复的、可持续的增长引擎。除了让产品达到生产就绪状态，还必须加固产品下面的基础设施，同时围绕产品建一家真正的公司

上线阶段的退出标准

→增长是可重复的你在通过特定渠道可预测地获取用户，CAC、LTV 和回本周期是你知道且能为之辩护的数字

→产品能承受生产级工作负载基础设施加固了，安全和合规到位了，可靠性在真实生产条件下成立

→运营不依赖创始人流程存在了，自动化到位了。你不再是亲自处理客服、分类、sprint 规划的那个人

上线阶段的挑战

技术债务到期

MVP 阶段积累一些技术债务是速度的合理代价。上线阶段，这些债务开始产生利息，拖得越久修复成本越高

创始人变成瓶颈

MVP 阶段，创始人参与每个环节是优势。上线阶段，客服量增长、产品决策堆积、运营复杂度翻倍，同样的本能变成了约束

从「做这些工作」到「设计做这些工作的系统」，是创业生命周期中最难的转变之一。几个信号：本该一小时做完的决策现在要一周你才能排到，客服请求堆积因为只有你知道答案

安全和合规不能再拖了

MVP 阶段安全和合规措施简单处理是可以的。但现在有了真实用户、真实数据，简单处理变成了负债

还没准备好就扩张

你建立的初始引力是真实的，但它也是特定于你的早期受众的。过早扩张到一个和原始市场有重大差异的市场，会引入新的用户行为、合规要求和基准期望，而你的产品不是围绕这些设计的

Claude 如何帮助上线阶段的创始人

Claude 的三种产品形态在上线阶段全面投入，而且互相喂数据。Claude Code 建产品，Claude Cowork 围绕产品建公司，Claude 帮助将知识运营化

一个小团队可以以 N 倍于其规模的方式运作

在技术债务恶化前修复它

用 Claude Code 做一次完整的架构审计。把审计结果喂回 Claude，对修复工作做分类和排序：什么必须在下次发版前修好，什么可以等一个 sprint

练习：让 Claude Code 审计你的 MVP 代码库，产出一份按优先级排列的结构性弱点清单。然后把清单喂给 Claude，让它把修复工作排进接下来几个 sprint

建设替代创始人注意力的系统

用 Claude Cowork 做一次结构化的运营负担审计，记录每一个重复性任务。然后让 Claude Cowork 把这个清单分成三类：可以完全自动化的、需要人工但不一定需要你的、真正需要创始人判断的

让安全和合规成为产品工作流

用 Claude Code 发现在 SOC 2、GDPR 或 HIPAA 审计中常见的代码层面问题。把发现喂给 Claude，帮你优先排序修复工作

练习：用 Claude Code 做一次面向你目标市场要求的框架的代码级安全审查。让它产出两样东西：一个按优先级排列的安全修复序列，以及一份你需要准备的文档和控制措施清单

搭起你一直跳过的产品管理流程

用 Claude 设计你的产品时间线和工作周期的结构。流程设计完成后，用 Claude Cowork 搭建和运行运营层

练习：让 Claude 设计一套轻量的产品管理操作系统：一个定义好的 sprint 节奏、一个最低要求的 spec 模板、一个 bug 分类决策树、以及一个周度指标简报

Claude 如何帮助规模化阶段的创始人

把日常任务交给 Claude Cowork

规模化阶段一开始，你得想清楚自己的时间和注意力到底该花在哪

练习：用 Claude 生成你当前运营层的瓶颈地图：每一个流经你的工作流、决策和审批。然后让 Claude 推演每一个在你不在一周的情况下会怎样。会停滞的工作流就是你仍然亲自参与到足以阻碍进展的那些

把技术运营扩展为企业级基础设施

第一步是把组织知识转化为可扩展的系统。用 Claude 起草和维护企业采购期望看到的书面基础设施。Claude Cowork则运行企业支持的运营层本身：工单分派、升级工作流、续约跟踪

练习：挑出你最 demanding 的三个潜在客户。让 Claude 产出一份差距分析：这些客户的企业采购团队在签多年合同之前期望看到什么，你目前哪里不够

建一个真正的 GTM 功能

Claude 可以帮你从零建 GTM 基础资源：市场细分、消息架构、分析师关系策略、销售手册。这些受众各有各的语言体系，各自用不同的标准来评估你

Claude Cowork可以成为你的战术执行层：内容管道、外向触达序列、CRM 卫生、管道报告

把领域专业知识转化为 AI 上下文

用 Claude 来捕捉、组织和精炼创始人知识，把领域专业知识放到产品可以触达的地方。Skills可以把反复出现的工作流编码为 Claude 每次都以同样方式运行的可复用程序。几个月下来，这变成了一个任何通用 AI 都无法匹配的专有知识底层

练习：找出一个通用竞争对手在你的垂直领域一定会搞错的边界情况。和 Claude Code 一起为它建一个专门的测试用例。每次类似的边界情况出现，就加进去。你的测试套件变成了你护城河的地图

把积累的用户数据复合为防御性优势

用户和你的产品互动时，会产生行为信号，这些信息反哺产品路线图。这些数据和时间绑定、和场景绑定，竞争对手没法重建：你买不到数千用户在你的产品里打磨工作流时留下的行为指纹

练习：把你产品的互动数据摘要喂给 Claude。让它识别数据中三个最高信号的行为模式，并为每一个设计一个反馈循环。然后让它帮你起草一页纸的护城河叙事

创造工作流锁定

复合数据网络效应让你的产品更难被复制，而用户工作流锁定让你的产品更难被离开。用户在日常运营中使用你产品的时间越长，它就嵌入得越深

他们在上面建了自动化，训练了人来使用它，把它连到了数据源和其他工具上。到这个程度，换产品就从一个产品决策变成了一个全面的运营工程

练习：让 Claude 帮你为你的头部十个客户建一份工作流集成审计。找出什么类型的集成为你的特定产品创造了最深的锁定，你可以建什么来加深那些目前还停留在表面的客户的集成

AI 时代，创始人的工作没变：找到一个真实问题，建一个能解决它的东西，把它做成一家有影响力的公司。变了的是到达那里的路径。在四个阶段中，AI 把以季度为单位的工作压缩到以周为单位

过去需要数月的验证周期，现在一下午就能完成。一个可运行的原型不再需要一个有对的技术栈的联合创始人，它需要的是一个清晰的问题和几次聚焦的 Agentic coding session

瓶颈从「能建什么」变成了「选择建什么」