创始人手册：打造 AI 原生初创公司 原文： The founder's playbook: Building an AI-native startup 目录 2026 年，初创公司生命周期的重启 创始人定义的演变 构思阶段 MVP 阶段 发布阶段 扩展阶段 目标未变，规则已改 资源推荐 2026 年，初创公司生命周期的重启 AI 正在彻底重塑初创公司的诞生方式。如今，哪怕是连一行代码都没写过的创始人，也能发布可供实际使用的生产级应用 (production applications)。
而那种只有 10 个人的精益独角兽公司 (独角兽指估值超过 10 亿美元的未上市初创企业) ，已经不再是什么草根逆袭的传说，而是成了大家精心规划的常规操作。到了 2026 年，AI 已经能够编写生产级代码、开展市场调研、梳理竞争格局、起草融资材料，甚至还能让业务流程实现自动化。
以前，为了把脑子里的想法变成现实，哪怕是经验丰富的技术型创始人，也要面对整合各种工具、平台和系统时那陡峭的学习曲线。现在，AI 抹平了这些障碍，彻底打破了创立公司或打造产品的门槛。
在 2026 年，一个好点子能让创始人走得比以往任何时候都远。依靠智能体编程 (agentic coding) (指利用 AI 智能体自主编写、测试和修改代码的编程方式) ，以前需要一整个工程师团队才能干完的活，现在创始人自己就能搞定并发布。
传统的初创公司发展路径往往是这样的：验证想法 → 融资 → 招人 → 开发产品 → 再融资 → 增长业务 → 再招人 → 循环往复。但这套玩法过时了。
初创公司进入新阶段，不再必然意味着需要扩充团队、补充新技能，更不需要立刻去拉新一轮投资。本手册将根据这些新现实，重新梳理创业旅程的核心四个阶段：构思、MVP、发布和扩展。
看看当 AI 变成技术和组织的核心基建时，创始人应该用什么工具，以及如何靠它们来疯狂压缩时间。创始人定义的演变 过去，创始人的身份往往是由他们的技能决定的：技术创始人负责写代码，非技术创始人负责搞业务和谈单子。
但到了 2026 年，创始人手里的各种模型、系统和 AI 智能体 (AI agents)，已经彻底推倒了“懂开发的人”和“有绝佳点子的人”之间的那堵墙。 AI 原生 (AI-native) 初创公司正在从根本上改变“创始人”的含义。
现在，毫无工程背景的人也能开发出能落地的生产级软件；反过来，只懂技术、缺乏商业嗅觉的创始人，也能轻松搞定市场推广策略 (go-to-market strategy)、财务模型，拿出一份极其专业的商业计划书 (pitch deck) (向投资人展示项目以寻求融资的演示文稿) 。回顾历史，创始人们把大把的时间都花在了执行上：写代码、管团队、处理日常琐事。
但在 AI 原生公司里，创始人的角色不再是埋头苦干的员工，而是变成了 AI 智能体的指挥家——这些专业的 AI 助手能阅读文件、运行命令、执行代码，甚至还能上网搜索。创始人的注意力因此得以提升到更高层面的工作上：想出好点子，并指挥手下的系统（包括 AI 智能体、各种工具，以及精简的团队）把想法变成现实。
将 AI 作为核心基础设施，带来的最具革命性的成果，是彻底解放了那些懂行业的非技术创始人。当创始人的圈子不再局限于有工程背景的人时，你会看到背景各异的人建立起形形色色的初创公司。
他们会去解决那些传统技术圈从来不关心，甚至根本没注意到的真实痛点。为精益初创公司量身打造的 AI 工具能力 传统的创业模式认为：你得招工程师来开发，招销售去卖货，招运营来管业务。
公司的员工数量，往往被看作是企业发展势头和产品成熟度的标志。 2026 年的早期初创公司则完全不同。
它们天生就极其精简，往往只有创始人光杆司令一个，或者顶多加上三两只小猫。通过把 AI 作为技术和组织发展的核心基础设施，它们甚至在扩充团队之前，就能完成产品验证、获得早期收入，甚至实现盈利。
特别是在以下三个方面，AI 让一家微型初创公司运转得像个大企业：研究调研、智能体编程，以及核心业务流程自动化。对话式智能与研究调研 一句话总结：全领域的随时待命专家 想象一下创始人在创业第一年需要面对，却几乎完全抓瞎的那些事：怎么发工资？
怎么规划产品开发冲刺周期？怎么写一份滴水不漏的投资备忘录 (investor memo)？
以前，这些早期创业问题的答案永远只有一个：找个懂行的人问问。对于自掏腰包 (bootstrapped) 或处于种子前轮 (pre-seed) (指项目刚起步，尚未获得正式机构投资的阶段) 的创始人来说，这不仅意味着把原本该用来搞开发的时间花在了到处打听上，还可能要被迫拿出一大笔早期资金去请顾问。
现在呢？他们拥有了 AI 这个在所有领域随叫随到的专家。
深度研究：竞品分析 (competitive analysis)、市场规模估算 (market sizing)、财务建模。文档起草：商业计划书、案例分析、投资备忘录、产品需求文档 (PRDs)。
战略思考伙伴：扮演唱反调的“魔鬼代言人”、进行事前验尸 (pre-mortems) (一种风险管理技巧，假设项目已经失败，反推失败原因) 、情景规划、路线图优化。智能体编程 一句话总结：那个永远在线、从不卡壳的工程师 过去，你要么得拉个懂技术的联合创始人，要么找个外包开发团队，或者手头有足够的资金跑道 (runway) (指公司在资金耗尽前还能维持运营的时间) 去养个工程师团队，然后才能写下第一行生产级代码。
现在，有了智能体编程工具，每个怀揣梦想的创始人只需用大白话描述自己想要什么。 AI 就会以一整个工程师团队的速度和规模，生成、测试、调试并重构出企业级的代码库。
从“我有个点子”到“我做出了产品”的时间被大幅压缩。创始人的核心任务变成了决定“做什么”和“为什么做”，而 AI 负责把地基打好，搭建出真正面向用户的可用基础设施。
流程自动化 一句话总结：按需召唤的全自动运营团队 哪怕创始人能像顾问一样做研究，像团队一样写代码，除了战略规划和产品开发，依然有成堆的杂活等着干。安排会议、更新 CRM 系统 (客户关系管理系统)、拉取周报、维护最新文档、发布内容、跟进合规要求，还要想办法把公司里用到的各种工具和系统串联起来。
在精益初创公司里，这些重担几乎全压在创始人肩上——这严重挤占了他们本该用于做关键决策的时间和精力。 AI 工具提供的流程自动化，把创始人从这些苦活累活里解救了出来。
你可以把那些重复性的日常操作设为自动执行：交易一推进，CRM 自动更新；一周结束，周报自动生成；产品一改动，文档自动同步。更厉害的是，像 Claude Cowork 这样的工具能无缝接入你现有的系统——你的项目管理工具、沟通软件、数据源——完全不需要专人去开发和维护这些接口。
而在起步首日 (Day Zero) 的初创公司里，那个“专人”往往只能是创始人自己。把握时机与统筹调度是一切的关键 能够熟练驾驭 AI 研究、自动化和智能体编程能力的创始人，就能撬动远超其团队规模的杠杆效应。
他们终于能把大部分时间和精力投入到真正有价值的工作中去。当然，这并非完全是自动驾驶。
身为 AI 工具的指挥官，创始人必须懂得使用的时机和方法。构思阶段 所有的创业者都从同一个起点出发：一个让他们魂牵梦绕、挥之不去的问题。
在这个阶段，想法将与现实发生碰撞。要想在 2026 年取得成功，你需要一种克制：在没有确凿证据之前，绝不盲目动手开发。
现阶段的核心任务是：深入研究、客户调研 (customer discovery)、竞品分析，以及诚实地面对那些与你想法相左的反面证据。做完这一切之后，再去让 Claude Code 帮你写下第一行生产级代码。
构思阶段的目标 在构思阶段，创始人首要目标是基于研究的验证：在投入资源进行开发之前，收集坚实的证据，证明你眼中的痛点确实存在（并且你提供的方案能有效解决它）。具体来说，在这个阶段你需要按顺序回答几个问题： 这个痛点真实存在吗？
够具体吗？频率高到值得为它做个产品吗？
到底是谁有这个痛点？这能算是一个市场吗？
有没有别人已经在解决这个问题？如果有，他们是怎么做的，做得好不好？
一个能真正解决这个问题的方案，到底需要具备哪些功能？我的点子符合要求吗？
这些问题的答案，最终都指向一个终极拷问：这玩意儿值得做吗？这意味着在你真正采取行动之前，必须把问题想得无比具体。
“大家觉得报销很麻烦”这只是个粗浅的观察；而“中型企业的财务经理每周要花 4 个多小时核对报销单，因为他们现有的工具没法和财务软件打通”，这才是一个可以被测试验证的假设。构思阶段的通关条件 构思阶段的通关标志是找到问题与解决方案的契合点 (problem-solution fit)。
在你开始撸起袖子造轮子之前，你已经获得了定性的证据（主要来自与真实用户的交流），证明你确实在为真实的人解决真实的痛点。当你能对以下三个问题大声说“是”的时候，你就可以离开构思阶段了： 痛点真实且具体吗？
回答“是”，意味着你能准确说出谁在经历这个痛点，他们多久碰到一次，痛到什么程度，以及他们现在是怎么凑合应对的。你的方案能解决实际痛点吗？
注意，这里说的是你在调研中发现的“真实痛点”，而不一定是你一开始想象的那个。有时两者是一回事，但很多时候不是。
你有足够的信号支持你动手开发吗？在这个阶段你永远不可能有百分百的确定性（死等确定性也是一种常见的失败方式），但你需要有足够的定性证据，让“开发一个 MVP”成为一个深思熟虑的决定，而不是一次盲目的豪赌。
构思阶段的挑战 构思阶段是你创业旅程中最重要的一环，因为这也是最容易犯下致命错误的地方：现在走错一步，你那刚萌芽的幼苗很快就会长歪。不过，这个阶段的大部分坑，都是因为“行动快于认知”造成的。
所以，只要创始人能保持冷静、谋定而后动，就能稳步向前。把“开发”当“验证” 挑战：当技术门槛被彻底抹平后，满腔热血的创始人很容易跳过创业中最关键的一步：验证他们的想法真的是人们需要且愿意使用的解决方案。
即便在当前的智能体编程时代到来之前，也有高达 42% 的初创公司死于“做出来的东西根本没人要”。而现在，像 Claude Code 这样的智能体编程方案大幅缩短了从“点子”到“产品”的距离，这个失败率恐怕只会继续飙升。
虽然对于拥有绝佳点子的创始人来说，现在是最好的时代，但反直觉的是，“一眨眼就能搞出个原型”这件事，对 AI 原生初创公司构成了真正的致命威胁。就在不久前，开发软件还需要实打实的人力和预算，捣鼓出一个最基础的原型通常也得几个月。
可现在，技术开发的门槛基本消失了，AI 让创始人太容易跳过实地验证，直接开始埋头苦干。要达到问题与解决方案的契合，必须先验证假设，然后再动手。
但很多新手（甚至一些老手）创始人误以为 AI 能够绕开这个定律。他们的流程变成了：有个点子 -> 立刻搞个原型 -> 把原型的存在当成点子被验证的证据。
他们拿着原型，就坚信自己一开始的假设是对的，根本没去验证这在真实世界里是否行得通。一个能跑起来的原型，很容易让人产生错觉，以为自己真的在解决实际问题。
但事实并非如此。你的原型真正的作用，是在跟潜在用户交流时，拿来做压力测试的道具。
那些交流的反馈本身，才是你真正需要的证据。过早扩张 挑战：当开发变得像呼吸一样简单且几乎零成本时，你的执行速度很可能会把真实的商业需求远远甩在身后。
过早扩张意味着，你在还没有真正确认一条路是否值得走之前，就已经在上面狂飙突进了。这一直是初创公司的头号杀手，但在 AI 时代，创始人更容易在不知不觉中掉进这个陷阱。
智能体编程助手太强大了，以至于创始人稍不留神，就会在尚未验证市场契合度的情况下，把执行规模盲目扩大。 AI 会用同样饱满的热情，去帮你生成、测试、调试并重构代码——哪怕你这个项目的底层逻辑烂得掉渣。
系统里的智慧是你赋予的。所以这个阶段的最高准则就是：让你的脑子走在手的前面，特别是当写代码变得如此飞速和不费吹灰之力的时候。
丧失客观性 挑战：如果你让 AI 工具帮你找证据来支持你已经深信不疑的观点，它一定会帮你找到。 “确认偏误” (Confirmation bias) (指人们更愿意相信那些支持自己已有观念的信息的心理学现象) ，现在自带强大的研究引擎。
确认偏误一直是创业者的职业病：创始人天生就对自己的点子充满狂热。现在，AI 工具给这种偏误加了一个超级滤镜。
如果你让 AI 去验证你的创业点子，它会顺着你的意思找出一堆证据；如果你让它估算潜在市场规模，它一定会给你捏造出一个让投资人看了流口水的庞大数字。 AI 会顺着你的思路走。
这就意味着，如果不去提出尖锐的问题，创始人现在比以往任何时候都更容易为一个糟糕的点子包装出一套看似经过详实研究的商业逻辑，并且还自我感觉良好，以为自己真的做了尽职调查 (due diligence)。解药其实还在同一个工具里，只不过要反着来：AI 在帮你推翻一个点子时，和在帮你证明一个点子时一样卖力。
当对抗性思考暴露出想法的漏洞时，果断调整方向（Pivot）。 Claude 如何助力构思阶段的创始人 推动你的 AI 原生项目熬过构思阶段，有时会让人觉得无比漫长。
你是个创始人，你骨子里就渴望“马上动手”。但这个至关重要的起步阶段，本质上是一场研究和验证的战役。
这意味着你必须借助那些能帮你思考得更缜密的工具，而不是急匆匆地去写代码。下面我们将介绍如何利用 Claude 的三大产品界面（Chat、Claude Cowork 和 Claude Code），帮你最快地度过构思阶段，同时扎实地完成尽职调查。
Chat、Claude Cowork 还是 Claude Code：选对正确的 Claude 界面 AI 能帮助初创创始人更快交付产品、自动化繁琐流程并大规模运营，但你使用的工具界面很关键。这里是针对不同任务如何选择 Chat、Claude Cowork 或 Claude Code 的指南。
Chat 适合在不离开当前应用的情况下进行快速交流。用它来处理运营公司的琐碎小事：从冗长的投资人备忘录里提炼核心金句、在开董事会前检查某个说辞有没有漏洞，或者帮你理清团队在 Slack 上的长篇大论。
Claude Cowork 适合做那些真正需要时间沉淀的知识型工作：它能从多方汇集信息，梳理逻辑，并输出一个完整的成品，比如文档、PPT 或表格。比如：把一文件夹的客户访谈录音整理成产品评审会上的主题分析报告；在融资前翻阅十几家竞品网站总结出一份竞争格局分析；或者设定一个每周一早上的例行任务，让它自动从关联工具里抓取数据，生成一份 KPI 简报放到共享文件夹里。
Claude Code 是为团队中的工程师准备的智能体编程环境：它能直接访问代码库，拥有规划模式 (Plan Mode)，集成了 git，并支持本地、IDE 或沙盒云环境。在这里，精简团队可以不断为日益庞大的代码库添加新功能，迁移 MVP 阶段留下的旧代码，从原型平滑过渡到生产环境，而无需苦等招聘新人。
任务类型... 该用谁 为什么选它 问个问题、改写段落、快速头脑风暴 Chat 速度快、对话式、无需繁琐设置 研究分析，或基于你的文件和系统生成完整文档 Claude Cowork 能访问文件夹、有插件连接、支持技能、可定时运行 编写、测试或发布软件 Claude Code 直接访问代码库、支持代码差异比对 (diffs)、集成 git、支持开发环境 这三者的底层都是相同的 Claude 模型，改变的只是外围的工作空间。定义并对你的问题假设进行压力测试 凭借你的行业经验和前期调研，你心里大概已经有了一个假设。
第一项工作，就是把它打磨锋利，直到它变得真正可以被测试：到底是谁有这个痛点？频率多高？
痛点多深？他们现在是怎么应付的？
如果一个问题陈述无法精确回答这些问题，那就说明它还不具备被验证的条件。实操练习 ：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”这就没法测试；但“中型企业的内部法务团队在每个合同审查周期要花 3 天以上时间，因为他们总是在邮件往来里改红线，而不是用一个版本控制文档”，这就非常具有可测试性了。下一步，让 Claude 来反驳你的想法，让它去寻找那些能推翻你假设的负面证据。
这能帮你挖出负面的市场信号、已经倒闭的竞品、潜在的客户行为模式，以及那些你在盲目乐观时很容易忽视的结构性障碍。这样做的目的是，在真正接触客户进行调研之前，你的假设就已经经受了最强反方辩友的狂轰滥炸。
这样一来，当你去做用户访谈时，你是在真诚地开放式倾听，而不是为了验证自己的偏见去寻找心理安慰。注意：让 Claude 扮演结构化的“魔鬼代言人” (唱反调的人)，是贯穿 AI 初创公司整个生命周期的核心用法。
市场调研与梳理竞争格局 摸底竞争对手 创业圈有一种现象叫“竞品盲区” (competitor neglect)：创始人往往过度沉浸在自己的宏大愿景和执行计划中，习惯性地看低同赛道其他人的努力。好在 AI 给了我们一剂解药：让 Claude 站在竞品的立场，给出最强有力的理由，论证为什么他们会成功，而你会一败涂地。
Claude 会帮你分析：为什么他们的做法其实更好？为什么客户会选他们？
为什么你自以为是的护城河其实不堪一击？实操练习 ：让 Claude 把你的竞品分个类：直接竞品、间接竞品、潜在收购方，以及随时可能跨界打劫的周边玩家。
然后让它给出理由，分析为什么每一类玩家都对你构成了真正的生存威胁，别让它挑好听的敷衍你。市场调研 Claude Code 可以抓取并综合公开的客户反馈，帮你找出那些被反复吐槽的痛点和未被满足的需求。
额外福利：这相当于在给竞品的客户做免费的定性研究。实操练习 ：指挥 Claude Cowork 梳理各个主流渠道的竞品评价，揪出现有方案一直没解决的几大痛点。
如果你的假设正好切中其中一两个要害，那就是证明问题与解决方案契合的强烈信号；如果没有，早点知道也是好事。 Claude Cowork 还能从厚重的行业报告、分析师文件和市场研究中提取核心数据；整理干净后，这些数据将成为 Claude 进一步深入分析的绝佳素材。
实操练习 ：利用公开数据建立 TAM/SAM/SOM 模型 (即总可寻址市场 / 可服务可寻址市场 / 可获得服务市场，用于评估市场规模) ，并对背后的假设进行压力测试。看清这个市场是在扩张、洗牌还是已经成熟；这些背景信息会直接影响你对入场时机和差异化竞争的判断。
梳理客户画像：谁负责掏钱？谁能影响决策？
这俩是同一个人吗？趋势分析 最后，用 Claude 帮你捕捉那些决定入场时机的早期指标。
跟踪讨论相关问题的 Reddit 子版块和 LinkedIn 群组，抓取用户在描述痛点时使用的原汁原味的词汇。让 Claude 找找有哪些类似的跨界市场曾经解决过相似的问题，看看他们什么管用，什么掉坑了。
揪出那些可能加速或者威胁你项目机会的政策法规、技术突破或人口结构变化趋势。实操练习 ：让 Claude 找出三个能在未来两年内深刻影响你所在市场的外部趋势（政策、技术或人口），并客观评估每一个趋势对你的具体假设到底是顺风还是逆风。
注意：本节中的市场调研和竞品梳理工作不是一次性的。在接下来的 MVP 和发布阶段，随着你认知升级，你的假设也会迭代，这时候必须把这些动作再重复一遍。
规划并设计客户调研 你能从潜在用户嘴里套出多少有价值的信息，取决于两点：(1) 你问的问题水平如何；(2) 你是不是在对正确的人发问。在这方面，Claude 是个绝佳帮手，它能帮你搞定找谁聊、聊什么，以及如何解读听到的反馈。
找谁聊 一个精准的目标用户画像，比一份漫长的通讯录有价值一万倍。这包括具体的职位、公司类型、团队架构，以及痛点最深的人群职级。
接着，揪出这些人平常都在哪儿扎堆——哪些社区、活动、LinkedIn 群组和 Slack 频道——然后根据他们离痛点的远近，制定出一份优先级拜访框架。问什么 目标确定后，利用 Claude 帮你搭建访谈框架：在正确的时间问正确的问题，以此挖掘用户“实际做了什么”，而不是他们“想象自己会做什么”。
新手创始人最爱犯的错，就是抛出一个空泛的、面向未来的问题（“你会用这种产品吗？ ，而不是精准地追问相关的历史（“跟我讲讲你上次遇到这破事儿是怎么处理的”）。
Claude 能够精准捕捉到你的草稿中哪些问题带有诱导性、太宽泛，或者容易引出废话噪音而不是有效信号。 Claude 还能帮你设计连环追问，用来对付那些含糊其辞或避重就轻的回答。
如果你的项目涉及多种角色，Claude 还能为不同的人量身定制不同的问卷。财务经理和 CFO 面对同一个痛点的关系是完全不同的，拿同一套题去套所有人绝对是灾难。
实操练习 ：先自己手写一遍访谈问题，然后让 Claude 充当审计员。特意让它揪出那些带有诱导性、面向未来、太宽泛，或者容易让受访者为了“讨好你”而说假话的问题。
接着让它为你可能遭到敷衍的两三个关键访谈时刻，设计一套防守反击的追问技巧。访谈后分析 每次聊完，让 Claude 帮你复盘：把笔记扔给它，让它提炼出哪些验证了你的假设，哪些推翻了你的假设，以及哪些是意料之外的惊喜。
等你攒够了一批访谈，把所有的笔记喂给 Claude Cowork，让它提炼高频词、自相矛盾的地方，以及正反两方最强烈的信号。最后拿着综合输出的报告去找 Claude，问问它：我的解读是不是在寻找心理安慰进行模式匹配，而不是反映真实数据？
实操练习 ：每聊完五个客户，就让 Claude Cowork 对笔记进行综合梳理，列出两份清单：支持假设的证据，和反对假设的证据。如果第一份清单比第二份长出太多，问问 Claude：这是数据的真实反映，还是我一厢情愿希望看到的结果？
客户拓展与日程安排 利用 Claude Cowork 把整理名单、发送开发信、安排用户访谈这些杂活实现自动化。 Claude Cowork 能利用你之前和 Claude 定好的目标画像（包括职位、公司类型、职级），去研究并整理出一份包含经过验证联系方式的结构化线索名单。
然后它会大规模地批量起草个性化的开发邮件，确保每一封都紧扣对方的角色和背景。收到回复后，它能通过 MCP (模型上下文协议) 连接到你的 Gmail 和 Google 日历管理沟通线程，处理会议邀请，并把访谈稳稳地塞进日程表。
这个工作流还在继续：Claude Cowork 会按既定节奏（比如给七天没回信的人发跟进草稿）自动生成后续回复，并在完成后自动更新追踪表格，确保你时刻掌握每个潜在客户的漏斗进度。实操练习 ：把你验证过的目标画像丢给 Claude Cowork，让它去建立名单、写个性化开发信序列、建一个包含拓展状态、跟进节奏和访谈进度的追踪表格。
然后让它去搞定那些协调工作，你只需要集中精力准备对话本身就行了。设计最终的解决方案概念 你已经做完了验证工作：痛点是真实的，目标人群是明确的，你手里的解决方案概念也得到了证据支撑。
现在，用 Claude 从各个角度来开发和拷打你的方案设计：哪里还有漏洞？市面上有没有替代品？
如果要规模化运作，这套方案必须具备哪些先决条件？这是很重要的一道现实检查：现在的这个设计，解决的到底是你调研出来的真实问题，还是你最初瞎猜的那个原始假设？
实操练习 ：把你的方案概念丢给 Claude，让它挑出支撑你设计的三个最致命的依赖假设。然后追问它：如果要让这些假设成立，需要满足什么条件？
如果哪怕只有一个假设不成立，会有什么严重后果？用 Claude Code 打造一个轻量级原型 终于到了好玩的环节：带着经过验证的假设和被反复压力测试过的方案概念，你终于可以开始造东西了。
在构思阶段的这一刻，Claude Code 正式登场。即使你之前一直在捣鼓，现在才是你生成官方版轻量级原型的时候：它是你为了获取真人真实反馈所需要的最小表面积体验。
你现在做的还不是真正能落地的产品；你只是在搭建一个方案的“体验样本”，拿去给客户和投资人看。让真实用户体验看得见摸得着的东西，能给你带来的情报，远比做十几次痛点发现访谈要多得多。
之前，你是在证明痛点存在；现在，你是在邀请潜在用户与提出的解决方案进行互动。实操练习 ：明确你的产品最核心的一个交互依赖点。
指挥 Claude Code 只做这一个核心功能。做出来后，把它扔给你目标画像里的五个人，让他们上手试用。
在这五次沟通中获取的认知，将决定你是继续往下开发，还是推倒重来。能顺利熬过构思阶段，意味着你在 AI 创业赛道上迈出了巨大的一步，因为你现在不再是凭直觉下注；你是在跟着证据执行。
熬过构思阶段，创始人面临的问题就变成了：“第一步该做啥？这时候，AI 的角色也从调研搭子，变成了你的王牌施工队。
MVP 阶段 很多创始人把 MVP 阶段当成单纯的施工期，但其实它本质上仍然是一场“收集证据”的演习。区别在于，你现在收集的不再是关于“痛点”空间的证据，而是关于“解决方案”的证据：具体来说，到底有没有一群明确的人，觉得你的产品好用到愿意反复用（留存）、愿意掏钱买（营收），或者愿意四处安利（推荐）？
MVP 阶段的目标 作为 AI 原生初创公司的创始人，你的目标是将经过验证的痛点，转化成一个让真实用户实际使用的可用产品。它不需要塞进路线图上的所有功能，只要提供最精简、最聚焦的核心体验。
它的使命，就是把真实的解决方案怼到用户脸上，然后拿到产品市场契合度 (product-market fit, PMF) 的实锤证据。与此同时，你现在的开发方式，直接决定了你未来的天花板。
这意味着 MVP 阶段还有一个同等重要的目标：在快速移动的同时，绝不能欠下那种利滚利的“技术债” (technical debt)——一旦有意义数量的真实用户涌入，这些债迟早会反噬你。最后，从第一天起就在持续上下文 (persistent context) 方面做投资，是让 AI 成为力量倍增器而不是混乱之源的关键。
在 AI 原生公司，你的代码库是你每天跟 AI 一起结对协作的产物，所以代码的清晰易读是地基。那些跳过说明文档、架构决策和上下文文件（比如 CLAUDE.md）的创始人，都会撞上一堵可预见的墙：每次新开会话都得重新解释代码库，而且 AI 生成的代码会逐渐偏离最初的愿景。
MVP 阶段的通关条件 MVP 阶段的通关条件是拿到产品市场契合度的真实证据：证明有一群特定的明确用户，认为你的产品有价值，愿意继续用（留存）、愿意掏钱（收入）或者愿意帮你拉客（推荐）。 MVP 阶段的挑战 在 MVP 阶段，创始人的核心法则就是速度与判断力。
此时的挑战在于，你能不能在不偷工减料、不给自己挖坑的前提下，以足够快、快到有意义的速度，用正确的方法，做出正确的东西。智能体技术债 挑战：因为 AI 几乎消灭了阻碍代码上线的所有天然瓶颈，所以“速度”是绝对有保证的。
但是，如果创始人只把速度作为构建 MVP 时的唯一变量，他们就会欠下一屁股很难还清的技术债。在 MVP 阶段欠点技术债是可以理解的，前提是你清楚在扩容前必须把账还上。
传统技术债是渐渐积累的，你大可以花时间或者搞个专门的冲刺期去清理。但 AI 的技术债，是带复利的。
如果没有一份写好并让 AI 读取的说明规范和架构约束，AI 在每次会话中都会从零开始倒推底层逻辑，而这些决策会不可避免地发生漂移。最后你会得到一个毫无灵魂和框架可言的代码库——不是因为里面哪段代码写得烂，而是因为这些碎片打一开始就没打算凑在一起。
这是个大麻烦，而且往往到后期才会彻底暴露。沉迷于虚假的产品市场契合度 挑战：AI 工具能帮你刷出极其亮眼的早期数据，但这绝不代表市场真的需要你的产品。
早期势头是创始人能体验到的最强大的心理毒药。经历了数周或数月的调研和克制的开发，产品一上线就感觉是在向全世界宣布：你从一开始就是对的！
智能体编程工具能让你以比以往快得多的速度体验到这种快感，但“早期流量”和真正的 PMF 差了十万八千里。产品刚发布的那些热度，通常靠的是转瞬即逝的力量：比如创始人的朋友捧场、投资人拉来其他被投公司的潜在买家，或者碰巧在 Hacker News 上上了个头条。
遗憾的是，等到第六周或者第十二周最初的热度退去，这些都没法可靠地预测接下来会发生什么。零阻力的范围蔓延 挑战：当开发代码变得毫不费力且几乎零成本的时候，你总会觉得“再加一个酷炫的功能”或者“再处理一个边缘情况”也无妨。
这种范围蔓延 (scope creep) (指项目功能不断无节制增加的现象) 往往弊大于利。范围蔓延一直是创业风险。
不同的是，以前防备它的强制刹车机制——实打实的工程时间成本——