Anthropic 这次没有发新模型，而是给创始人发了一本“创业剧本”。

2026 年 5 月 14 日，Anthropic 发布《The founder's playbook: Building an AI-native startup》。它关心的不是融资故事，也不是估值叙事，而是一个更贴近早期团队的问题：当不会写代码的人也能做出产品，创始人还该亲自做什么？

我的判断很简单：这份 playbook 有用，但别把它当创业真经。它是 Anthropic 面向创始人的实用手册，也天然服务 Claude 生态。真正值得看的，是 AI 正在把创始人从“亲自执行者”推向“流程编排者”。

Anthropic 讲了什么：四个阶段，一套 Claude 工作流

这份 playbook 把 AI 原生创业拆成四段：Idea、MVP、Launch、Scale。

每一段都有目标、退出标准、常见失败模式和 AI 练习。重点不是“用 AI 写点东西”，而是把 Claude、Claude Code、Claude Cowork 放进验证、开发、发布和规模化流程里。

阶段Anthropic 给的重点创始人该警惕什么
Idea用 AI 做问题假设验证、竞品地图、客户访谈设计访谈很多，不等于需求真实
MVP用 Claude Code 辅助架构、范围控制、代码生成和安全实践代码能跑，不等于系统可靠
Launch区分 PMF 与早期热度，设计发布和运营动作第一波用户兴奋，可能只是尝鲜
Scale用 agentic workflows 替代部分创始人注意力流程自动化后，责任边界更难管

它的产品分工也很清楚。

Chat 更像思考、分析和写作入口；Claude Code 负责开发、代码审查和工程辅助；Claude Cowork 则偏团队协作与工作流。材料里还列了 Ambral、Anything、Carta Healthcare、HumanLayer、Vulcan Technologies 等案例，用来说明不同阶段怎么嵌入 Claude。

这对两类人最直接。

一类是 AI 创业者和早期团队负责人。他们会更愿意把客户研究、原型开发、内部工具、客服和运营流程交给 AI 先跑一版，扩招可能被延后。

另一类是产品和工程负责人。他们要重新设计开发流程：哪些代码可以由 AI 生成，哪些必须人工审查，哪些权限和数据不能直接交给工作流。

这里的收益很实在。不会写代码，也可能做出 MVP。收入可能早于团队扩张出现。一个小团队能覆盖过去需要更多人手的研究、开发和运营动作。

但限制也同样实在。Anthropic 没有证明“用了 Claude 就更容易创业成功”。它提供的是工具化路径，不是经过第三方验证的成功规律。

真变化：创始人从干活的人，变成调度系统的人

这份 playbook 最有意思的地方，不是 Claude 能不能写 MVP。那已经不是新闻。

真正的变化是角色位移。

过去早期创业很吃创始人的手速。写代码、改页面、做表格、回客户、拼 Demo，创始人要直接扑上去。

现在一部分手速变成了接口。你提出假设，AI 帮你拆访谈问题；你描述功能，Claude Code 生成代码；你设计运营节奏，agentic workflows 去盯流程。

这当然提高效率。

但它也让糟糕判断跑得更快。

以前一个烂想法，可能死在“做不出来”。现在它能被很快做出来，还能包装得像个正经产品。页面完整，演示顺滑，代码能跑，甚至有几批早期用户试用。

创始人最容易在这里摔跤：把热闹当需求，把反馈当留存，把试用当 PMF。

Anthropic 在 playbook 里专门提醒，要区分 genuine product-market fit 和 early hype。这一点反而是整份材料里最诚实的部分。

AI 原生创业的第一道分水岭，不是 prompt 熟练度。是创始人还能不能识别真问题。

客户是不是愿意持续付费？不用你催，他会不会反复回来？你的产品是在帮他省钱、挣钱、避险，还是只是在制造新鲜感？

Claude 可以帮你整理证据，不能替你承担判断。

对早期团队来说，最该调整的不是“全员学会某个工具”。更现实的做法是把 AI 放进固定检查点：

  • 做 Idea 时，要求 AI 输出竞品地图，但客户访谈必须回到真实用户；
  • 做 MVP 时，允许 Claude Code 加速开发，但架构、安全和权限要有人验收；
  • 做 Launch 时，用 AI 汇总反馈，但留存、复购、付费意愿不能用热闹替代；
  • 做 Scale 时，用 agentic workflows 节省注意力，但客户、现金流和质量不能外包。

这也是我不太买账的地方：很多 AI 创业叙事把“做得快”讲成了“做得对”。两者差得很远。

接下来该看什么：不是工具多强，而是债怎么结

AI 生成代码让 MVP 更快，也让技术债来得更早。

Anthropic 在材料里提到架构、范围和安全实践，说明它也知道“能生成”不是终点。早期团队最危险的做法，是把 AI 生成的代码当免费劳动力，却没有测试、审查、权限和失败处理机制。

这不是工程洁癖。

如果一家 AI 原生公司从第一天就围绕 AI 搭流程，流程本身就是产品能力的一部分。代码质量、数据权限、自动化任务失败后的人工接管，都会变成规模化时的地基。

接下来最该观察两个变量。

第一，AI 原生团队能不能用更小团队跑出真实收入，而不是只跑出漂亮 Demo。收入出现得早，不等于 PMF 成立。要看续费、复购、留存，以及客户是否把它放进日常流程。

第二，AI 生成和 agentic workflows 带来的技术债、安全债、组织债，能不能被早期处理掉。早期省下的人力，如果后面用更高成本补事故、补审查、补流程，那效率账就没那么好看。

历史上类似的节奏反复出现。铁路、电力、互联网泡沫，都有过基础设施突然降低门槛的时刻。不完全一样，但结构相似：进入门槛下降后，故事变多，泡沫也变多。

最后留下来的，往往不是最早冲进去的人，而是能处理调度、治理、分配和风险的人。

“天下熙熙，皆为利来。”放到 AI 创业也一样。工具商希望更多公司从第一天就把自己的产品嵌进工作流，这很正常。创始人要做的，是把供应商的 playbook 当检查清单，而不是当战略。

用 AI 做竞品地图，可以。别让它替你定义市场。

用 Claude Code 写 MVP，可以。别跳过架构和安全审查。

用 agentic workflows 节省注意力，可以。别把创始人最该盯的客户、现金流和产品质量也外包掉。

AI 原生公司不等于“人更少的公司”。更准确地说，它可能更晚扩招，也会改变分工。公司质量不会因为用了 AI 自动提高。

烂需求配上强工具，只会更快生成一堆漂亮废料。

所以，这份 playbook 最值得读的地方，也是最该警惕的地方：它展示了创业效率的新上限，也暴露了创始人判断力的新下限。

工具越强，越不能替你想清楚为什么要做。