Anthropic 出了本《AI 时代创始人手册》,讲了三件反直觉的事

Anthropic 上周出了一本叫《The Founder's Playbook: Building an AI-Native Startup》的电子书,36 页。

我下载之前心里想:这肯定又是"用 Claude 一天做出独角兽"那种卖货手册。

读完发现完全不是。这本书反复在劝你别被 Claude Code 让你能"一周跑通一个 MVP"的能力骗了——这种能力本身,可能才是 AI 时代创业最大的陷阱。

挑三件让我读到停下来的事写一下。

一、Build 越便宜,Validation 反而越贵

PDF 里有一句话我读了三遍:

Even before the current era of agentic coding, 42% of startups failed because they built something nobody wanted. Now agentic coding has drastically collapsed the distance between "I have an idea" and "I have a product," and that failure rate is only going to climb.

翻译过来:之前 42% 的创业失败是因为做了没人要的东西。现在 Claude Code 让"想法 → 产品"的距离塌缩成了几天,这个失败率只会涨,不会降。

为什么?因为 build 这个动作以前自带过滤器。

要花两个月写 MVP,你必须先搞清楚:做什么、给谁、解决什么问题。不是因为创始人多有远见,是成本逼你必须想清楚——两个月写下来发现没人要,你心痛得掉肉。

现在过滤器没了。一句话扔给 Claude Code,半天就能跑起来。然后剧情会自动往一个方向变形:

• 你做出了一个能跑的东西
• 看到它在跑,你默认这就是"市场需要"的证据
• 你开始往里加功能,因为加功能也很便宜
• 三个月后回头看,你拥有一个长得像产品但没人用的东西

PDF 给这种状态起了个名字:Mistaking building for validating——把"我做出来了"误当成了"我验证过了"。

我自己在 TinyPA 上踩过这个坑。早期我加过一个"按情绪打标签"的功能,逻辑上很合理,Claude 半小时就给我跑通了,我盯着 UI 想:这个真不错。

后来过了两周我自己一次都没用过。因为我记笔记的时候根本不在意情绪标签——这事 Claude 不知道,我自己写的时候也没问过自己。

如果这个功能要花我一周写,我中途一定会因为"为什么写它"停下来重新想。但因为半小时就跑通了,我跳过了那个让我清醒的"成本痛感"。

PDF 给的解药很冷酷:prototype 不是证据,prototype 是道具。真正的证据是你拿着它去找 5 个潜在用户聊,看他们的反应。前者你一天能做完,后者你一天约不到一个人。

哪一边便宜,哪一边就要刻意去做。这是道绕不开的坎。

二、AI 是一面镜子,你信什么它给你证什么

PDF 第二个让我停下的点:

Confirmation bias now comes with a research engine. Ask AI to validate your startup idea and it will find supporting evidence; ask it to size your potential market and it will find the number that makes your TAM look fundable.

之前的"创始人确认偏差"靠两件事保护:第一,没人愿意花十几个小时陪你聊你的想法有多好;第二,花钱请市场调研公司会把你赔穿。所以创始人想自我感动也得花成本。

现在 AI 24 小时陪你聊,你说什么它都给你找出"客观证据"。

我做过一个测试。我问 Claude:"我打算做一个 AI 标签整理工具,这个市场大吗?"

它给我列了一堆——个人知识管理是 X 亿美金市场、Notion 增速 X%、大模型成本下降趋势使长尾产品有空间。听着挺像那么回事。

然后我换了个 prompt:"我打算做一个 AI 标签整理工具,给我找三个理由说为什么这个产品没机会。"

同一个 Claude,同样的对话窗口。这次它列的是:个人 PKM 工具品类已经被 Notion / Obsidian / Logseq 三家锁死;AI 标签的边际价值小于"再开一个新 app"的迁移成本;独立用户对工具忠诚度低、换工具成本几乎为零。每一条都很有杀伤力。

哪一份是对的?都对。

AI 不会主动给你你没问的视角。你问它支持你的证据,它真心实意地给你。你问它反对你的证据,它也真心实意地给。它不主动质疑你的命题,因为它根本不在乎你的命题。

PDF 给出的方法论是把这个特性反过来用:每次让 AI 帮你"研究市场"或者"评估想法",必须同时跑两份——支持版 + 反对版,看完两份再做判断。

这个习惯写进 prompt 模板就行。但很多人不写,因为写了反而看见了自己不想看见的。

我自己的版本是:每次写完一段对自己有利的市场分析,逼自己手写一句话——"如果我错了,最可能错在哪"。这一步不让 Claude 替我做,因为它会替我把错的可能性写得很温柔。

三、CLAUDE.md / Skill 不是配置项,是 AI 协作的复利账户

这条 PDF 写得很重,我抄一段:

Without specs and architectural constraints written down somewhere the AI can read, each session re-derives foundational decisions from scratch, and those decisions drift. You end up with a codebase that has no coherent mental model behind it, not because any single piece is bad, but because the pieces were never designed to fit together.

直译:没有 CLAUDE.md / Skill 这种持久上下文,每次 Claude session 都从零推断架构,推断结果会漂移。最后你得到的代码库不是哪一段写得烂,是整体没有一致的心智模型。

我前几天专门写过一篇 CLAUDE.md 的文章,当时我的视角是:这个文件能让 Claude 别违反我的规范。读完 PDF 我才意识到这个理解还浅。

PDF 说的是另一件事:没有 CLAUDE.md / Skill,你和 AI 的协作是消费型的,不是积累型的。

什么区别。

消费型协作:这次 session 解决了一个问题,关掉,下次重新解释。Claude 还是从原点出发。你做了 100 次,Claude 还是第 0 次的水平。

积累型协作:这次 session 学到的东西——架构决定、领域知识、踩过的坑——写进 CLAUDE.md 或 Skill。下次 Claude 从第 1 次开始,下下次从第 2 次开始。100 次之后,你和 Claude 之间有一个外部的、可读的、能 diff 的共同记忆。

这个共同记忆,PDF 里管它叫 institutional knowledge——以前是公司里好几年累积的"老员工知道的东西",现在你一个人 + Claude 也能造一份,而且不依附于人。同事离职会带走,模型升级也不会带走它,因为它是文件,不是脑子里的东西。

PDF 把这一点拔得很高,说这是 AI 时代独立创业者真正的护城河:不是"我用 Claude 比别人快",而是"我用 Claude 这一年累积下来的领域上下文,别人 7 天造不出来"。

我对这个判断信。TinyPA 现在的 CLAUDE.md 加上几个 Skill 加起来快 8000 字了——这是过去一年和 Claude 反复磨合下来的产物。同一个项目,新人接手只要读这堆 md 就能进入状态。以前我以为这是"为了省解释成本",现在我意识到,这堆文件本身就是项目里最值钱的资产。

最后

PDF 最后一章只有一句话我抄下来了:

The bottlenecks are no longer what you can build, but what you choose to build.

瓶颈不再是你能不能 build,而是你选什么去 build。

我读完这本书最大的感悟是这句话的另一面——AI 时代,所有"被工程难度遮蔽的判断力问题",现在都裸露出来了。

以前你不知道一个想法该不该做,可以推说"先做着再说",反正成本是工程时间。现在工程时间变成了几个小时,这个借口没了,你必须直面"这个想法到底成不成立"这个问题。

听起来 AI 让创业更容易了。其实它让创业的难度从外部(技术、资金、人手)整个迁移到了内部(判断力、自律、对自己的诚实)。技术的活 Claude 替你干,但脑子的活,只有你能干。

这本书读下来,与其说是创始人手册,不如说是一面镜子——你以为 AI 在帮你绕过弱点,其实它把弱点放大了摆在你面前。看你接不接得住。