深度调研：Anthropic《The Founder's Playbook》— AI-native 一人公司路线图

这是 Anthropic 2026/5/14 发布的 35 页创业指南，配合前一天上线的 Claude for Small Business 包装成"小团队 AI-native 创业完整工具栈"。它对 aiself 不是普通行业资讯，是直接路标——Anthropic 用自己 100 万条 Claude 对话数据画出了消费 AI 的地图，并标出哪几块自己不打算占。

一、四阶段重映射

Playbook 把传统创业 lifecycle 重新切成四段，核心论点：AI 移除了过去切割阶段的三个瓶颈——资本、人员、技术能力。

阶段	传统约束	AI-native 版本
Idea	调研、用户访谈、找 PMF 信号	风险反转——构建变便宜，验证反而更难。"mistaking building for validating"是新版本最大的陷阱
MVP	4-12 周写原型	一个下午就能产出原型，导致"原型存在 ≠ 有人要"
Launch	雇销售 / 找渠道	用 Claude Code 处理代码层、用 Claude Cowork 跑合规工作流（Anthropic 自荐自家工具）
Scale	招团队 / 融资	创始人角色从"贡献者"转为"orchestrator"——专注只有自己能做的事

对 aiself 最尖锐的一句："removing build friction makes validation discipline more critical, not less."

这一句直接打 aiself 当前状态：我们处在"还没完成验证就开始想架构"的阶段。Suke 想搭实习生 agent 框架的冲动需要被这条警告压住——先回答"用户为什么要 aiself 而不是 ChatGPT"，再决定 agent 怎么实现。

二、9 个消费 AI 需求域（基于 1M Claude 对话）

Anthropic 通过分析 100 万条 Claude 对话，识别出用户在 AI 上寻求"个人化指导"的 9 个域：

Health & Wellness（含营养/健身）
Financial Services
Legal Guidance
Career Counseling
Relationships（亲密关系）
Parenting
Life Sciences
Mental Health / Therapy
（第 9 个域在公开摘要中未明确，可能是 Education 或 Spiritual/Life Coaching）

Anthropic 自己会做哪几个

Anthropic 自己只在 B2B 方向做垂直产品，覆盖：Healthcare、Financial Services、Legal、Life Sciences——全是高合规、高单价、高门槛的领域。

留给创业者的口子

**消费向的 Relationships、Parenting、Career Coaching、Mental Health 全部空着。**这正好覆盖 aiself"AI 个人助手 + 教练"的定位——这四块的共性是：

用户需求强但传统专业服务昂贵或难触达（看一次心理咨询、找一次职业教练动辄千元起）
数据敏感——用户不愿意把这些数据给大厂或上传云端
场景持续——不是一次性交易，是长期陪伴

Cal AI 是 Playbook 里的封面案例：只解决"健康域里的一个子赛道"（食物识别 + 卡路里），做到 $50M ARR。Medvi 是另一个：GLP-1 远程医疗，团队极小，2025 年收入 $401M（虽然 Techtimes 报道指出其合规和运营有风险）。

对 aiself 的直接含义：不要做"什么都干的私人助手"。在上面四块里挑一个最锋利的子赛道先打透。下一步要做的不是写代码，是回答：aiself 的"教练"具体教什么？是健身教练？还是职业教练？还是关系教练？还是亲密关系咨询？9 个域里我们具体落在哪一片瓷砖上？

三、三层护城河

Playbook 提出 AI-native 创业的三层护城河，逻辑是"模型本身不是护城河，因为人人都能调 API；护城河必须建在模型之上"：

领域知识编码（Domain Knowledge Encoding）
- 把行业 know-how 沉淀进 prompt、agent skill、评价标准
- 对照阿里健康"氢离子" + BMJ 70 本期刊 10 年文献 + 300 临床专家共建评价——同一逻辑
- 对 aiself：如果选"教练"赛道，需要找到对应领域的权威知识/方法论体系作为基底
用户行为数据（User Behavior Data）
- 用户与你产品的交互数据本身就是壁垒
- 越用越懂用户，竞品复制不了
- 对 aiself：长期陪伴型产品天然有这个优势——但前提是用户愿意把数据留给你，这又回到隐私差异点
工作流锁定（Workflow Lock-in）
- 用户的工作流嵌进你产品，迁移成本指数级上升
- 对应 Anthropic 自家 Claude for Small Business 的 QuickBooks/PayPal/HubSpot/Canva/DocuSign 集成策略
- 对 aiself：教练场景的"日常 check-in 节奏"、"目标进展记录"如果做成用户日常流的一部分，迁移成本极高

三者复合：客户 #25 那里 agent 干掉 90% 工作量（Playbook 原文："by client 25 the agent does 90% of the work"）——领域知识 + 数据 + 工作流叠加的复利效应。

四、orchestrator 角色转换

Playbook 原话："The founder's role is shifting from individual contributor to orchestrator, allowing them to focus on the work only they can do."

含义：

创始人不再亲手写每一行代码 / 做每一个客户对话
而是设计让 agent 接管的工作系统，并管 agent 没法做的部分（战略、关键客户关系、关键产品决策）
Steinberger 的 100 个 agent 是这条原则的极端样本——但他能这么做是因为他在做开发者工具，事件源天然存在（PR / Commit / Meeting）

对 aiself 的实务问题：

Rik 当下的"产品 + 架构 + 商业"已经是 orchestrator 形态
Suke 当前在"工程实现 + 模型调优"——如果走 Playbook 路线，Suke 也要往 orchestrator 走，把"调模型"这件事本身交给 agent 做
但前提是先有最小可验证产品——否则就是"orchestrate 一个还不存在的东西"

五、对 aiself 5/24 方向决策的直接输入

决策点	Playbook 给的信号
通用 vs 垂直	垂直。Cal AI 单一子赛道 $50M ARR 是证据；通用助手 ≈ 和 ChatGPT 正面打
域选择	优先 Relationships / Parenting / Career / Mental Health（Anthropic 不打的）
是否值得做 agent 化	值得，但架构服从验证。先回答"用户要什么"，再决定 agent 多复杂
护城河起点	三层都要，但第一层（领域知识编码）必须最先确定——选哪个域 + 找哪个权威知识体系作基底
当前最大风险	不是技术风险，是"造原型当作验证"——必须做真实用户访谈而非内部 demo

六、待回答（5/24 决策前必须有答案）

aiself 落在 Anthropic 9 域里的具体哪一块？（候选：Career Coaching / Relationships / Parenting）
选定域内的"最锋利子赛道"是什么？对标 Cal AI 是"卡路里识别"这种粒度的具体场景
这个子赛道的"权威知识体系/方法论"是什么？（决定第一层护城河的厚度）
用户为什么不直接用 ChatGPT 解决同样问题？（隐私 + 长期陪伴 + 主动性 + 领域深度，哪个是真差异点？）
距离"和真实用户访谈 5 次确认有人要"还差多少步？