--- title: "如何打造 AI 時代的工作流：Anthropic 創始人手冊四階段補充" description: "Anthropic 最近發了一份《創始人手冊：打造 AI 原生初創公司》，把 AI 時代的創業切成四階段。AJ 把它跟過去一年陪企業、公部門、學校導入 AI 的現場觀察接起來，整理成這份繁體版補充——從想法驗證、MVP、上線到規模化，每個階段最容易踩到的坑，和為什麼最稀缺的不再是技術，是判斷力。" author: "莊哲昀（AJ）" tag: "AI Agent 與自動化" date: 2026-05-25 canonical: https://www.ahadigit.work/blog/ai-native-workflow-handbook source: "html" --- # 如何打造 AI 時代的工作流：Anthropic 創始人手冊四階段補充 上週某新創創辦人傳訊息問我：「AJ，我用 Claude Code 兩個禮拜做了三個 prototype，現在不知道要 ship 哪一個。」這句話我這半年聽過至少十次。換掉「Claude Code」就變成 Cursor、Lovable、v0；換掉「prototype」就變成簡報、SOP、Notion 模板。**AI 把生產力放大了十倍，可是「要選哪一條路繼續走」這件事，反而變得更難**。因為選項變多了，每條路看起來都跑得動。 剛好最近 Anthropic 發了一份《創始人手冊：打造 AI 原生初創公司》（Founder's Handbook），把 AI 原生創業切成四個階段。我看完很有共鳴——這四階段不只是初創公司的問題，**跟我過去一年陪企業、公部門、學校導入 AI 看到的卡點幾乎一樣**。差別只在「創辦人」要換成「導入負責人」、「PMF」要換成「內部使用率」而已。 這篇把四階段整理成繁體版，每一段後面加上我自己在內訓與顧問現場看到的例子。如果你正在組織內推 AI、或是在做 AI 原生的新產品，可以對照看看自己卡在哪一階段。 ## 階段 1想法階段：別把 AI 生成的原型誤認為需求已驗證 第一階段要做的事很單純：**確認你想解的問題，是不是值得解**。Anthropic 點出的核心風險很有趣——AI 把「做一個能 demo 的原型」這件事變得太便宜，導致很多創辦人把「我做出來了」誤認為「市場想要」。原型只是證明技術可行，不等於需求被驗證。 這件事在我看的企業 PoC 現場一模一樣。最常見的劇本：某部門用 Midjourney / Nano Banana 生了一組超漂亮的視覺，老闆看了很興奮，拍板說「我們來做一套 AI 視覺設計 SOP」。三個月後 PoC 結案，沒有任何一張圖被真的拿去用——因為品牌規範對不上、字型授權沒處理、實際出稿的同事根本不是當初做 PoC 的那組人。 問題不在 AI 不夠強，問題在**「能 demo」跟「能 ship」中間隔了一條非常深的溝**，而這條溝跟 AI 沒關係，跟組織的真實工作流有關係。Anthropic 在這階段建議的 AI 協作技巧很值得抄：讓 AI 扮演反對者、主動找反駁證據、分析競爭格局。我自己在帶導入會議時，會直接開一個 Claude session 叫它「以最挑剔的客戶角度問我們十個問題」——通常前三題就會把房間裡所有人問安靜。 > AI 不是縮短時間，是把「誰能判斷」這件事推到台前。 —— 改寫自 Anthropic《創始人手冊》的觀察 ## 階段 2MVP 階段：vibe coding 跑太快，回頭看代碼變天書 MVP 階段的核心是**聚焦核心價值、避免功能蔓延**。Anthropic 提出兩個現在很流行的風險詞：「智能技術債」與「架構漂移」——意思是當你用 AI 一直丟需求進去，它每次都會給你一個能跑的版本，但這些版本之間的邏輯與架構慢慢就對不上了。 這跟我自己這半年寫 vibe coding 的痛苦完全吻合。那個數位的官網就是用 Claude Code 蓋的——前兩週爽到爆，每天都有新頁面長出來。但到了第三週開始改設計，我才發現：**不同頁面的 CSS 變數名稱不一樣、有些頁面的 nav 是用 component、有些是直接 hardcode**。AI 每次都很努力，但因為我沒先講清楚規矩，它每次都重新發明一次。 後來那個數位內部跟我合作的工程顧問跟我說的解法很簡單：寫一份 `CLAUDE.md`（如果用 Codex 就是 `AGENTS.md`），把架構原則、命名規則、絕對不要做的事情列清楚，每次開新 session 都讓 AI 先讀。這份文件就是 Anthropic 在手冊裡提到的 `cloud.md` 概念——**你不是在管 AI，你是在管「AI 的工作環境」**。MVP 階段花一天寫這份文件，省的是後面三個月的重寫。 > 我自己的判準：**如果一份 prototype 連續三次叫 AI 改都會壞掉，那不是 AI 笨，是你沒給它一份工作守則**。在那之前先別繼續加功能，先去寫架構文件。 ## 階段 3上線階段：為什麼很多老闆變成自家公司的瓶頸 第三階段的轉折很關鍵：**創辦人要從「執行者」變成「系統搭建者」**。Anthropic 講的場景是把客服、帳務、合規（SOC2、GDPR）這些 repeatable 的事情交給 AI Agent 跑，自己退到設計與監督的位置。 這件事在台灣中小企業特別痛。我這一年合作過幾家公司，老闆都是公司裡最早碰 AI、也最會用 AI 的那一個——結果就是他變成自家的瓶頸。每一份重要的 prompt 都在他的 ChatGPT 裡、每一個 Agent flow 都在他的 n8n 裡、每一份報表都還是他用 Claude 親手摘要。團隊不是不想學，是他下放得太慢。 我之前寫過一篇[把 AI Agent 當員工帶](https://www.ahadigit.work/blog/ai-agent-employees)，那篇講的就是這個階段的解法：你要開始**把「自己腦中的工作流」變成可以交接的東西**——一個寫好的 system prompt、一份 Notion SOP、一個 n8n / Make 的工作流圖、一個內部 GPT。這件事的難不是技術難，是**創辦人/主管願不願意承認「我在做的事，其實 80% 可以拆解」**。願意承認的人，公司開始長大；不願意的，公司就停在他一個人的天花板。 另外一個常被忽略的點是 Anthropic 強調的安全合規。我合作過的公部門與金融客戶，PoC 跑很爽，一到上線就被資安卡死——個資邊界、模型來源、log 留存、PII redaction，這些事情**不是上線才補，是 MVP 就要開始想**。否則上線那天會發現，你做的東西根本不能放進真正的工作流。 ## 階段 4規模化階段：行業 know-how 才是真正的護城河 第四階段是大家最愛討論、但最容易講錯的——AI 時代的護城河到底是什麼？Anthropic 給的答案有三個：行業專有知識、用戶數據飛輪、工作流鎖定（用戶切換成本高）。 第一個最重要，我直接舉個反例。過去一年我看過至少十家「AI + 教育」、「AI + 法律」、「AI + 公部門」的新團隊，技術都很強，創辦人多半是工程背景。九成的 demo 都很漂亮——但 ship 出去之後，現場的人三天就不用了。原因不是 AI 答不出來，是 AI 答的東西**「對，但沒用」**。一份不知道現場老師期末週多痛苦的教學助理、一份不知道地方政府公文簽核要跑幾關的公文 Agent，技術再強都接不進去。 真正能做大的，是那種**創辦人 / 顧問本身就泡在那個領域很多年**的團隊。他們的優勢不是寫 prompt，是知道「哪個欄位要留、哪句話不能寫、哪個流程節點絕對不能跳」。這些東西寫進 system prompt、寫進 retrieval 的資料庫、寫進 agent 的決策樹——就變成別人短期抄不走的護城河。純套 GPT API、純做 wrapper 的公司，2026 年會越來越難活。 第二個「用戶數據飛輪」也類似——你的產品被用得越多，累積的 domain-specific 樣本越多，下一版的 AI 表現就比競品好。第三個「工作流鎖定」更直白：當你的 AI 已經串進客戶的 Notion、Slack、ERP、Google Workspace，他要換掉你的成本比續約還高。 > 純套 API 的時代正在結束。 > 真正稀缺的不是接 GPT 的能力，是「知道接到哪裡才有用」的判斷力。 ## 四階段共同的提醒：最稀缺的，是判斷力 Anthropic 在手冊最後丟了一句話，我看完直接寫進備忘錄：**AI 提升執行速度，但無法替你做判斷。最稀缺的不再是技術與資金，是創始人的驗證紀律、反向思考、系統編排能力。** 我把這句話對照過去一年所有專案再讀一次，發現它幾乎適用每一個情境： - **想法階段**——稀缺的是「敢承認 demo 不等於驗證」的紀律。 - **MVP 階段**——稀缺的是「敢停下來寫架構文件」的耐心。 - **上線階段**——稀缺的是「敢把自己的工作交出去」的放手。 - **規模化階段**——稀缺的是「對所在領域真的有 know-how」的厚度。 這四件事，沒有一件是 AI 能替你做的。AI 能做的是把每件事的**「執行成本」**砍到一個禮拜前你不敢想的程度——但你要做哪件、怎麼做、做完誰用、何時停手，全部還是你的事。 這也是為什麼我這一年帶內訓越來越不講「教大家用 ChatGPT」，而是花更多時間在「教大家怎麼決定要把 AI 放在哪裡」。工具學一天就會了，**判斷力是組織自己要長出來的**。 > 那個數位提供企業與政府機關的 AI 導入顧問、內訓與工作流設計——從 Anthropic 四階段的角度幫你檢視組織現在卡在哪一段，把 AI 真正接進你的日常工作流，而不是停在 PoC 漂亮的 demo。[歡迎預約諮詢](https://www.ahadigit.work/contact)，我們一起把判斷力長出來。 資料來源：本文四階段框架改寫自 Anthropic 發布的《Founder's Handbook：Building an AI-Native Startup》（創始人手冊：打造 AI 原生初創公司），內文延伸與案例為 AJ 個人在企業導入現場的觀察與補充。