即刻App年轻人的同好社区
下载
置顶过去 8 个月，做了一件事：
编译 DanKoe 文章，变成一个随时在线阅读、随时提问的知识库。
如果你刚好在做：
- 个人 IP
- 一人公司
- 数字产品
- 或者对 DanKoe 感兴趣
那么这个知识库，可以当你的参考资料。
怎么订阅？写在这篇文章里了👇
编译 DanKoe 文章，变成一个随时在线阅读、随时提问的知识库。
如果你刚好在做：
- 个人 IP
- 一人公司
- 数字产品
- 或者对 DanKoe 感兴趣
那么这个知识库，可以当你的参考资料。
怎么订阅？写在这篇文章里了👇
油管大神 AI 知识库，订阅一波。
5 21
读到一篇好文，作者王川提到一个概念，叫强制函数，是一种系统性的、有效果且高效率的、实现长期目标的重要手段。
其精妙之处在于，不是喊口号似的强调自律，而是通过设计可量化的动作，让长期目标更容易达成。
王川举了蛮多例子：
比如减肥。设置每天减重 100 克的强制函数。每天称重量若干次，尤其是吃晚饭的时候，一旦发现重量超过 （昨天重量 - 100 克） 时，立刻停止进食。
比如投资。强迫自己每天花至少 1 个小时，研究公司或资产的基本面。负担并不太重，但积累几年下来认知进步巨大。
还是投资。设置重仓仓位不超过 5 个的强制函数。强迫自己在各种投资标的物之间，反复权衡、取舍。
再如交友。设置核心圈子“加一删一”原则，对自己严格要求，持续成长的同时，也要对外人严格要求，不断提高外人接近你的成本，不能让未经严格甄别的人随便接近和影响自己。
我自己想到一个很接地气的例子：比如打麻将，打之前给自己定一个小目标，输一百块就收手。如果真做到，就是强制函数起作用了。
除了麻将，我自己也有亲身经历：
两个月前，我看着自己渐渐发胖的肚子，意识到该减减肥了。自那以后，我强制自己按照《控糖革命》里的饮食顺序吃饭：先蔬菜，再荤菜，最后米饭。并且真的有意识控糖，以前逛街看到甜品店就走不动路，就想买个巴斯克、麦记牛奶、酥饼啥的，但一次次要求自己，全是高热量高碳水，不健康，算了，回家吧。
我的饮食顺序、控糖理念，实际上也是一种行为量化——把模糊的“健康饮食”固化为清晰的“蔬菜→荤菜→米饭”流程。对我来说，这比我每顿饭都要计算卡路里更可持续。这在心理学上，好像叫“操作性定义”，就是把抽象概念（如“健康饮食”）转化为可观察、可重复的具体动作（如“先吃蔬菜”）。它和数字量化一样，都是科学方法。
当然，设计强制函数，也是一门艺术：
第一：要不断反思推敲，真正阻碍自己实现长期目标的决定性因素和瓶颈。
第二：强制函数的日常目标的设定，要在力所能及的范围内，要有明确的操作路径。
第三：要无所不用其极的减少排除每天实现局部微小目标的各种隐形阻力。
做到以上三步，其实是在搭建一套系统。一旦系统建立起来，就会胜过单一策略。
其精妙之处在于，不是喊口号似的强调自律，而是通过设计可量化的动作，让长期目标更容易达成。
王川举了蛮多例子：
比如减肥。设置每天减重 100 克的强制函数。每天称重量若干次，尤其是吃晚饭的时候，一旦发现重量超过 （昨天重量 - 100 克） 时，立刻停止进食。
比如投资。强迫自己每天花至少 1 个小时，研究公司或资产的基本面。负担并不太重，但积累几年下来认知进步巨大。
还是投资。设置重仓仓位不超过 5 个的强制函数。强迫自己在各种投资标的物之间，反复权衡、取舍。
再如交友。设置核心圈子“加一删一”原则，对自己严格要求，持续成长的同时，也要对外人严格要求，不断提高外人接近你的成本，不能让未经严格甄别的人随便接近和影响自己。
我自己想到一个很接地气的例子：比如打麻将，打之前给自己定一个小目标，输一百块就收手。如果真做到，就是强制函数起作用了。
除了麻将，我自己也有亲身经历：
两个月前，我看着自己渐渐发胖的肚子，意识到该减减肥了。自那以后，我强制自己按照《控糖革命》里的饮食顺序吃饭：先蔬菜，再荤菜，最后米饭。并且真的有意识控糖，以前逛街看到甜品店就走不动路，就想买个巴斯克、麦记牛奶、酥饼啥的，但一次次要求自己，全是高热量高碳水，不健康，算了，回家吧。
我的饮食顺序、控糖理念，实际上也是一种行为量化——把模糊的“健康饮食”固化为清晰的“蔬菜→荤菜→米饭”流程。对我来说，这比我每顿饭都要计算卡路里更可持续。这在心理学上，好像叫“操作性定义”，就是把抽象概念（如“健康饮食”）转化为可观察、可重复的具体动作（如“先吃蔬菜”）。它和数字量化一样，都是科学方法。
当然，设计强制函数，也是一门艺术：
第一：要不断反思推敲，真正阻碍自己实现长期目标的决定性因素和瓶颈。
第二：强制函数的日常目标的设定，要在力所能及的范围内，要有明确的操作路径。
第三：要无所不用其极的减少排除每天实现局部微小目标的各种隐形阻力。
做到以上三步，其实是在搭建一套系统。一旦系统建立起来，就会胜过单一策略。
3 00
《掌控习惯》作者 James Clear：
“如果你想让一株植物茁壮成长，你可以每天精心照料它——浇水、除草、挪到向阳处。或者，你可以把它种在合适的土壤里，让大自然完成大部分工作。一颗种在合适位置的种子，往往能自行茁壮成长。人生也是如此。进步不仅取决于你付出了多少努力，还取决于你选择在何处努力。
眼下，你的精力该花在什么地方更好：是加倍努力，还是在更肥沃的土壤里扎根？”
“如果你想让一株植物茁壮成长，你可以每天精心照料它——浇水、除草、挪到向阳处。或者，你可以把它种在合适的土壤里，让大自然完成大部分工作。一颗种在合适位置的种子，往往能自行茁壮成长。人生也是如此。进步不仅取决于你付出了多少努力，还取决于你选择在何处努力。
眼下，你的精力该花在什么地方更好：是加倍努力，还是在更肥沃的土壤里扎根？”
2 00
Anthropic 于 2026 年 5 月 14 日发布了一份手册：《创始人手册：打造一家 AI 原生初创企业》，36 页。
让 Claude 做了一个口语化、有细节的四维拆解：
1. 根本问题：手册戳了哪些痛点和误区？
最核心的误区只有一个：你以为 AI 让你可以跳过验证直接去建产品，但这恰恰是最危险的陷阱。
AI 让"我有一个想法"到"我有一个产品"的距离大幅压缩了——但这反而带来了一个真实的生存风险：创始人很容易跳过最重要的验证工作，直接去建东西。原本 42% 的初创企业因为"做了没人想要的东西"而倒闭，现在这个失败率只会更高。
还有三个具体的误区：
误区一：把原型当验证。 很多创始人误以为"能跑起来的原型"就是假设成立的证明。但其实不是——原型只是你在和用户对话时的一个辅助道具，真正的证据来自那些对话本身。
误区二：把早期数据当 PMF。 早期的流量和热度来自朋友、投资人的其他被投公司，或者一篇 Hacker News 的文章带来的短暂爆发，这些都不能预测第六周、第十二周之后会发生什么。
误区三：确认偏误有了"研究引擎"加持。 你让 AI 给你的想法找支持证据，它就会找；你让它给你的 TAM 估算出一个漂亮的数字，它也会。问题是，你可以比以前更快地为一个烂主意构建出一套看起来有理有据的论证，同时还觉得自己在认真做尽职调查。
2. 切入视角：手册提出了什么独特洞察？
核心观点只有一句话：创始人的角色变了，但这件事本身没有变。
在 AI 时代，创始人要做的事情没变：找到一个真实问题，做出解决它的东西，然后做大。变的是到达那里的路径。
具体来说，作者提出了一个"角色重定义"：
以前技术创始人写代码，非技术创始人跑业务。但 2026 年可用的模型和 AI Agent，已经把"能建东西的人"和"有值得建的想法的人"之间的那堵墙拆掉了。现在一个没有工程背景的人，可以建出让想法落地的生产级软件；而一个懂技术但不懂业务的创始人，也可以轻松做出 GTM 策略、财务模型和精美的 pitch deck。
最有洞见的一点是：AI 最革命性的结果，是解放了那些有领域专业知识但没有工程背景的非技术创始人。当创始人的来源扩展到工程背景之外，你就会得到由拥有截然不同生活经验的人创办的初创企业，解决那些传统技术创始人从未优先考虑（甚至从未注意到）的真实问题。
3. 关键方法：手册给出了什么具体行动框架？
手册把创业分成四个阶段，每个阶段有不同的核心任务：
第一阶段：想法期——先验证，再动手建
这个阶段的核心工作是研究、客户发现、竞争分析，以及诚实地评估反驳性证据——所有这些都要在你让 Claude Code 生成第一行生产代码之前完成。
作者给出了一个很具体的检验标准："人们在费用报销上遇到麻烦"只是一个观察。"中型企业的财务经理每周花超过四小时核对费用提交，因为他们现有的工具无法与会计软件集成"才是一个可以测试的假设。
第二阶段：MVP 期——建之前先把架构写下来
MVP 阶段有一个重要原则：从第一天起就投入持续的上下文管理，这才能让 AI 始终是倍增器而非熵的来源。跳过文档说明和架构决策的创始人，会遇到一个可预见的瓶颈——每个新会话都需要重新解释代码库，AI 生成的改动也会和最初的设想越来越偏。
具体操作是：在开始写代码之前，先让 Claude 帮你定义架构原则，然后把它存成 CLAUDE.md 文件——这是你整个项目最重要的第一个文件，所有后续会话都依赖它。CLAUDE.md 文件本质上是你项目的"持久记忆"。
第三阶段：上线期——用 agentic 工作流替代创始人的注意力
初创企业在想法和 MVP 阶段是以创始人为中心的，因为你需要全局感知和紧密的反馈循环。但在上线阶段，如果创始人还试图亲自掌控每一根线，你就会成为增长的瓶颈。目标不是让自己从公司里消失，而是建立起运营系统，把你的注意力解放出来，专注于只有创始人才能做的决策。
第四阶段：规模化期——把创始人知识变成产品护城河
你的测试套件会成为你护城河的地图——通用竞争对手在你的垂直领域里肯定会搞错的每一个边缘案例，都是你的优势。每次出现类似的边缘案例，就把它加进去。
另外还有一个数据飞轮逻辑：用户与你的产品交互时产生的行为信号（哪些输出被接受、哪些被拒绝）会持续反哺产品迭代。这些数据有时间锁定性、有上下文特异性，是竞争对手无法复制的——你根本没办法去购买数千名已经在你产品里打磨了数月工作流的用户的行为指纹。
4. 价值发现：读完之后你的认知会升级什么？
读完这本手册，你会得到三个层次的认知升级：
第一层：对"速度"的重新理解。
速度不再是瓶颈，判断力才是。瓶颈已经不是你能建什么，而是你选择建什么。这意味着快速建原型不再是竞争优势，能否在动手之前先停下来想清楚，才是真正拉开差距的地方。
第二层：对"技术债"的重新理解。
有些技术债在 MVP 阶段是合理的，但 AI 产生的技术债是复利累积的。没有文档约束，AI 每次会话都会从头推导基础决策，这些决策会漂移。最后你得到的是一个没有连贯思维模型的代码库，不是因为某一块特别糟糕，而是因为这些部分从一开始就没有被设计成能拼在一起的。
第三层：对"非技术创始人"的重新理解。
这本手册最重要的价值发现可能是这个：AI 最革命性的结果，是解放了那些有深厚领域专业知识但没有工程背景的创始人——当创始人的来源扩展到工程背景之外，才有人去解决那些传统技术创始人从未优先考虑的真实问题。
换句话说，读完这本书你会明白：现在最稀缺的资源不是会写代码的人，而是真正懂某个具体行业问题、愿意去解决它的人。这才是 AI 时代真正打开的机会窗口。
让 Claude 做了一个口语化、有细节的四维拆解：
1. 根本问题：手册戳了哪些痛点和误区？
最核心的误区只有一个：你以为 AI 让你可以跳过验证直接去建产品，但这恰恰是最危险的陷阱。
AI 让"我有一个想法"到"我有一个产品"的距离大幅压缩了——但这反而带来了一个真实的生存风险：创始人很容易跳过最重要的验证工作，直接去建东西。原本 42% 的初创企业因为"做了没人想要的东西"而倒闭，现在这个失败率只会更高。
还有三个具体的误区：
误区一：把原型当验证。 很多创始人误以为"能跑起来的原型"就是假设成立的证明。但其实不是——原型只是你在和用户对话时的一个辅助道具，真正的证据来自那些对话本身。
误区二：把早期数据当 PMF。 早期的流量和热度来自朋友、投资人的其他被投公司，或者一篇 Hacker News 的文章带来的短暂爆发，这些都不能预测第六周、第十二周之后会发生什么。
误区三：确认偏误有了"研究引擎"加持。 你让 AI 给你的想法找支持证据，它就会找；你让它给你的 TAM 估算出一个漂亮的数字，它也会。问题是，你可以比以前更快地为一个烂主意构建出一套看起来有理有据的论证，同时还觉得自己在认真做尽职调查。
2. 切入视角：手册提出了什么独特洞察？
核心观点只有一句话：创始人的角色变了，但这件事本身没有变。
在 AI 时代，创始人要做的事情没变：找到一个真实问题，做出解决它的东西，然后做大。变的是到达那里的路径。
具体来说，作者提出了一个"角色重定义"：
以前技术创始人写代码，非技术创始人跑业务。但 2026 年可用的模型和 AI Agent，已经把"能建东西的人"和"有值得建的想法的人"之间的那堵墙拆掉了。现在一个没有工程背景的人，可以建出让想法落地的生产级软件；而一个懂技术但不懂业务的创始人，也可以轻松做出 GTM 策略、财务模型和精美的 pitch deck。
最有洞见的一点是：AI 最革命性的结果，是解放了那些有领域专业知识但没有工程背景的非技术创始人。当创始人的来源扩展到工程背景之外，你就会得到由拥有截然不同生活经验的人创办的初创企业，解决那些传统技术创始人从未优先考虑（甚至从未注意到）的真实问题。
3. 关键方法：手册给出了什么具体行动框架？
手册把创业分成四个阶段，每个阶段有不同的核心任务：
第一阶段：想法期——先验证，再动手建
这个阶段的核心工作是研究、客户发现、竞争分析，以及诚实地评估反驳性证据——所有这些都要在你让 Claude Code 生成第一行生产代码之前完成。
作者给出了一个很具体的检验标准："人们在费用报销上遇到麻烦"只是一个观察。"中型企业的财务经理每周花超过四小时核对费用提交，因为他们现有的工具无法与会计软件集成"才是一个可以测试的假设。
第二阶段：MVP 期——建之前先把架构写下来
MVP 阶段有一个重要原则：从第一天起就投入持续的上下文管理，这才能让 AI 始终是倍增器而非熵的来源。跳过文档说明和架构决策的创始人，会遇到一个可预见的瓶颈——每个新会话都需要重新解释代码库，AI 生成的改动也会和最初的设想越来越偏。
具体操作是：在开始写代码之前，先让 Claude 帮你定义架构原则，然后把它存成 CLAUDE.md 文件——这是你整个项目最重要的第一个文件，所有后续会话都依赖它。CLAUDE.md 文件本质上是你项目的"持久记忆"。
第三阶段：上线期——用 agentic 工作流替代创始人的注意力
初创企业在想法和 MVP 阶段是以创始人为中心的，因为你需要全局感知和紧密的反馈循环。但在上线阶段，如果创始人还试图亲自掌控每一根线，你就会成为增长的瓶颈。目标不是让自己从公司里消失，而是建立起运营系统，把你的注意力解放出来，专注于只有创始人才能做的决策。
第四阶段：规模化期——把创始人知识变成产品护城河
你的测试套件会成为你护城河的地图——通用竞争对手在你的垂直领域里肯定会搞错的每一个边缘案例，都是你的优势。每次出现类似的边缘案例，就把它加进去。
另外还有一个数据飞轮逻辑：用户与你的产品交互时产生的行为信号（哪些输出被接受、哪些被拒绝）会持续反哺产品迭代。这些数据有时间锁定性、有上下文特异性，是竞争对手无法复制的——你根本没办法去购买数千名已经在你产品里打磨了数月工作流的用户的行为指纹。
4. 价值发现：读完之后你的认知会升级什么？
读完这本手册，你会得到三个层次的认知升级：
第一层：对"速度"的重新理解。
速度不再是瓶颈，判断力才是。瓶颈已经不是你能建什么，而是你选择建什么。这意味着快速建原型不再是竞争优势，能否在动手之前先停下来想清楚，才是真正拉开差距的地方。
第二层：对"技术债"的重新理解。
有些技术债在 MVP 阶段是合理的，但 AI 产生的技术债是复利累积的。没有文档约束，AI 每次会话都会从头推导基础决策，这些决策会漂移。最后你得到的是一个没有连贯思维模型的代码库，不是因为某一块特别糟糕，而是因为这些部分从一开始就没有被设计成能拼在一起的。
第三层：对"非技术创始人"的重新理解。
这本手册最重要的价值发现可能是这个：AI 最革命性的结果，是解放了那些有深厚领域专业知识但没有工程背景的创始人——当创始人的来源扩展到工程背景之外，才有人去解决那些传统技术创始人从未优先考虑的真实问题。
换句话说，读完这本书你会明白：现在最稀缺的资源不是会写代码的人，而是真正懂某个具体行业问题、愿意去解决它的人。这才是 AI 时代真正打开的机会窗口。
7 41
