Claude Code 团队独特工作方法，以及一个年收入涨了15倍的AI 客户研究平台

本文来自微信公众号： 投资实习所 ，作者：StartupBoy，原文标题：《Claude Code 团队独特工作方法，以及一个年收入涨了 15 倍的 AI 客户研究平台》

Claude Code产品负责人Cat Wu在最近与Peter Yang的一个访谈里，分享了Claude团队的一些独特工作方法，不少理念和之前Lovable增长负责人Elena Vera分享的非常类似《Lovable融资3.3亿美金估值66亿，一个新向量数据库产品如何年收入涨了10多倍》。

相比于传统软件团队，Cat Wu说Claude Code团队的独特性在于：极少文档、极快原型、强dogfooding、持续反馈回路，以及在实际用户场景中反复验证“是否真的有用”的方法论。

没有宏伟战略，产品自己长出来

Cat Wu说，Claude Code并不是一个自上而下规划的明星项目，它的起点非常“草根”：一名叫Boris的工程师，为了更好地理解公司内部API，写了一个小工具自用。没有立项、没有OKR，甚至没有“这是个产品”的自觉。

但这个工具足够有用，于是开始在团队内部被分享、被推荐，随后扩散到更多工程团队，甚至研究、数据、产品等非工程岗位也开始使用。

所以在正式对外发布前，Claude Code已经完成了一次完整的“内部市场验证”。这是一种典型的自下而上、由真实需求驱动的病毒式增长路径。

而Cat Wu在产品的早期阶段加入，一方面把工程原型转译为清晰的用户价值，另一方面让产品路径从“工具集合”走向“工作流与场景”的稳定能力。她强调：Claude Code的根基不是“做一个新IDE”，而是“理解开发者与知识工作者在真实场景中的高频痛点”，然后把AI能力嵌进关键节点。

不写PRD，先做原型

在Claude Code团队，传统意义上的PRD几乎不存在。团队由大量“产品型工程师”构成，他们对功能拥有端到端的决策权。一个想法出现后，最优先的动作不是讨论、评审或写文档，而是直接做成原型，丢进内部dogfooding环境。

Anthropic内部有超过1000名员工在使用Claude Code，这意味着任何新功能几乎都会在第一时间收到真实反馈：是否好理解、哪里让人困惑、有没有bug、值不值得继续做。正如Cat Wu所说：

我们最好的功能，几乎都是工程师先做出来，再看大家怎么用。

当然，这并不是对流程的盲目否定。对于IDE集成这类周期长、影响大的项目，团队仍然会进行更正式的产品评审。真正的智慧在于：为大多数功能争取极致速度，只在关键节点上投入严肃成本。

产品决策机制：数据+体感的“双通道”反馈驱动

大多数团队都喜欢“好评”，而Claude Code团队恰恰相反，是负面反馈优先。为此，他们刻意搭建了两条高强度的反馈通道：

• 一是内部超过千人的高频反馈群，平均每十分钟就会出现一条有价值的意见；
• 二是与约10家企业客户深度绑定，鼓励对方“尽可能直接地吐槽”。

他们会分类归并负面反馈，把“阻塞体验的要点”排到近期迭代清单的优先级顶端。这让Claude Code形成了一个极短的迭代闭环：问题被迅速暴露、快速修复、立刻上线验证。

代码就是文档，代码库是唯一事实来源

Claude Code团队几乎不依赖Google Docs。一个功能的背景、决策过程、设计权衡，通常都存在于Pull Request、commit记录和代码本身。

当有人想了解“当初为什么要这么做”，他们不会去翻一份可能早已过期的文档，而是直接用Claude Code去查询代码库和GitHub历史。

在强大的代码理解型AI出现之后，代码本身第一次具备了“可被查询、可被解释”的能力，代码库也因此成为一种动态、始终最新的“活文档”。这是几年前的团队根本无法享受的奢侈。

忘掉两年规划，只谈未来几个月

当被问到Claude Code一到两年的愿景时，Cat Wu的回答异常克制：一两年太长了，我能聊的是未来几个月。

原因很简单——模型变化太快了。在一个底层能力每隔几个月就发生跃迁的领域，试图制定长期roadmap，往往只会让团队被自己的预测绑住。相比之下，保持高度敏捷、持续试错，反而是一种更高级的战略选择。这和Lovable的理念几乎一样：PMF不是重点，而是每3个月一次的重来。

非常认同Peter Yang的一个说法，他说在他看来，Anthropic在产品方面取得成功的原因，恰恰在于他们决定聚焦于企业级市场，特别是编程以及帮助人们完成工作。他们没有试图涉足消费市场，也没有在多模态领域与Google竞争，更没有去打造硬件设备、其它应用App或类似的东西。

另外，看了几个一直在关注的产品对过去一年的总结，发现有的增长是真快，比方说Mercor CEO Brendan说，在过去的2025年，Mercor的收入增长了4658%，也就是46倍。

Mercor之前每月付出去的费用是200万美金，现在每天就付出去这么多。其用户从21.7万涨到了现在的340万，AI的采访次数从之前的8.8万增加到了150万，人才推荐量从1198增长到了190万，可以说是真正的爆发式增长。

而另一个用AI做客户问卷调研的产品，过去一年的收入增长了15倍，它实现了规模化定性研究，而且把分析师最痛苦的“苦力活”部分全部自动化了。通过数千个同时进行的……