大部分用 AI 創業的人，失敗的原因不是 AI 不夠好。

是他們以為有了 AI，就可以跳過那些「不有趣」的部分——找客戶、算單位經濟、處理退款、回覆凌晨三點的客訴。AI 讓你三天做出 MVP，然後你花三個月發現沒人想付錢。工具變快了，但商業的基本功一項都沒少。

GitHub 上有個純文件 repo 叫 ClaudeBusiness，六份 Markdown 檔案，零行程式碼。它做的事情是把「用 Claude AI 創業」這個主題拆開來看，從理論框架到社群真實數據，包括那些成功故事背後沒人提的數字。

在一堆 AI 創業雞湯文裡面，這份東西算是比較清醒的。

它在研究什麼

一個詞：Agentic Entrepreneurship——代理式創業。把 Claude AI（特別是 Claude Code）當成 AI 共同創辦人，讓它處理開發、行政、分析這些重複性高的工作，你專注在決策和交付。

聽起來像在賣夢？Repo 裡花了大量篇幅做的事情是潑冷水。

六份文件分別處理不同層面。理論框架（GSD Framework、Infinity Barrier）是第一份。模式分析是第二份——18 個社群資源歸納出來的 pattern。第三份是實務指南。第四份把 AI 從工具升級到「營運者」的角色來分析。第五份做產業趨勢。第六份最有意思——Reddit 社群情報報告，35 個以上的討論串，用語言模式分析和收入聲明可信度檢驗做了一次現實校正。

建議讀法：Framework → Patterns + Building → Reddit Report（先吞藥再看病）→ Operator + Analysis。

四種賺錢的人

Repo 從 Reddit 社群歸納出四種用 AI 創業的收入原型。

Builder-Seller 是最直覺的路線——用 Claude Code 快速做出 MVP，上 Product Hunt 賣訂閱。收入範圍 $200 到 $5,000+ MRR。進入門檻低，但留存率是殺手。三天做出來的東西，別人也三天做出來，護城河在哪裡？

Service Multiplier 是整份文件裡最被低估的模式。不做產品，不寫 SaaS，就是把你已經在做的服務——顧問、接案、甚至清潔公司——的行政端自動化。報價、排程、客戶跟進、每週報告，全部交給 AI 處理，人類只做實體交付。已經有客戶基礎的人，用這套可以把營收翻 2 到 4 倍，不用加人頭。

這是槓桿的正確用法。大部分人想的是「我要做一個新東西」，但真正的槓桿是「我把現有的事做得更快」。

Wrapper Entrepreneur 在 Claude API 上面加一層簡化介面，賣給非技術用戶。底層成本 $5 到 $10 一個月，收費 $50 到 $100。毛利很好，但你跟 Anthropic 之間只隔一層 UI，他們隨時可以自己做這個功能。

Content Arbitrageur 用 AI 量產 SEO 內容、電子書、課程。收入波動大，看流量。而且 Google 對 AI 生成內容的態度一直在變。

社群裡沒人告訴你的數字

Reddit Community Intelligence Report 是這個 repo 最值錢的部分。

方法論很有意思。它用了「語言模式分析」——統計 Reddit 討論串裡 “actually” 這個詞的出現頻率。頻率越高，表示社群對 AI 創業宣稱的懷疑程度越高。

收入聲明可信度檢驗更實用。原則是：奇數精確數字比整數更可信。聲稱月收 $3,847 的人比聲稱月收 $5,000 的人更可能是真的，因為造假的人傾向用好記的整數。

最重要的數字：經過驗證的收入中位數落在 $200 到 $2,000 美元之間。 這是副業等級，不是辭職創業的水準。

而且這還有倖存者偏差。在 Reddit 發文的是成功了願意分享的人。失敗的人不會寫一篇「我花了三個月做的 SaaS 零客戶」——他們直接消失了。所以這個 $200 到 $2,000 的中位數，是成功者裡面的中位數，不是整體的。

整體的中位數？大概率是零。

兩個值得偷的設計

GSD Framework（Get Shit Done） 本身不新——就是把大任務拆成原子化小步驟。但 repo 裡的觀點是：AI 的完成品質跟任務粒度高度相關。丟一句「幫我建一個 SaaS」，出來的東西半成品。拆成「建立登入頁面」「設定 Stripe 付款」「寫 landing page copy」，每一步的完成度都高得多。

這在軟體開發裡叫 task decomposition，不是什麼新概念。但在 AI 的語境下，粒度的影響被放大了——因為 AI 沒有你腦子裡的隱含知識，它只看得見你明確寫出來的東西。

Infinity Barrier 是安全機制：所有對外行動——發信、付款、部署——必須經過人工審核。AI 可以準備好一切，但按下「送出」的永遠是人。

為什麼這很重要？因為 autonomous agent 出錯的速度跟執行的速度一樣快。Repo 裡記錄了一個真實案例：有人讓 agent 自主操作，月底收到 $800 美元的 API 帳單。$800 不會讓你破產，但它說明了一件事——自動化放大的不只是效率，還有錯誤的成本。

技術選擇背後的邏輯

推薦的技術棧走極簡路線：Supabase（後端）、Cloudflare Pages（部署）、Vanilla JS（前端）、Stripe（付款）、Claude API。

Vanilla JS 這個選擇最反直覺。2026 年了不用 React？

理由不是效能，是讓 AI 寫得更好。Claude Code 處理原生 JavaScript 的穩定度比處理 React 或 Next.js 高。少了框架的抽象層，AI 生成的程式碼更直接、出錯更少。你選技術棧的標準不再只是「開發者偏好」，還要考慮「AI 寫這個的品質如何」。

這就像選擇寫作語言時不只看讀者偏好，還要看翻譯品質——你的「翻譯者」是 AI，選它最熟悉的語法才是理性的。

欸但是話說回來，這個建議有個前提：你的產品複雜度撐得起 Vanilla JS。小型 MVP 沒問題，但一旦前端邏輯複雜到一定程度，沒有框架的狀態管理會變成另一種技術債。AI 省下的時間可能會在後期還回來。

這份東西的限制

先講最大的一個：單次提交，無後續維護。 整個 repo 只有一個 commit，看起來沒有持續更新的計畫。AI 工具的演化速度是按月計算的，三個月前的最佳實踐可能已經過時。

沒有 LICENSE 檔案。想引用或改作，法律權利不明確。

高度聚焦 Claude 生態系——幾乎沒討論 GPT、Gemini 或其他 LLM 的對應用法。如果你用的不是 Claude，有些建議需要自己轉譯。

Veracode 的報告說 45% 的 AI 生成程式碼含有安全漏洞，repo 裡也引用了這個數據。但它沒有提供具體的安全審查流程——只說「上線前務必做安全審查」，至於怎麼做、用什麼工具，你得自己找。

帶走的認知框架

這整份 repo 的洞見可以壓成一句話：

AI 壓縮了從想法到原型的距離，但沒有消除從原型到可持續產品之間的鴻溝。

技術門檻降低了。任何人都可以用 Claude Code 在一個週末做出一個看起來很完整的 MVP。問題是，做出來以後呢？找到願意付錢的人、讓他們持續付錢、處理他們的問題、在他們離開之前解決他們的問題——這條路上，AI 幫不了你跳過任何一步。

想清楚你要建的是系統還是產品。產品有生命週期，系統有複利效應。如果你已經有一門手藝——不管是寫程式、做設計、還是經營清潔公司——AI 最大的價值不是讓你從零開始做一個新東西，而是讓你把現有的事做到不合理的效率。

那才是真正的槓桿。

參考來源：ClaudeBusiness — GitHub