我完全不懂玄学，为什么去做算命平台
先交代一下背景，我完全不懂玄学。日柱是什么我不知道，天干和地支有什么区别也搞不清，我从来没算过命，没抽过塔罗，手相也完全不会看。
一只猫咪站在大厂办公楼和神秘玄学帐篷之间的岔路口
但今年一月到二月，我花 29 天做了 PanPanMao。这是一个用 AI 驱动的中国玄学平台，有 9 条产品线，就我一个人做，AI 当搭档。这篇先讲讲为什么要做它，或者说，为什么我专门挑了一个自己一点都不懂的领域。
为什么要自己完整做一个产品
其实就是想把一个产品从头到尾自己走一遍，产品设计、收用户反馈再回头改、业务决策、工程实现，全部自己来。我之前的工作，基本一直是在做别人定好的需求。我在 Airbnb 做反欺诈的 ML 系统，模型是我写的，但对业务来说什么才算「欺诈」，从来轮不到我来定。在 Apple 我优化过 Siri 端侧 ML pipeline 的推理性能，在 AWS 我给 Athena 查询引擎做过数百万次查询的扩展。这几份工作里，跟用户直接相关的产品决策我基本没碰过，连一个客户投诉都没处理过。反正就是，东西是我做出来的，但做什么从来不是我定的。
后来我去创业公司 Compute Labs 当 CTO，做的是多智能体 AI 系统，用在 GPU 基础设施融资上，还是没碰到最乱的那部分事。定价页面的文案谁来写，转化率为什么卡在 2% 到不了 4%，landing page 为什么推翻重做了三次（问题出在定位，代码本身没毛病），这些都不归我管。所以这次干脆全部自己来。
为什么挑玄学这个领域
前提是得挑一个我完全没经验的领域。要是再做开发者工具，练的还是原来那几块肌肉。中国玄学正好给了我三样东西：
- 知识空白是真的空白。 八字、星座、塔罗、解梦、手面相、六壬占卜，我一样都不懂。「AI 能不能写代码」早就不新鲜了，不值得再验证。我想验证的是，一个人对某个专业领域一点都不懂，把 AI 当成全部的知识来源，能不能做出可信、有用的产品。光八字这一块水就够深了，五行生克、天干地支、十年大运、日主性格理论，一层套一层。现在代码库里有 20,000 行八字计算逻辑，全是 AI research 出来的，懂行的八字玩家也验证过，是对的。
零知识的人把 AI 当成唯一知识源，产出被行家验证过的两万行八字逻辑
-
市场真实存在，但数字化做得很差。 用过算命服务的中文用户数以亿计，可市面上的产品，要么是塞满广告的垃圾站，要么是「输入生日吐一段话」的简单生成器。产品线多、解读又有深度的 AI 平台，还没人做过。
-
语气和准确性同等重要。 这一条后来成了整个项目最难的部分。算对这件事 AI 能搞定，难的是解读用什么语气。算命结果写得太积极，用户一眼就觉得假。反过来也不行，把不好的全写出来又太残忍。要做到「诚实但有建设性」，得手动一遍遍改 prompt 才磨得出来，AI 自己磨不出来。
算命解读的语气天平：太积极显假、太负面残忍，靠手动调 prompt 找到诚实但有建设性的平衡点
技术栈
技术选型大概过一遍，每个顺手说下理由：
- Turborepo monorepo：9 个应用共用认证、积分、AI 模型接入和 UI 组件，多加一条产品线几乎不用多花什么成本。
- Next.js（App Router）：server components 做 SEO，client components 做交互式算命解读，API routes 做 SSE 流式输出。
- Supabase：认证（含匿名用户转正式用户的合并逻辑）、Postgres 加 Row Level Security，实时订阅拿来在不同标签页之间同步积分。
- claude + gemini 多模型组合：claude 做细腻的解读，gemini flash 做高频的每日内容生成，PostHog feature flags 按端点做模型 A/B testing。
- Stripe：积分套餐分四个档位，用的是经典的「最受欢迎」锚定定价。
- TypeScript 全栈：16 个 package 共享类型，整个 monorepo 在构建时就能抓出类型错误。
29 天是怎么过的
这 29 天没有提前规划，就是一天天做下来的。大概的节奏是这样：
- 第 1-4 天：快速原型，把 5 个独立应用合进 monorepo，抽出共享的 package。
- 第 5-10 天：搭测试基础设施，做品牌和 landing page。
- 第 12-19 天：商业化，把积分经济体系搭起来，顺便把技术上最难的功能啃下来了，就是浏览器端的 ML 手面相识别。
- 第 20-29 天：里程碑冲刺，走正式 PR 流程，发了三个里程碑版本，又上线了三条产品线，把弹性流式传输的基础设施也补上了。
第一个 commit 是 2026 年 1 月 21 日提的，第一天结束时已经有 21 个了。到第 29 天，一共是 1,134 个 commit、109 个 PR，合并的 66 个 PR 每个都写了详细描述，代码量 28.4 万行。最后跑起来的有 9 条产品线、85 个 API 端点、一套积分经济系统、浏览器端手相识别、服务端流式缓冲，也做了中国 AI 法规的合规，还有一个内容过滤器，能屏蔽敏感词，又不毁用户体验。
这是系列第 1 篇。第 2 篇拆解整个技术构建过程：架构设计、最难的 bug、让高速开发成为可能的基础设施。第 3 篇讲产品和工程上的教训。
