一个人做了 9 个产品的教训
盘盘猫这个项目做下来，最难的部分全不在预想的位置：工程问题基本都有解法，真正卡人的是语气、定价、landing page 这些事。为什么一个零基础的人敢做算命产品，技术上是怎么搭起来的，前两篇都写过了。这一篇摊开讲真教训，"一切顺利"的版本就不写了。
盘盘猫坐在扶手椅上翻看经验笔记，周围浮着关键洞察
AI 能填平知识鸿沟，前提是会提问
整个项目押的核心假设，是 AI 能弥合领域知识的空白。这个假设成立了：代码库里有 20,000 行八字计算逻辑、1,000 多个带文化语境的梦境符号、78 张塔罗牌的详细解读框架，还有生肖计算器、太岁分析引擎、流年飞星系统，162 个领域测试全部通过，这些全是靠 AI 研究和实现的。练八字的用户说计算是对的，熟塔罗的人说解读有深度。
但有个前提：得知道怎么在正确的抽象层级上提问。头几天干的主要不是让 Claude 写代码，是让它教我。问"八字是怎么运作的"，只能得到维基百科级别的概述；问"判断日主强弱的具体五行生克规则是什么"，才能拿到可以直接实现的逻辑。
心智模型建立起来之后，才问得出实现层面的问题。没有那个模型，最后只会做出一个花哨的计算器，没有真深度。零知识可以接受，零好奇心不行。
语气问题比任何工程问题都难
PR #38 处理的是一条很要命的用户反馈：AI 的解读太"讨好型"。所有解读都往正面说，连健康、感情这种该给警示的地方，也永远是"没问题""有希望"。真的算命先生不这么说话，他会告诉你八字里有什么障碍，指出不利的月份，说"今年太岁正冲，这些方面要注意"。
这次修复改了全部 6 个领域的 prompt。健康解读从"混合分析"改成"中立偏负面"，该给的健康警示直接给。负面指标从委婉的"诚恳指出"改成直接写"凶""不利"，后面跟上化解方案。
这是整个项目里最难做对的一件事，AI 自己搞不定。语气校准需要理解一种文化对诚实、共情和权威感的期望，现在的模型不擅长这个，只能手动迭代 prompt：拿用户反馈，调整，再来一轮。踩了一圈下来的结论是，领域知识 AI 补得上，领域文化得靠人一点点调。
产品决策比工程决策难得多
有几件事我严重低估了。
Landing page 推翻了三次。第一版暖棕加金色，走温馨亲切路线，用户以为是儿童应用；第二版干净极简，用户以为是技术 demo；第三版换成暗色奢华，深黑底、金色点缀，猫变成神秘的神谕者，用户的评价这才变成"值得信赖"和"专业"。三次重设计解决的不是代码问题，是定位问题。
定价比写代码费脑子。给积分套餐起名花的时间，比做任何一个 API 端点都多。积分起名叫"小鱼干"，没用 "tokens" 或 "credits"，为的是减轻消费的心理负担："花 5 条小鱼干"这个动作，比直接面对一个具体的美元金额轻松得多。
邀请奖励的设计跟直觉相反。PR #46 把奖励从不对称（邀请人 10 条、被邀请人 3 条）改成对称的各 5 条。用户觉得不对称的版本是在"利用朋友换积分"，改成对称之后，分享感觉像送礼，邀请量反而上去了。
转化漏斗是精细活。UpgradePrompt 组件（PR #2）有 7 种上下文触发，每种对应不同的情绪时刻：算命算到一半积分耗尽，和随便逛逛枢纽页，是完全不同的场景。另外加了 24 小时关闭冷却，不能让用户觉得被骚扰。
反过来，被我高估的是架构完美度和测试覆盖率。覆盖住关键路径就可以发布，打磨的事，等找到 product-market fit 再说。
AI 写了 97% 的代码，省掉的只是打字
97% 的代码由 AI 生成，不等于工作量少了 97%。省掉的是 97% 的打字量，整体速度大概快 10 倍。日常工作流是这样的：
- 架构设计：决定做什么，以及怎么融入现有系统
- Prompt：向 Claude Code 描述功能，给足现有模式的上下文
- Review：每一行都看，AI 偶尔会幻觉出不存在的 API 方法，或者 import 不存在的包
- Prompt engineering：领域相关的 AI prompt 100% 手工写
- 测试：验证 AI 没想到的边界情况
- 纠偏：AI 走偏了就拉回来
git 历史里散落着 claude/ 和 codex/ 分支，那是 AI agent 提交变更、review 通过后合并的地方。
AI 比人强的地方是一致性。Claude 在 15 个端点上应用 createAIStreamResponse() 模式（PR #16），比人做得更统一；createRouteCostLogger 重构（PR #21）要在 20 个文件里做相同的改动，这种活完全是 AI 的领地。人做重复的事会厌倦、会犯低级错误，AI 不会。
AI 吃力的地方，是任何需要判断用户体验的事。内容过滤器的三次迭代（从全拦截到内联遮蔽）、语气大改、邀请系统重设计，靠的都是人的产品直觉。
一个人做产品的真实模样
自由是会上瘾的。没会议、没站会、没 Jira，只有 commit 和发布，从想法到生产环境以小时计，sprint 这个词根本用不上。
但盲区也是真实的。没人拦着你做用户不需要的东西，也没人问一句"你确定吗"。什么时候该停手，一个人判断起来更难，landing page 重做三次就是例子：有团队的话，定位问题可能第一版就被指出来了。
好架构的复利效应很惊人。第一条产品线最难，做到第九条，新增一条几乎是机械化操作：创建领域知识 package，按 createAIStreamResponse() 模式加 API 路由，用共享组件库搭 UI，注册积分、历史记录、数据分析系统，然后部署。2 月 15 日一天上线了三个全新产品：起名、合婚、流年运程。基础设施不够好的话，这种事想都不用想。
CI 顶上了代码审查搭档的位置。没有团队，就重度依赖自动化质量门禁：TypeScript strict mode，2,021 个测试，每个 PR 都跑 GitHub Actions。后来引入 Claude Code 的 agent team，又加了 hooks：队友手里有未 commit 的代码就不许 idle，有 TypeScript 错误就不许把任务标记成完成。
合规要从第一天就规划进去
中国市场的合规是个大活。PR #83 把法律页面分成中英文两个版本，补上中国 AI 法规的合规要求：生成式 AI 暂行办法、深度合成规定、算法推荐规定，外加 PIPL 的跨境传输、敏感个人信息同意、自动化决策透明度和数据泄露应急流程。
内容过滤器做成了双重架构（PR #104）：输入端用严格过滤器，拦广告、政治、色情、犯罪；输出端用宽松过滤器，专门把"广告"类别排除掉。算命内容天然会生成"兼职""招聘""桑拿"这类词，粗暴的关键词过滤会大量误杀。面向中国用户做产品，合规从一开始就要规划进去，别等最后再补。
最小可行团队缩成了一个人加一套工具
"AI 增强开发者"这个说法不太准，听上去 AI 只是个辅助。盘盘猫跑下来，分工其实很清楚：产品经理的活（定位、定价、语气、转化设计）、架构师的活（系统设计、package 边界、数据模型）、每行代码合并前的 review，都在人这边；AI 承担执行引擎和领域专家两个角色，写代码、应用模式、做机械化重构，再加上供给算命知识、计算逻辑和文化语境。
照这个分工，做一个多产品平台的最小可行团队，从"5 个工程师、1 个 PM、1 个设计师"缩成了 1 个有品味的工程师，加一套 AI 工具。盘盘猫就是这个配置跑出来的一个完整样本。
PanPanMao 已上线：panpanmao.ai。1,134 个 commit，109 个 PR，9 个产品线。到现在还是看不懂手相。