一个人做了 9 个产品的教训
盘盘猫坐在扶手椅上翻看经验笔记，周围浮着关键洞察
现在说说真实教训。不是"一切都很顺利"的版本。
AI能填平知识鸿沟——但你得会问问题
核心假设：AI能完全弥合领域知识的空白吗？
能。但有个前提，这个前提改变一切。
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。生肖计算器、太岁分析引擎、流年飞星系统，配有162个通过的领域测试。全部通过AI研究和实现。练八字的用户说计算是对的。熟悉塔罗的人说解读有深度。
但前提来了：你得知道怎么在正确的抽象层级上提问。
头几天我做的事不是让Claude写代码，是让它教我。问"八字怎么运作"只会得到维基百科级别的概述。但问"判断日主强弱的具体五行生克规则是什么"——这才能得到可以实现的逻辑。
心智模型建立之后，才能问出实现层面的问题。没有那个模型，只会做出一个花哨的计算器，没有真正的深度。
零知识可以。零好奇心不行。
语气问题比任何工程问题都难
PR #38的故事。用户反馈：AI解读太"讨好型"。
什么都是正面的。每次都说你会成功。健康永远没问题。感情永远有希望。
但你想想，真正的算命先生是这样说话的吗？他们会告诉你八字里有什么障碍，会指出不利的月份，会说"今年太岁正冲——这些方面要注意。"
修复需要改全部6个领域的prompt。健康解读从"混合分析"改成"中立偏负面"，直接给健康警示。负面指标从委婉的（"诚恳指出"）变成直接的（凶/不利），后面跟化解方案。
这是整个项目里最难做对的事。
AI搞不定这个。语气校准需要理解关于诚实、共情和权威感的文化期望——当前AI模型还不擅长这种事。我只能手动迭代prompt，拿用户反馈，调整，再来。
AI擅长领域知识，但不擅长领域文化。 这是我踩出来的结论。
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。 第一版暖棕色/金色——温馨亲切。用户以为是儿童应用。第二版干净极简。用户以为是技术demo。第三版暗色奢华——深黑底、金色点缀、猫变成神秘的神谕者。
用户说"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。
定价比写代码更费脑子。 积分套餐命名上花的时间比任何一个API端点都多。把积分叫"小鱼干"不叫"tokens"或"credits"，是个减轻消费心理负担的产品决策。人们更容易"花5条小鱼干"，不容易直接面对一个具体的美元金额。
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（各5条）。用户觉得不对称是在"利用朋友换积分"。对称让分享感觉像送礼物。邀请量反而上去了。
转化漏斗是个精细活。 UpgradePrompt组件（PR #2）有7种上下文触发，每种针对不同的情感时刻——算命中途积分耗尽跟浏览枢纽页是完全不同的场景。加上24小时关闭冷却，不能让用户觉得被骚扰。
那什么东西我高估了？架构完美度和测试覆盖率。覆盖关键路径然后发布就够了。打磨的事等找到product-market fit再说。
AI编程是真的，但跟你想的不一样
97%的代码是AI生成的。但这不等于少了97%的工作量。
少的是97%的打字量。速度大概快了10倍。
我的日常工作流：
-
架构设计 — 决定做什么，怎么融入现有系统
-
Prompt — 向Claude Code描述功能，给足够的现有模式上下文
-
Review — 每一行都看。AI应用模式比我更一致，但偶尔会幻觉出不存在的API方法或import不存在的包
-
Prompt engineering — 领域相关的AI prompt是100%手工活
-
测试 — 验证AI没想到的边界情况
-
纠偏 — AI走偏时拉回来
git历史里散落的claude/和codex/分支就是AI agent提出变更、由我review后合并的地方。
AI比我强的地方：一致性。Claude在15个端点上应用createAIStreamResponse()模式（PR #16）比我做得更统一。人做重复的事会厌倦、会犯低级错误，AI不会。createRouteCostLogger重构（PR #21）涉及20个文件的相同改动——完美的AI领地。
AI吃力的地方：任何需要判断用户体验的事。内容过滤器的三次迭代（从全部拦截到内联遮蔽）、语气大改、邀请系统重设计——这些需要人的产品直觉。
一个人做产品的真相
自由令人上瘾。 没有会议，没有站会，没有Jira。只有commit然后发布。从想法到生产环境，以小时计，不是sprint周期。
但盲区是真实的。 没人在你做用户不需要的东西时拦你。没人问"你确定吗？"
知道什么时候该停下来，独自一人时更难。Landing page重做了三次——有团队的话，第一次就能发现定位问题了。
好架构的复利效应惊人。 第一个产品线很难。到第九个，新增一个几乎机械化。
创建领域知识package，按createAIStreamResponse()模式加API路由，用共享组件库构建UI，注册到积分/历史记录/数据分析系统，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）。只有基础设施足够好才能做到这种事。
CI是你的代码审查搭档。 没有团队时，我重度依赖自动化质量门禁。TypeScript strict mode。2,021个测试。每个PR跑GitHub Actions。
引入Claude Code的agent team时，我加了hooks阻止队友在有未commit代码时idle，以及在有TypeScript错误时阻止任务完成。
中国市场合规是个大活
PR #83把法律页面分成中英文版本，加入了中国AI法规合规：生成式AI暂行办法、深度合成规定、算法推荐规定。加上PIPL跨境传输、敏感个人信息同意、自动化决策透明度、数据泄露应急流程。
内容过滤器需要双重架构（PR #104）：严格的输入过滤器处理广告+政治+色情+犯罪，宽松的输出过滤器排除"广告"类别——算命天然会生成兼职、招聘、桑拿这类词，粗暴的关键词过滤会误杀。
面向中国用户做产品：从一开始就规划好合规。别等到最后补。
最后说一件事
Solo AI增强开发者的时代到了。
但"AI增强"这个说法不太对。它暗示AI只是辅助。实际发生的事情是角色分工：
-
我是产品经理（100%人工：定位、定价、语气、转化设计）
-
我是架构师（90%人工：系统设计、package边界、数据模型）
-
我是代码审查者（100%人工：每行代码在合并前都review）
-
AI是执行引擎（95% AI：写代码、应用模式、机械化重构）
-
AI是领域专家（100% AI：算命知识、计算逻辑、文化语境）
一个多产品平台的最小可行团队，已经从"5个工程师、1个PM、1个设计师"坍缩为"1个有品味的工程师加上AI工具"。
未来脱颖而出的工程师不是打字最快的人，而是架构做得最好、review最严格、问题问得最犀利的人。
PanPanMao已上线：panpanmao.ai。1,134个commit，109个PR，9个产品线。我到现在还是看不懂手相。