AI 能补上领域知识，产品判断还得靠人
盘盘猫这个项目做完，回头看，最难的地方全不在我一开始以为的位置。工程问题基本都有解法，真正卡住我的是语气、定价、landing page 这些事。前两篇写过为什么一个零基础的人敢做算命产品，还有技术上是怎么搭起来的。这一篇把真教训摊开讲，「一切顺利」的版本就不写了，那种没什么好写的。
盘盘猫坐在扶手椅上翻看经验笔记，周围浮着关键洞察
AI 能把领域知识补上，前提是你会提问
整个项目押的核心假设，就是 AI 能把领域知识的空白补上。这个假设是成立的。八字计算逻辑现在有 20,000 行，梦境符号做了 1,000 多个，每个都带文化语境，塔罗那边是 78 张牌各一套解读框架，生肖计算器、太岁分析引擎、流年飞星系统这些也都有，162 个领域测试全过。反正全是靠 AI research 加实现一点一点堆出来的。练八字的用户说计算是对的，熟塔罗的人说解读有深度。
但有一个大前提：你得知道在什么抽象层级上提问。头几天我基本没让 claude 写什么代码，主要是让它教我。你问「八字是怎么运作的」，拿到的就是维基百科级别的概述，没法用；你问「判断日主强弱的具体五行生克规则是什么」，拿到的才是可以直接写成代码的逻辑。
同一个 AI，问在错误的抽象层级只给维基百科级概述，问在具体规则层级才给出能写成代码的逻辑
反正就是要先把自己的心智模型建起来，建起来之后，你才问得出实现层面的问题。没有那个模型，最后做出来的就是一个花哨的计算器，看着像那么回事，其实没有深度。所以零领域知识不是问题，AI 补得上；但你自己得有好奇心，得愿意先当学生，这个 AI 替不了你。
语气这个事真的难调
PR #38 处理的是一条挺要命的用户反馈：AI 的解读太「讨好型」了。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」。但真的算命先生不这么说话，他会直接告诉你八字里有什么障碍，指出哪几个月不利，说「今年太岁正冲，这些方面要注意」。
这次修复把全部 6 个领域的 prompt 都改了一遍。健康解读从「混合分析」改成「中立偏负面」，该给的警示直接给；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。
讲道理，这是整个项目里最难做对的一件事，而且 AI 自己搞不定。语气校准需要你理解一种文化对诚实、共情、权威感的期望是什么样的，现在的模型不擅长这个，只能手动去迭代 prompt：拿用户反馈，调一版，再拿反馈，再调。踩了一圈下来我只能说，领域知识 AI 补得上，领域文化这个东西还是得靠人一点一点去调。
几个被我低估的产品决策
有几件事我是严重低估了的。
Landing page 推翻了三次。第一版暖棕加金色，走温馨亲切路线，结果用户以为是儿童应用。第二版改成干净极简，又被当成了个技术 demo。第三版干脆换成暗色奢华，深黑底、金色点缀，猫也改成神秘的神谕者形象，这一版用户的评价才变成「值得信赖」「专业」。三次重做，改的其实都是定位问题。
定价比写代码费脑子。给积分套餐起名字花的时间，比做任何一个 API endpoint 都多。最后积分叫「小鱼干」，没用 token 也没用 credits，就是为了减轻花钱的心理负担：「花 5 条小鱼干」这个动作，比直接面对一个具体的美元数字轻松得多。
邀请奖励这块也挺有意思。PR #46 把奖励从不对称的（邀请人 10 条、被邀请人 3 条）改成对称的各 5 条。用户觉得不对称那个版本是在「利用朋友换积分」，改成对称之后，分享这个动作感觉像送礼，邀请量反而上去了，跟我一开始想的不太一样。
转化漏斗是个精细活。UpgradePrompt 组件（PR #2）有 7 种触发 context，每一种对应不同的情绪时刻：算命算到一半积分用完了，跟随便逛逛枢纽页，是完全不同的两个场景。另外加了 24 小时的关闭冷却，不能让用户觉得被骚扰。
反过来讲，被我高估的是架构完美度和测试覆盖率。关键路径盖住就可以发布了，打磨的事，等找到 product-market fit 再说。
97% 的代码是 AI 写的
97% 的代码是 AI 生成的，但工作量没有少 97%，少的主要是打字，整体速度大概快 10 倍。日常的工作流程具体是这样的：
- 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 context
- Review：每一行都要看，AI 偶尔会幻觉出不存在的 API 方法，或者 import 一个不存在的包
- Prompt engineering：领域相关的 AI prompt 100% 是我手写的
- 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 通过后合并进来的地方。
AI 比人强的地方是一致性。claude 在 15 个 endpoint 上应用 createAIStreamResponse() 模式（PR #16），做得比人还统一；createRouteCostLogger 那次重构（PR #21），要在 20 个文件里做同一个改动，这种活完全是 AI 的领地。这种重复的事人做会烦，做着做着就开始犯低级错误，AI 做就没这个问题。
AI 吃力的地方，是所有需要判断用户体验的事。内容过滤器迭代了三次（从全拦截改到内联遮蔽）、语气那次大改、邀请系统重新设计，靠的都是人的产品直觉。
一个人做产品，到底是什么体验
自由这个东西是会上瘾的。不用开会，也没有站会和 Jira 这些东西，每天就是 commit 和发布，从想法到生产环境是以小时计的，sprint 这个词根本用不上。
但盲区也是真的。没人拦着你去做用户不需要的东西，也没有人问你一句「你确定吗」。什么时候该停手，一个人判断起来要难得多。landing page 重做三次就是例子：要是有团队，定位问题可能第一版就被人指出来了。
好架构的复利是真的很夸张。第一条产品线最难，做到第九条的时候，新增一条几乎就是机械操作：建一个领域知识 package，按 createAIStreamResponse() 模式加 API 路由，用共享组件库把 UI 搭起来，注册进积分、历史记录、数据分析系统，然后部署。2 月 15 日那天，一天上线了三个全新产品：起名、合婚、流年运程。基础设施不到位的话，这种事想都不用想。
共享架构底座让第一条产品线最难、第九条几乎机械化，复利累积到一天能上线三个全新产品
CI 顶的是代码审查搭档的位置。没有团队，就只能重度依赖自动化的质量门禁：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：队友手里有没 commit 的代码就不许 idle，有 TypeScript 错误就不许把任务标成完成。
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 把法律页面拆成中英文两个版本，把中国 AI 法规的合规要求补齐：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）：输入端一个严格过滤器，拦广告、政治、色情、犯罪；输出端一个宽松过滤器，专门把「广告」这一类排除掉。为什么要这么拆？因为算命内容天然就会生成「兼职」「招聘」「桑拿」这类词，粗暴的关键词过滤会大量误杀。反正面向中国用户做产品，合规就是要从第一天规划进去，别想着最后再补。
最小团队，现在是一个人加一套工具
「AI 增强开发者」这个说法我觉得不太准，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），还有每一行代码合并前的 review，都在人这边；AI 承担的是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。
人负责产品、架构、代码审查，AI 当执行引擎和领域专家，于是最小可行团队从七个人缩成一个人加一套 AI 工具
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。
