Add Milky note: [Milky] 为您整理《一人公司案例:开发5个APP 用到的AI技能》笔记 | BV1qiE56SE4c

This commit is contained in:
Zane
2026-06-10 12:28:55 +08:00
parent 294d854332
commit b38963ab6d
2 changed files with 688 additions and 0 deletions

View File

@@ -0,0 +1,345 @@
# 一人公司案例:开发 5 个 APP 用到的 AI 技能
> 访谈对象Josh PigfordBaremetrics 前创始人,曾以 400 万美元卖掉该公司)
> 访谈者PeterEasonlee
> 时长31 分钟
---
## 核心摘要
Josh Pigford 在卖掉 Baremetrics 后,选择以一人公司模式同时开发 5 款 AI 产品。他通过一套结构化的 AI 开发流程,实现了"对抗性审查"和"持续学习"机制,让 AI 能够像团队一样协作,同时保持了极低的运营成本和极高的迭代速度。他的核心理念是:**快速发布真实可用的产品,而非用着陆页收集邮箱来验证需求**。
---
## 一、Josh 的 5 款产品一览
| 产品名称 | 功能描述 | 状态 |
|---------|---------|------|
| **Proxyuser** | 合成用户测试工具,用真实浏览器自动 QA 应用,生成屏幕录制帮助快速定位 bug | 刚发布 |
| **Rumored** | LLM 幻觉检测器,监控 AI 是否错误引用品牌信息网站文案、博客内容、schema 代码等) | 周五刚发布 |
| **Reply Social** | 社交媒体统一回复管理工具,内置 Bot Block 功能,支持 Facebook、Reddit 等平台 | 早期版本已发布 |
| **Chops** | 开源 Mac 应用,用于管理和编辑 AI 技能文件 | 已开源 |
| **医疗信息管理工具** | 为母亲(晚期胰腺癌)开发的家庭沟通和文档管理工具,支持与医疗文档对话 | 上个月开发 |
---
## 二、三阶段 AI 开发流
Josh 将开发任务拆解为**研究Research→ 规划Planning→ 实施Implementation**三个独立阶段,每个阶段都有特定的指令集。这种结构化方法避免了 AI 一次性处理大规模任务时的混乱。
### 2.1 研究阶段Research
**输入**:简单的功能需求(如"为 Reply Social 添加 Bot Block 功能"
**输出**:一份研究文档,包含:
- 技术调研API 调用方式、竞品分析
- 历史代码整合:从已废弃项目中提取可复用的代码
- 高层技术方案:系统如何交互、哪些部分需要忽略、哪些需要移植
**示例**Bot Block 集成到 Reply Social
- 整合之前的 Chrome 扩展代码
- 分析需要哪些 API 调用
- 列出 pros/cons决定保留什么、忽略什么
### 2.2 规划阶段Planning
**输入**:研究文档
**输出**实施文档Implementation Document包含
- 将任务分解为多个**阶段Phase**
- 每个阶段是一个独立的 Pull RequestPR
- 每个阶段是**用户可测试的**user testable
**关键原则**
- 不要试图一次性完成所有工作,而是分成小的、可管理的 chunks
- 有时候实施文档会有 30+ 个阶段,因为 Josh 要求每个步骤都必须能亲自测试
- 每个阶段完成后会生成一个 progress 文件,记录:
- 该阶段完成的工作
- 做出的决策
- 学到的经验
### 2.3 实施阶段Implementation
**输入**:具体阶段名称(如"build phase one bot block"
**输出**
- 在独立的工作树Worktree中编写代码
- 执行深度研究:竞品调研、官方文档查阅(可能使用 Context7、UI 设计调研
- 自动运行测试(打开浏览器进行自测)
- 生成 progress 文件更新
**工作树Worktree的意义**
- 每次打开新工作树时是**完全干净的上下文**避免上下文腐化context rot
- 作为"存档点"checkpoint便于回滚
- 显著减少 AI 幻觉
- 每个阶段对应一个 shippable 的 PR
---
## 三、对抗性审查:多模型协作
### 3.1 为什么需要对抗性审查
Josh 用 Opus 做规划和初稿,但他很清楚:
> "每次启动产品都像是在问——如果没人在乎怎么办?"
即使是 25 年经验的老手AI 也会有遗漏。对抗性审查就是模拟人类团队的代码评审机制。
### 3.2 具体流程
```
Opus主要工作 → GPT-4.5(对抗性审查) → 合并 PR
```
1. **Opus** 负责:规划、第一版代码编写、整个流程的 bulk of everything
2. **GPT-4.5** 执行:审查工作树中的所有代码
3. **结果**GPT-4.5 总会发现 3~5 个 Opus 遗漏的 bug
### 3.3 Conductor 中的配置
在 Conductor 中可以设置默认的 Review ModelJosh 发现 Opus + GPT-4.5 的组合对他最有效。
### 3.4 与人类代码评审的类比
> "在典型团队中,你做 Pull Request然后有另一个开发者来审查他们总会发现点什么——比如'这不是我这么做的方式,我来演示另一种方法'。AI 只是在扮演那个角色,而不是另一个人。"
---
## 四、学习技能:防止 AI 重复犯错
### 4.1 问题的根源
AI 在每个新工作树中没有任何历史记忆,即使之前已经踩过坑、调试过很多次,它还是会犯同样的错误。
### 4.2 解决方案Learnings Skill
Josh 开发了一个**开源的 Learnings Skill**
**输入**
- 当前工作树的全部内容
- 所有会话记录
- 开发者反复说"不,这不行"的反馈
**输出**
- 提炼出有用的经验教训
- 更新项目的 `CLAUDE.md` 文件
**CLAUDE.md 的作用**
- 作为 AI 的长期记忆
- 记录项目的特殊上下文、偏好、约束
- 每次新会话时 AI 会参考这个文件
### 4.3 项目 CLAUDE.md 的内容示例
Josh 的 CLAUDE.md 包含:
- 项目名称和基本描述
- 技术栈信息Rails + Inertia + Postgres单体 repo 包含 web app 和 iOS app
- 常用命令列表
- 测试偏好(使用 Agent Browser 打开应用进行测试)
- Conductor 特有变量(如 Conductor 端口)的使用说明
- 设计最佳实践
**注意**CLAUDE.md 是 AI 自己生成的Josh 只是告诉它"这是一个大致的模板框架,请为这个项目填充具体内容"。
---
## 五、"But Seriously" 技能:施压让 AI 承认错误
### 5.1 灵感来源
Josh 发现,当开发者对 AI 足够强硬时AI 会更认真地重新审视自己的输出。
### 5.2 具体操作
在工作树完成构建后,运行一个名为 **"But Seriously"** 的技能:
**技能内容本质上是**
> "你几乎肯定搞砸了一些东西,回去重新检查一遍。"
### 5.3 效果
- 每次运行都会发现 3~5 个额外的 bug
- 与 GPT-4.5 的对抗性审查是**独立的流程**,两者叠加效果更好
### 5.4 如何迭代技能
Josh 使用自己的 Mac 应用 **Chops**开源来管理技能文件。Chops 内置了 AI 迭代功能,可以:
- 打开 Chops
- 给 AI 一些指导(如"再刻薄一点"
- AI 会自动更新整个技能文件
### 5.5 Josh 的态度
> "我平时对人很好,但如果 AI 一直出问题,我就会到达一个临界点,然后开始在输入框里打全大写字母。"
---
## 六、甩掉 Landing Page直接发布 MVP
### 6.1 Josh 的反传统观点
Josh 反对用静态页面收集邮箱来验证需求的传统做法:
> "先花几个月做东西再发布给别人用,我觉得这是非常糟糕的想法。"
他认为:
- 静态页面是"逃避发布的干扰项"
- AI 时代构建成本已大幅降低
- **应该在 24 小时甚至同一天内发布可运行的产品**
### 6.2 真实案例
- Rumored周五发布
- Proxyuser今天发布
- 医疗工具:一个月内完成
### 6.3 验证的唯一标准
> "只有真实用户的反馈和付费意愿,才能定义产品是否值得继续投入。"
---
## 七、工具栈详解
### 7.1 Conductor主要开发环境
Josh 选择 Conductor 而非 Cursor 或 Copilot 的原因:
| 功能 | 说明 |
|------|------|
| 模型切换 | 可以随时切换不同 AI 模型 |
| 工作树管理 | 自动处理每个工作树的 setup 命令 |
| 自动化设置 | 创建唯一端口、复制环境变量、设置进程 |
| 并行能力 | 可以同时运行 10 个工作树,在不同浏览器中分别打开 |
**Conductor 的 setup 命令自动执行的内容**
- 为每个工作树分配唯一端口
- 复制正确的环境变量
- 设置不同的进程
### 7.2 多模型协同
| 模型 | 用途 |
|------|------|
| **Claude Opus** | 主要工作规划、初稿、bulk of everything |
| **GPT-4.5** | 对抗性审查:发现 Opus 遗漏的 bug |
| **Context7**(可能) | 文档搜索,辅助实施阶段 |
### 7.3 Chops技能管理
- 开源 Mac 应用
- 用于管理 AI 技能文件skills
- 内置 AI 迭代功能,可以快速优化技能内容
---
## 八、设计的 AI 工作流
### 8.1 Logo 和品牌设计
- **工具**Adobe Illustrator
- **流程**Josh 亲自用钢笔工具、测试 100 种不同字体来设计
- **原因**:目前还没有找到好的 AI 替代方案
### 8.2 配色和字体选择
这部分可以用 AI 辅助:
- 测试不同字体(特别关注引号样式,因为 Rumored 的概念是"LLM 错误引用"
- 尝试不同配色方案(浅色/深色/黑白)
- 生成不同场景的预览图(头像、按钮等)
### 8.3 设计系统
设计完成后,将颜色、字体等信息传给 AI确保后续开发保持一致性。
---
## 九、GitHub 集成:接收功能请求
Josh 的开源项目(如 Clear在 GitHub 上有很多功能请求。
**工作流程**
1. Conductor 集成 GitHub
2. 查看功能请求列表(如"给 Mermaid 图添加缩放功能"
3. 附加请求到对应项目
4. AI 自动:
- 拉取 GitHub 信息
- 进行网络搜索
- 分析竞品实现
- 生成实施计划
5. Josh 审核并批准
---
## 十、ADHD 与一人多产品的平衡
### 10.1 Josh 的自我认知
> "我就像教科书式的 ADHD患者我的大脑本来就是在不同事物之间乒乓跳跃已经持续了 25 年。"
### 10.2 正面影响
- 可以"喂养更多的 beast"
- 比以前更充实
- 能够同时追踪多个产品的进展
- 不会因为只做一个产品而感到无聊
### 10.3 负面影响
- 有些日子会因为大量上下文切换而非常疲惫
- 分散注意力风险
### 10.4 Josh 的选择
> "从商业成功的角度,专注肯定更好。但我发现自己受到限制,因为我总是需要学习新东西。"
他认为:
- 长期只做一个产品7 年的 Baremetrics让他精疲力竭
- 多产品模式虽然不是最优商业策略,但让他更快乐
---
## 十一、关键经验总结
### 开发流程
1. **研究阶段**:生成技术调研文档
2. **规划阶段**:拆分为可测试的小阶段(每个阶段一个 PR
3. **实施阶段**:在独立工作树中执行,配合深度研究和自动测试
### 质量保障
4. **Opus 做初稿** → **GPT-4.5 对抗性审查** → **"But Seriously" 施压检查**
5. **每个阶段完成后运行 Learnings Skill**:更新 CLAUDE.md防止重复犯错
### 心态和原则
6. **24 小时内发布真实产品**:不要用 landing page 逃避
7. **用真实用户反馈验证**:付费意愿是唯一标准
8. **工作树即存档点**:便于回滚,减少上下文腐化
---
## 十二、开源资源
| 项目 | 说明 |
|------|------|
| **Learnings Skill** | 自动分析错误、更新 CLAUDE.md |
| **"But Seriously" Skill** | 施压让 AI 重新检查 |
| **Chops** | Mac 应用,管理技能文件 |
| **各种 Build Skills** | 研究、规划、实施阶段的指令集 |
Josh 表示他的所有个人技能都已开源,可以在他的 GitHub 上找到。
---
## 十三、观众补充(来自评论区反馈)
> (如有有价值的补充会在这里列出)
---
**附:视频中的赞助商信息**
- **WhisperFlow**:语音转文字 AI 应用,比打字快很多,可以去除填充词、自动格式化句子,适用于 Mac/Windows/iPhone/Android地址whisperflow.co使用码 Peter 可获得 6 个月免费

343
InBox/milky_milky_2636.md Normal file
View File

@@ -0,0 +1,343 @@
---
title: "[Milky] 为您整理《一人公司案例开发5个APP 用到的AI技能》笔记 | BV1qiE56SE4c"
source: "milky@4ueo.com"
date: 2026-06-10 12:28
tags: [milky, bilibili, notes]
email_id: 2636
---
Milky 为您整理了《一人公司案例开发5个APP 用到的AI技能》 | BV1qiE56SE4c 笔记。
一人公司案例:开发 5 个 APP 用到的 AI 技能
访谈对象Josh PigfordBaremetrics 前创始人,曾以 400 万美元卖掉该公司)
访谈者PeterEasonlee
时长31 分钟
核心摘要
Josh Pigford 在卖掉 Baremetrics 后,选择以一人公司模式同时开发 5 款 AI 产品。他通过一套结构化的 AI 开发流程,实现了"对抗性审查"和"持续学习"机制,让 AI 能够像团队一样协作,同时保持了极低的运营成本和极高的迭代速度。他的核心理念是:快速发布真实可用的产品,而非用着陆页收集邮箱来验证需求。
一、Josh 的 5 款产品一览
| 产品名称 | 功能描述 | 状态 |
|---------|---------|------|
| Proxyuser | 合成用户测试工具,用真实浏览器自动 QA 应用,生成屏幕录制帮助快速定位 bug | 刚发布 |
| Rumored | LLM 幻觉检测器,监控 AI 是否错误引用品牌信息网站文案、博客内容、schema 代码等) | 周五刚发布 |
| Reply Social | 社交媒体统一回复管理工具,内置 Bot Block 功能,支持 Facebook、Reddit 等平台 | 早期版本已发布 |
| Chops | 开源 Mac 应用,用于管理和编辑 AI 技能文件 | 已开源 |
| 医疗信息管理工具 | 为母亲(晚期胰腺癌)开发的家庭沟通和文档管理工具,支持与医疗文档对话 | 上个月开发 |
二、三阶段 AI 开发流
Josh 将开发任务拆解为研究Research→ 规划Planning→ 实施Implementation三个独立阶段每个阶段都有特定的指令集。这种结构化方法避免了 AI 一次性处理大规模任务时的混乱。
2.1 研究阶段Research
输入:简单的功能需求(如"为 Reply Social 添加 Bot Block 功能"
输出:一份研究文档,包含:
技术调研API 调用方式、竞品分析
历史代码整合:从已废弃项目中提取可复用的代码
高层技术方案:系统如何交互、哪些部分需要忽略、哪些需要移植
示例Bot Block 集成到 Reply Social
整合之前的 Chrome 扩展代码
分析需要哪些 API 调用
列出 pros/cons决定保留什么、忽略什么
2.2 规划阶段Planning
输入:研究文档
输出实施文档Implementation Document包含
将任务分解为多个阶段Phase
每个阶段是一个独立的 Pull RequestPR
每个阶段是用户可测试的user testable
关键原则:
不要试图一次性完成所有工作,而是分成小的、可管理的 chunks
有时候实施文档会有 30+ 个阶段,因为 Josh 要求每个步骤都必须能亲自测试
每个阶段完成后会生成一个 progress 文件,记录:
- 该阶段完成的工作
- 做出的决策
- 学到的经验
2.3 实施阶段Implementation
输入:具体阶段名称(如"build phase one bot block"
输出:
在独立的工作树Worktree中编写代码
执行深度研究:竞品调研、官方文档查阅(可能使用 Context7、UI 设计调研
自动运行测试(打开浏览器进行自测)
生成 progress 文件更新
工作树Worktree的意义
每次打开新工作树时是完全干净的上下文避免上下文腐化context rot
作为"存档点"checkpoint便于回滚
显著减少 AI 幻觉
每个阶段对应一个 shippable 的 PR
三、对抗性审查:多模型协作
3.1 为什么需要对抗性审查
Josh 用 Opus 做规划和初稿,但他很清楚:
"每次启动产品都像是在问——如果没人在乎怎么办?"
即使是 25 年经验的老手AI 也会有遗漏。对抗性审查就是模拟人类团队的代码评审机制。
3.2 具体流程
`
Opus主要工作 → GPT-4.5(对抗性审查) → 合并 PR
`
Opus 负责:规划、第一版代码编写、整个流程的 bulk of everything
GPT-4.5 执行:审查工作树中的所有代码
结果GPT-4.5 总会发现 3~5 个 Opus 遗漏的 bug
3.3 Conductor 中的配置
在 Conductor 中可以设置默认的 Review ModelJosh 发现 Opus + GPT-4.5 的组合对他最有效。
3.4 与人类代码评审的类比
"在典型团队中,你做 Pull Request然后有另一个开发者来审查他们总会发现点什么——比如'这不是我这么做的方式,我来演示另一种方法'。AI 只是在扮演那个角色,而不是另一个人。"
四、学习技能:防止 AI 重复犯错
4.1 问题的根源
AI 在每个新工作树中没有任何历史记忆,即使之前已经踩过坑、调试过很多次,它还是会犯同样的错误。
4.2 解决方案Learnings Skill
Josh 开发了一个开源的 Learnings Skill
输入:
当前工作树的全部内容
所有会话记录
开发者反复说"不,这不行"的反馈
输出:
提炼出有用的经验教训
更新项目的 CLAUDE.md 文件
CLAUDE.md 的作用:
作为 AI 的长期记忆
记录项目的特殊上下文、偏好、约束
每次新会话时 AI 会参考这个文件
4.3 项目 CLAUDE.md 的内容示例
Josh 的 CLAUDE.md 包含:
项目名称和基本描述
技术栈信息Rails + Inertia + Postgres单体 repo 包含 web app 和 iOS app
常用命令列表
测试偏好(使用 Agent Browser 打开应用进行测试)
Conductor 特有变量(如 Conductor 端口)的使用说明
设计最佳实践
注意CLAUDE.md 是 AI 自己生成的Josh 只是告诉它"这是一个大致的模板框架,请为这个项目填充具体内容"。
五、"But Seriously" 技能:施压让 AI 承认错误
5.1 灵感来源
Josh 发现,当开发者对 AI 足够强硬时AI 会更认真地重新审视自己的输出。
5.2 具体操作
在工作树完成构建后,运行一个名为 "But Seriously" 的技能:
技能内容本质上是:
"你几乎肯定搞砸了一些东西,回去重新检查一遍。"
5.3 效果
每次运行都会发现 3~5 个额外的 bug
与 GPT-4.5 的对抗性审查是独立的流程,两者叠加效果更好
5.4 如何迭代技能
Josh 使用自己的 Mac 应用 Chops开源来管理技能文件。Chops 内置了 AI 迭代功能,可以:
打开 Chops
给 AI 一些指导(如"再刻薄一点"
AI 会自动更新整个技能文件
5.5 Josh 的态度
"我平时对人很好,但如果 AI 一直出问题,我就会到达一个临界点,然后开始在输入框里打全大写字母。"
六、甩掉 Landing Page直接发布 MVP
6.1 Josh 的反传统观点
Josh 反对用静态页面收集邮箱来验证需求的传统做法:
"先花几个月做东西再发布给别人用,我觉得这是非常糟糕的想法。"
他认为:
静态页面是"逃避发布的干扰项"
AI 时代构建成本已大幅降低
应该在 24 小时甚至同一天内发布可运行的产品
6.2 真实案例
Rumored周五发布
Proxyuser今天发布
医疗工具:一个月内完成
6.3 验证的唯一标准
"只有真实用户的反馈和付费意愿,才能定义产品是否值得继续投入。"
七、工具栈详解
7.1 Conductor主要开发环境
Josh 选择 Conductor 而非 Cursor 或 Copilot 的原因:
| 功能 | 说明 |
|------|------|
| 模型切换 | 可以随时切换不同 AI 模型 |
| 工作树管理 | 自动处理每个工作树的 setup 命令 |
| 自动化设置 | 创建唯一端口、复制环境变量、设置进程 |
| 并行能力 | 可以同时运行 10 个工作树,在不同浏览器中分别打开 |
Conductor 的 setup 命令自动执行的内容:
为每个工作树分配唯一端口
复制正确的环境变量
设置不同的进程
7.2 多模型协同
| 模型 | 用途 |
|------|------|
| Claude Opus | 主要工作规划、初稿、bulk of everything |
| GPT-4.5 | 对抗性审查:发现 Opus 遗漏的 bug |
| Context7可能 | 文档搜索,辅助实施阶段 |
7.3 Chops技能管理
开源 Mac 应用
用于管理 AI 技能文件skills
内置 AI 迭代功能,可以快速优化技能内容
八、设计的 AI 工作流
8.1 Logo 和品牌设计
工具Adobe Illustrator
流程Josh 亲自用钢笔工具、测试 100 种不同字体来设计
原因:目前还没有找到好的 AI 替代方案
8.2 配色和字体选择
这部分可以用 AI 辅助:
测试不同字体(特别关注引号样式,因为 Rumored 的概念是"LLM 错误引用"
尝试不同配色方案(浅色/深色/黑白)
生成不同场景的预览图(头像、按钮等)
8.3 设计系统
设计完成后,将颜色、字体等信息传给 AI确保后续开发保持一致性。
九、GitHub 集成:接收功能请求
Josh 的开源项目(如 Clear在 GitHub 上有很多功能请求。
工作流程:
Conductor 集成 GitHub
查看功能请求列表(如"给 Mermaid 图添加缩放功能"
附加请求到对应项目
AI 自动:
- 拉取 GitHub 信息
- 进行网络搜索
- 分析竞品实现
- 生成实施计划
Josh 审核并批准
十、ADHD 与一人多产品的平衡
10.1 Josh 的自我认知
"我就像教科书式的 ADHD患者我的大脑本来就是在不同事物之间乒乓跳跃已经持续了 25 年。"
10.2 正面影响
可以"喂养更多的 beast"
比以前更充实
能够同时追踪多个产品的进展
不会因为只做一个产品而感到无聊
10.3 负面影响
有些日子会因为大量上下文切换而非常疲惫
分散注意力风险
10.4 Josh 的选择
"从商业成功的角度,专注肯定更好。但我发现自己受到限制,因为我总是需要学习新东西。"
他认为:
长期只做一个产品7 年的 Baremetrics让他精疲力竭
多产品模式虽然不是最优商业策略,但让他更快乐
十一、关键经验总结
开发流程
研究阶段:生成技术调研文档
规划阶段:拆分为可测试的小阶段(每个阶段一个 PR
实施阶段:在独立工作树中执行,配合深度研究和自动测试
质量保障
Opus 做初稿 → GPT-4.5 对抗性审查 → "But Seriously" 施压检查
每个阶段完成后运行 Learnings Skill更新 CLAUDE.md防止重复犯错
心态和原则
24 小时内发布真实产品:不要用 landing page 逃避
用真实用户反馈验证:付费意愿是唯一标准
工作树即存档点:便于回滚,减少上下文腐化
十二、开源资源
| 项目 | 说明 |
|------|------|
| Learnings Skill | 自动分析错误、更新 CLAUDE.md |
| "But Seriously" Skill | 施压让 AI 重新检查 |
| Chops | Mac 应用,管理技能文件 |
| 各种 Build Skills | 研究、规划、实施阶段的指令集 |
Josh 表示他的所有个人技能都已开源,可以在他的 GitHub 上找到。
十三、观众补充(来自评论区反馈)
(如有有价值的补充会在这里列出)
附:视频中的赞助商信息
WhisperFlow语音转文字 AI 应用,比打字快很多,可以去除填充词、自动格式化句子,适用于 Mac/Windows/iPhone/Android地址whisperflow.co使用码 Peter 可获得 6 个月免费
──────────────────────────────
Generated by MilkyAi@Bilibili: https://space.bilibili.com/3461574540921489