# 一人公司案例：开发 5 个 APP 用到的 AI 技能

> 访谈对象：Josh Pigford（Baremetrics 前创始人，曾以 400 万美元卖掉该公司）
> 访谈者：Peter（Easonlee）
> 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 Request（PR）
- 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 Model，Josh 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