obsidian-notes/InBox/milky_milky_2636.md

title, source, date, tags, email_id

title	source	date	tags	email_id
[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	milky@4ueo.com	2026-06-10 12:28	milky bilibili notes	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 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

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 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： 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