大多数人用 AI 编程工具，都在"vibe-coding"：
随便问问，随便改改，能跑就行。

但在 Reddit 上，有个老哥用了半年 Claude Code，独自一人把一个 10 万行的老项目重构到 30 万行，从 React 16 升级到 React 19，还把测试覆盖率从 0 拉到了可用水平。

他不是什么大厂架构师，也不是 AI 研究员。

他只是个普通的 7 年 Web 开发，但他做了一件很多人都没做的事：

把 AI 编程工具当成真正的工程问题来解决。

他的方法论很简单：
•Skills 自动激活系统 - 让 Claude 真正用上你写的技能文档
•Dev Docs 工作流 - 防止 Claude 失去上下文，忘记自己在干什么
•PM2 + Hooks 零错误机制 - 不让任何 TypeScript 错误溜走
•专业化 Agents 军团 - 代码审查、调试、规划全自动化这套系统听起来很复杂，但核心思想只有一个：

用工程化方法解决 AI 的不确定性。
下面是他的完整分享。
文章很长（原帖 8000+ 字），但每个细节都值得细读。

https://mp.weixin.qq.com/s/79rJ1U5fg40iBQ8yV-83pw

经历了一个多星期的降智后， Gemini CLI 终于在这两天，变强了——

- 命令遵循比之前好，没有动不动就失败
- 回答比以前精炼，没那么多口癖（不用浪费那么多 token 了），但也不会像 GPT-5 那样生硬，比较平衡
- 回答的准确性也有所上升，对代码的定位比之前准确
- 深入分析问题的能力似乎变强了
- 多轮任务循环也变强了

今天早上看到@玉伯 发了一个帖子讨论增长问题，我以前也是属于“把产品做好了，用户自己会来的”心态，被现实毒打后一度觉得自己应该学习一下怎么做投放。

但是回归到自己的专业上，我觉得还是可以先思考一下是不是产品设计上还有可以改进的空间让用户自发传播？

我把那些驱动用户主动分享的场景，从“用户动机”出发，归纳为了几种种主要的产品设计类型。

希望大家也可以一起来讨论一下关于产品增长的话题，向大家学习🫡

根据用户分享的动机，大致分为几类

内容驱动型分享
1. 微信读书
2. 抖音/B站

产出/创造驱动型分享（在产品内积累了自己的数据，想要输出这些数据）
1. Flomo
2. gamma

成就/炫耀驱动型分享
1. 背单词打卡（duolingo/扇贝单词）
2. 网易云年报

协作/网络效应驱动型分享（依赖于协作，需要他人一起参与）
1. Figma
2. 飞书云文档
3. 腾讯会议
4. 百度云网盘

利益/激励驱动型分享
1. 拼多多： “砍一刀”、“领现金” (这是把激励驱动用到了极致)
2. Uber/滴滴： “分享优惠券给好友，他打车立减10元，他完成后你也能获得10元券”
3. xxx：“分享产品到社媒，可以送会员”

产品就是为了帮助用户分享
1. 截图软件 ishot

李新野中文博客第一篇：人妻约会指南。英文博客第一篇：为什么 DeepSeek 诞生在量化公司😂

用suno，就会失去几乎全部作曲和编曲的快乐。

用 chatgpt 类的产品，很多时候就会失去「无知」与「悬置判断」的痛苦。

而，没有痛苦，人是无法进步的。

失去痛苦，远比失去快乐，痛苦的多。

你花费 100 个小时打一款 3A 游戏、花费 100 个小时影史前30的电影、花费 100 小时看《风骚律师》和《绝命毒师》、花费 100 小时刷小红书和抖音。

只有，刷 100 小时小红书和抖音，可以带来很多的消费，他们激发了你更多的被建模的标准欲望，然后用消费标准的商业产品来满足这个标准欲望。

大脑这坨脂肪，本来要用思考去非常费劲的去雕刻，才能不像腹部的脂肪这么丑陋。

就像审美，需要亲身用感官去体悟足够多过粗粝或精美的造物才能缓慢形成。

极端逻辑跳跃的文本 + 行活热门节奏的音乐 + 直接针对激素分泌直给的影像，组合而成的短视频，就是就是超级无敌甜的“糖”，投喂给大脑。

这起码还会知道，这玩意是甜的，内心还知道，这玩意得少吃。

而 chatgpt 类的产品，是包装在精致的健康礼盒里面的「保健品」，大脑还会觉得吃了这玩意更好。

但是其实，这是直接吃人工脂肪了。

Chatgpt 类产品的另一个灾难性的服务是，海量供给了道德正确和平庸的观点并且匹配了看似有效的论据。

而「正确」的观点，只会带来「正确」的收益。

由于社会分配原则限制，「正确」的收益就是「没有收益」。

别再听那些AI造富神话了。我们先算一笔最简单的账。

你知道Claude Code吗？每个月收费 20 美元。但背后的成本是多少？

Anthropic内部数据显示，服务一个普通用户的平均成本接近 35 美元，如果遇到一个高强度使用的开发者，成本会飙升到90美元。这意味着，在每个用户身上，每个月都在稳定地亏损。

这不是个例，这是整个生成式AI行业的普遍困境。大家都被技术革命的宏大叙事冲昏了头脑，却很少有人愿意蹲下来，仔细算一算这门生意的经济模型。

以目前的技术和商业模式，绝大多数AI应用，根本就不是一门好生意。

我们用毛利率这个核心指标来衡量。传统 SaaS 软件，卖的是信息和功能的复制权，边际成本极低，所以毛利率普遍能达到 70%到 90%。这是一家健康软件公司的生命线。

但 AI 应用呢？它们卖的不是“复制权”，而是“算力权”。

你每一次提问，每一次生成，都在消耗实打实的算力，这些算力都是要花钱买的。结果就是， AI 应用的毛利率被死死地压在 30%到 60%这个区间。

就连行业标杆 Anthropic，其毛利率也只有约55%。这个数字，在传统软件投资人眼里，几乎是不及格的。

这种成本结构导致了一个致命的悖论：用户越活跃，公司亏得越惨。

传统软件巴不得你天天用、多用。而 AI 应用最怕的就是你天天用、拼命用。

比如，某AI聊天服务每天的运营成本非常高。一个重度用户一个月就能“吃掉”公司200多美元的成本，远超他的会员费。

所以，所有 AI 应用最后都不得不走向限量供应、付费了也给你设个上限。但这无疑是在扼杀用户体验。

在这样的经济模型下，我们再来看用户数据，如ChatGPT拥有近8亿周活用户，但个人用户付费转化率不到2%。

这意味着超过绝大多数的用户，都在“白嫖”算力，属于OpenAI的负资产。如此低的付费意愿，严重挑战了其付费产品的市场价值。

当一个产品的绝大多数用户都在让你亏钱时，你的市场份额越大，你的财务黑洞就越大。

因此我们可能正处在技术炒作的顶峰，就像当年的AR一样。概念满天飞，但真正能落地、能盈利、能解决实际问题的应用寥寥无几。

那么，真正的机会到底在哪？

我觉得真正的机会藏在那些最繁琐、最重复、最需要专业知识的工作流程中。

我自己有一个判断逻辑，想要判断一个AI项目值不值得做，可以用以下法则去检验：如果把AI功能拿掉，你的产品还有没有价值？

如果答案是否定的，那它大概率就是个泡沫。一个真正能成功的AI业务，首先它的内核应该是一个优秀的传统SaaS， AI只是作为放大器存在的，而不是业务本身。