我做 App 犯过的 10 个错误：最终让收入增长 10 倍
作者回顾独立开发 App 初期的十个错误：花六个月开发却从不营销、在流量不足时反复改定价和付费墙、误以为不断加功能就是高效工作、把转化差全归咎于漏斗、让情绪支配广告投放决策等。他强调获取流量比打磨产品更重要，建议快速构建 MVP（三天到七天）、先做获客再优化漏斗、用数据而非感觉判断广告效果。如今他的 App 估值六位数，月收入达 4 万美元。
全部文档 / 作者: Ethan
14 篇
DS Bot开源了，那Grok Bot 和 DS Bot，到底该选哪个？
文章对比了社区开源的 DS Bot（DeepSeek-Bot）与 Grok Bot 两款多角色 AI 助手。核心差异在于'动手能力'：Grok Bot 提供托管云电脑，可操作浏览器、跨网站执行任务且合盖继续运行；DS Bot 内置浏览器仅能读网页，但支持自选模型、MCP/Skills 扩展和可检查的 Markdown 记忆。文章从网页操作、模型控制权、数据与权限、成本等维度给出选购建议：不想维护、需要网页自动化选 Grok Bot；已有 API、重视控制权选 DS Bot。作者建议先用一个每周固定任务实测，再决定是否扩展。
AI Agent 工程师 12 步学习路线图：从 Demo 到企业级落地
文章指出许多人做 AI Agent 只是调用大模型 API 加上工具和 LangGraph，跑通 Demo 与企业级生产落地之间差距巨大。作者结合自身企业 AI 项目经验，将 Agent 工程师学习路线分为四个阶段：一是掌握基础，理解 Agent 工作原理；二是赋予执行能力，包括 MCP、浏览器自动化、记忆与上下文管理、沙箱与权限控制；三是安全、多 Agent 协作与人工审批，明确权限边界，防止错误放大；四是错误处理、执行轨迹评测、降级兜底与工程复盘。作者强调评测数据是判断系统优劣的关键，建议边做边学，完整交付一个项目比做十个 Demo 更有价值，真正稀缺的是能让 Agent 稳定运行的工程能力。
美团前副总杨锦方关于创业团队选人与组织的分享
作者在北大AI创新创业课听了美团前副总杨锦方关于创业选人与组织管理的分享并整理要点：1）人的杠杆远超资金杠杆，人才复利决定长期差距；2）识人是CEO核心功课，不可外包，需结构化训练与可重复验证；3）先有战略任务再建胜任力模型，切忌盲目追求抽象的优秀；4）通过记录-预测-反馈-修正闭环训练识人；5）价值观是压力下的价值排序原则，须融入招聘与管理机制；6）AI时代面对不确定性要持'强观点、弱执念'，判断扎实但保持开放心态。
2026，中国 GEO 入行：别卖“AI 第一名”，先把一单生意做明白
文章剖析中国 GEO（生成式引擎优化）行业的现状与入行路径，指出 AI 提及不等于客户成交，反对夸大宣传和造假式优化。作者区分 SEO、GEO、AEO 与私有 RAG 的差异，提醒勿拿 7 亿 AI 用户偷换市场规模。文章给出按四种交付物（诊断、资料、技术、运营）拆分报价的方法，设计四周试点流程，包括事实库、问题库、合法发布与同口径复测，并以假设案例演示 6000 元订单的真实成本核算。最后列出六个行业坑及合规边界，建议把预测转化为可检查项，守住诚实交付的底线。
朱啸虎北大演讲核心总结：AI 创业的商业本质
文章整理了朱啸虎在北大的演讲要点，共 19 条核心观点。他认为技术领先只是阶段性优势，长期竞争回归商业本质；判断创业项目要看重 3S 标准（市场规模、可规模化、可持续防御）；强调用户入口、高频业务、网络效应和留存比单纯增长更重要。关于 AI 创业，他指出最危险的是做成大厂可免费集成的功能，AI 正从 Token Maxing 转向 Value Maxing，成熟产品应隐藏模型细节，最好的机会是'旧需求×10 倍体验'。他还看好角色扮演、Coding 和视频等 AI 应用方向，以及开源获客和高价值具体任务的机器人创业。
100 天公开实验：用“三位一体模式”打穿 AI 产业链
作者提出 AI 创业的核心是 Token 供给而非 Workflow、Agent 框架等工具层技术，并发布“三位一体金字塔模式”：底层构建高并发、低成本的 Token 调度供给链；中层通过 FTE 数字员工深度改造企业业务流程，将 Token 转化为 EBITDA；顶层沉淀跨境电商、法律等垂直行业开箱即用的爆款方案。团队由北大、清华、字节等技术精英与一线操盘手组成，并获产业资源支持。文章宣布启动 100 天公开实证实验，全程透明记录实战路线、财务数据与现金流，验证该模式能否真正打通 AI 产业链并实现月入百万级变现。
GPT代充业务全开源：从0到1的纯干货指南
本文详细拆解了GPT代充业务的完整流程，包括货盘分类、定价策略、Session交付SOP、后台管理、售后质保等，旨在帮助读者从零开始搭建合规的代充服务，避免常见陷阱，实现稳定盈利。
The Frontier Design System（前沿设计系统）
作者提出一种新型设计系统理念——前沿设计系统（Frontier Design System）。它不只是 tokens 和组件的集合，而是对整个产品的活态上下文模型，涵盖组件行为、模板、流程、信息架构、本地化规则与业务逻辑。基于这一模型，设计产物（静态地图、轻量原型、数据绑定原型直至生产应用）都成为同一上下文的不同视图，弥合设计与开发之间的鸿沟。设计师的输入从具体界面变为声明意图，由 LLM 基于上下文生成原型供设计师评判迭代。该模型最适合具有稳定语法的产品（如媒体、电商、出行），挑战在于维护上下文的准确性与保留创新空间，设计师的核心工作将转向构建和维护这一产品上下文模型。
作为北大AI产品连续创业者，我眼中AI时代的商业模式
作者基于一年来的AI产品创业经历，提出AI创业的核心是token的观点。他认为AI经济的核心就是token，任何AI产品归根结底都是把token包装起来进行分销，大厂也不例外。他以coding这一已跑通盈利的业态为例，说明其成功关键在于token消耗量大，为上游token生产提供了倾销渠道。作者指出，虽无法成为token的创造者，但可以成为AI的经销商，通过打造AI产品、高效供应token来参与AI经济，这是他下一阶段创业的方向。
如何用付费广告将两款App做到年收入24万美元
作者Ethan Cajigas分享了通过付费广告将两款移动应用各做到月入2万美元的经验。核心方法包括：第一，选择已被验证的市场，找已有应用月收入超10万美元的细分领域，通过面向特定人群调整产品切入角度；第二，快速构建MVP，约一周内上线，让真实用户行为而非猜测指导迭代；第三，投放付费广告，把增长从碰运气变成可计算的数学问题。文章还解析了Meta广告算法的原理：它不是简单的定向工具，而是实时竞价中的概率预测系统，会根据投放目标持续学习。
未来 AI 的壁垒不只在模型，而在 Harness 层
文章基于 Lilian Weng 的新作，提出未来 AI 的竞争壁垒将不仅是模型本身，更是包裹模型的 Harness 层（运行系统）。文章深入探讨了 Harness Engineering 的关键要素：文件系统作为持久记忆、子代理并行架构、上下文工程（Context Engineering）从拼接转向认知接口设计，以及优化目标从指令提示词向系统级递归改进的演进。对于构建 Coding Agent 和复杂自动化系统的开发者来说，设计运行时和工作流的能力将比单纯的模型参数更为关键。
开源微信云多开方案：借鉴创意的 ToB 实现
作者受启发开发了一款 ToB 开源云微信项目，支持多开与自部署，提供 Linux 原生环境及文件音视频传输功能。作者在讨论中阐述了关于借鉴创意与影响现有产品销量的看法。
无需设计的设计：工程师如何用 Agent 框架搞定 UI/UX
文章分享了作者作为一名工程师，利用三层代理框架实现端到端设计交付的实践。第一层通过 Impeccable 等技能注入专业审美，第二层使用 Paper 或 Pencil 等画布工具构建可代码化的界面，第三层利用 Variant 和 Mobbin 提升设计品味。作者展示了如何在不成为专业设计师的情况下，通过工具链组合突破技能瓶颈，实现每周发布高质量作品。
