180 万次观看，卖了 5 份周订阅。另一个 App 100 万次观看，赚了快 2 万美元。同一个 19 岁小伙子，同一种打法，结果差了 500 倍

AI 把写代码的成本降到零，接下来比的已经不是谁会写代码了

选对人群、做对产品、找对创作者，比代码能力重要十倍。

🔗 mp.weixin.qq.com

Axel 在 Reddit 已排名的帖子写了 100 条评论，每天 20 分钟，现在 ChatGPT 主动引用他的产品，AI 搜索每月带来 2% 的流量。

因为 Reddit 是 AI 助手最常引用的域名
Semrush 的数据显示，LLM 引用 Reddit 比 Wikipedia 和 YouTube 都多
ChatGPT 回答问题时，会读已有的 Reddit 帖子和评论
你在那些帖子里写有价值的评论，就等于在编辑 ChatGPT 的知识库

第一步：找到目标帖子

用 Google 搜 site:reddit.com + 你的关键词，找那些已经排在第一页的 Reddit 帖子
挑 10 个有购买意图的关键词，每个词找 10 个已排名的帖子，总共 100 个目标
整个整理过程 30 分钟搞定

只有已排名的帖子才值得花时间。没排上去的帖子，你的评论几天就消失了，AI 也读不到。

第二步：写出有价值的评论

每天花 20 分钟写 3-4 条评论，持续 30 天
每条评论 80% 的篇幅用来完整回答问题，然后把你的产品和竞品放在一起做对比
不要只推自己的东西，要像一个用过很多工具的真实用户在分享经验

主动说「这个是我做的」。Reddit 用户和 AI 都更信任声明了身份的评论。语气要跟其他评论的深度和风格匹配，别写得像广告

最重要的自检方式是发之前问自己：如果我的产品不存在，这条评论还值得发吗？如果答案是不值得，删掉重写。

第三步：理解 AI 引用的时间线

Reddit 天级抓取、Google 周级爬取、AI 月级引用。但 AI 层一旦开始引用，会持续复合增长。

老帖依然有效，Reddit 的内容不像社交媒体帖子那样会随时间衰减。2024-2025 年的帖子今天仍然在 Google 排名，AI 仍然在读。

第四步：追踪 AI 引用

最直接的判断方式是每周在 ChatGPT 和 Perplexity 里搜一遍你的目标关键词，看看你的产品有没有被提到

还有个要注意的是，别想走捷径。用机器人批量发评论、或者让 AI 代写然后批量贴，Reddit 都会秋后算账式封禁
可以让 AI 辅助创作，但是记得手写每一条评论吧。

Marc 做了个分析工具 DataFast，起初仅 4 人使用

他将其发到 Twitter 上，立下两万美元月收的目标。

经历了黑客攻击和天价数据库账单的低谷后，他在第 165 天迎来转机：一个实时访客地球功能

这颗炫酷转动的地球引来用户疯狂截图分享，带来了惊人的免费曝光

不花一分钱营销，只做值得分享的功能，他在第 512 天成功达成 2 万美元月收

现在，他已踏上百万美元年收的新征程！

🔗 mp.weixin.qq.com

一人公司，全球增长｜出海去孵化器 2026 年度见面会的完整参会指南来了，6 月 13 日北京见！

🔗 mp.weixin.qq.com

现场票已售罄，感兴趣的朋友也可以加入 出海去孵化器 会员，到时候会在群内直播，也会把录播放到会员论坛上！

今天看了一篇 Claude workflow 的长文，里面列了一堆可以自动跑的场景：
morning briefing、client report、lead qualifier、weekly review、file organizer。

其实就是给 Claude 一个固定角色，接上邮箱、日历、网页、文件这些工具，再设一个时间或者事件触发，让它到点自己产出一份东西。

比如早上 7 点，它先看你的日历和邮件，再扫一遍固定信息源，最后给你发一条今天该注意什么。

这个思路挺适合从小地方试，别一上来就搞十几个自动化，先做一个每天真的能准时跑完的 briefing

跑顺之后再扩到 follow-up、客户报告、内容复用这些场景。

大家可以想想自己每天最烦哪一个重复动作，那个大概率就适合先 workflow 掉。

技术选型逻辑变了

个人技术储备不再是第一优先级，大模型的训练数据厚度才是关键。

直接上 React 配合 Node.js 或者 Python，加上 Clerk 和 Supabase 这些极其成熟的组件，最后 Vercel 一键部署

因为 Claude Code 和 Cursor 对这套全家桶的理解最深

千万别碰小众框架，AI 写偏门语言极容易陷入幻觉

比如，如果只做桌面端老老实实用 Electron 依然最稳。

重构成本无限趋近于零

以前提倡顺手还技术债，现在代码的保质期更短了

遇到性能瓶颈直接开新窗口让 AI 结合新需求全盘重写

代码随时会被推翻的含义已经变成了 AI 帮你一键覆写。

单体架构依然最快

AI 处理单体仓库的全局上下文远比微服务连贯

接受 60分 的可用代码跑通闭环就行

很多逻辑未来可以直接被 AI Agent 工作流替代，完全不需要人工干预。

精力分配必须向分发倾斜

50/50 法则依然是生命线

但 Vibe Coding 容易让人沉迷于无阻碍构建

代码生成太快反而会把简单应用做复杂

工具太顺手的人现在更容易死在这里，必须倒逼自己把大头精力砸向分发

Pieter Levels 的 MVP 哲学依然是金科玉律，静态页面加 Stripe 链接收到钱再写代码。

去 Reddit 或者 TikTok 上跑通转化与验证，功能堆再多没人用依然是废铁

明确阶段彻底放下包袱

找 PMF 期间彻底无视架构，列出绝对不做的需求清单

独立开发者要把大厂架构师的执念全扔掉

先让产品赚到钱活下来

只要用户掏钱了，你自然有底气让 AI 把地基全部翻新

搭建成本接近 0，每周 30 条内容 2 小时内做完的 TikTok slideshow 的小型内容工厂 ，链路参考：

- TikTok 找同 niche 已经爆过的 slideshow，SnapTik 下载无水印版本
- Claude 拆 hook、视觉风格、每页 mini-hook，再一次生成 5-7 个变体
- Pinterest 补 9:16 氛围图，Node.js Canvas 按 JSON 批量叠字导出 PNG
- Postiz 只负责排期和提醒，最后从 TikTok App 手动发 Draft，少一点风控痕迹

Yucheng 将在 #出海去2026年度见面会 带来「超级个体时代的公司组织新形态」的主题分享！

Yucheng 是出海去孵化器创始人，XBoostClub 创始人，LuciusAI 联合创始人。

毕业于西北工业大学和佐治亚理工学院，长期在数据平台、ML 基础设施、生成式 AI 产品和创业社区生态中工作

6 月 13 日来北京聊 AI 时代的公司组织！

在 Cursor、Claude Code 这类 AI 交付工具把写代码的门槛完全抹平之后，Vibe Coding 成了一种常态

只管提需求、对齐逻辑和感知方向，把具体的脏活累活全丢给 AI。但这并不意味着技术选型变得不重要了，恰恰相反，它能决定你到底能跑多快！

现在选技术栈，只有两条铁律：

第一，看这个技术栈的「AI 语料质量」！

现在的取舍已经不是传统意义的「速度 vs 可维护性」了，主要看 AI 更擅长哪个。

去选那些在 GitHub 上有几百万个开源项目、在 Stack Overflow 上被讨论了十几年的老古董技术栈（比如 React、Node.js、Python 甚至 PHP）

因为 AI 读过它们无数次，对边角料 Bug 都了如指掌。你用老技术，AI 出来的代码准确率能到 90% 以上，你甚至不需要懂细节，看着终端提示一路敲回车就能把产品堆出来

如果你为了追求时髦，选了一个刚开源没多久、社区还在天天吵架构的现代前沿框架，AI 会因为缺乏语料频繁产生幻觉，最后你不得不自己一条条去查官方文档调试，Vibe Coding 瞬间变成「坐牢 Coding」！

第二，不要让 AI 帮你制造复杂的屎山架构！

AI 写单体架构（Monolith）和简单业务逻辑的效率是惊人的

但如果你在 PMF 之前，就让 AI 帮你写一套分布式的微服务，或者在前端搞一套极其复杂的跨组件状态管理，AI 的上下文窗口很快就会被你这些多余的架构细节填满

最后还有个建议 少造轮子！

把鉴权丢给 Clerk，数据和基础后端丢给 Supabase 或 Firebase，部署直接推到 Vercel。

你只要专注于营收、流失率和核心业务逻辑。在 Vibe Coding 时代，技术栈的本质已经变成了你和 AI 沟通的方言。选一门 AI 说得最溜的方言即可！

辰丰 将在 #出海去2026年度见面会 带来「品味的本质是判断力」的主题分享！

辰丰 是出海去孵化器合伙人，奇绩创坛 F25 校友，设计工程师，
曾领导和参与通用知识图谱构建和可视化、交互式数据新闻开发，
致力于打通技术与设计的隔阂，搭建理性数据与感性人文的桥梁。

6 月 13 日来北京一起提升品味！