夜雨聆风AI 降低了开发成本，但没有降低产品判断的门槛。当"能做出来"这件事变得越来越便宜，真正稀缺的是：能不能找到一个具体人群、一个具体问题、一个用户 5 秒就能看懂的核心功能。
过去我们讲做 app，总觉得这是技术团队、融资、开发周期、产品经理、设计师、后端工程师、iOS 工程师的事情。一个普通人有想法，也很难真正做出来。但 AI 把这个门槛打掉了一大块。现在一个不会写代码的人，也可以用 AI 工具做出一个能运行的 mobile app。
问题是，当"能做出来"这件事变得越来越便宜，真正重要的东西就变了。以前最大的门槛是开发。现在最大的门槛是判断。
最近看了 Greg Isenberg 对 George Lampropoulos 的一期访谈。George 今年刚 19 岁，之前在 TJ Maxx 做收银员。他的故事是从一节物理课开始的——他在 TikTok 上刷到 Rork（一个 vibe coding 平台）的广告，"Build an app in minutes"，他不信，但去试了一下。他第一个 app 叫 Fight AI，给 MMA 选手分析训练视频。做完之后他自己拍 TikTok，给一个 meme page 付 $50，第一个月赚了 $2K。
然后是 Wrestle AI——10 万多次下载，接近 20 万美元收入。他现在在 stealth 里做两个新项目，本月分别预计跑到 $15K 和 $10K，每个项目他每周只投入 3 到 4 小时。
他用的工具栈很具体：Rork 作为 vibe coding 平台，Anthropic LLM 作为底层模型，Swift 作为开发语言（他说在 Swift 上 vibe coding 比 React Native "like night and day"）。
但这期真正值得看的，不是"19 岁""收银员""20 万美元"这些故事感很强的标签，而是他背后那套很具体、可复制的产品方法论。
AI app 的机会，不在于做一个更大的产品，而在于找到一个更小、更准、更容易被分发的功能。
George 说，一个成功的 app 有三件事：一个好 idea、一个和 idea 匹配的产品、把这个 idea 分发给对的人。这句话听起来很普通，但它在 AI app 时代有新的意义。
过去做 app 成本太高，所以大多数人会本能地想做"大市场"。如果要请开发、做设计、搭后端、上架、维护，当然希望它能服务足够多人，不然经济账算不过来。但 AI 降低了开发成本之后，小众 app 第一次变得更合理了。
George 做 Wrestle AI 的时候，很多人第一反应是：摔跤选手有多少？市场会不会太小？这个能做成公司吗？但 George 直接说：
"Wrestle never needed to be a billion-dollar company."
Wrestle AI 从来不需要变成一家十亿美金公司。
它只要服务一个足够明确、足够有痛点、愿意为解决方案付费的人群，就成立了。
Fight AI 是最干净的证据。George 自己说，他自 2025 年 7 月之后就再也没有推广过 Fight AI——但这个 app 到今天每个月还稳定带来 $1K。他不需要再做任何动作，订阅就在那里。一个完全 niche 的小工具，做完不管，每月自带一千美元被动收入。
这就是 AI app 时代真正的新机会：
小众不是问题，不清楚才是问题。
过去你需要很多资本才能为一个小众群体做产品。现在你可以用 AI 快速做出第一版，用内容和达人去验证需求。所以真正的问题不是"这个市场够不够大"，而是：
这个人群有没有一个明确问题？
这个问题今天有没有人愿意付费解决？
这个功能能不能用一句话说清楚？
这个人群能不能被找到？
这个人群里的内容创作者能不能自然地展示这个产品？
如果这些答案都是清楚的，小众反而是优势。因为小众意味着你知道用户是谁，知道他们在哪里，知道他们看什么内容，也知道该找谁帮你分发。
George 对 idea 的判断很简单：
解决你自己的问题。
自己真的有热情。
一个明确问题，对应一个明确解决方案。
服务一个定义清楚的人群。
这个人群今天就愿意付费。
他做 Wrestle AI 不是因为查了一个市场报告发现摔跤 app 是蓝海，而是因为他自己就是 wrestler。他知道自己高中时最想要什么：如果能把比赛视频上传进去，app 告诉我哪里做得好、哪里做错了，这会非常有用。
很多 AI app 做失败，问题不在于 AI 不够强，而是 idea 太泛。比如：AI 健康助手、AI 学习助手、AI 育儿助手、AI 健身助手、AI 情感助手、AI 职业助手。这些听起来都很大，但用户很难立刻理解你到底解决什么问题。越大的定位，越容易变成一个普通聊天框。
真正好的切口，往往小到不能再小：
拍一张食物照片，告诉你热量。
上传一段摔跤比赛，告诉你技术反馈。
上传一段 MMA 训练，告诉你哪里要修。
输入今天的训练，生成下一步动作。
输入孩子年龄和出门场景，生成今天该带什么。
这类功能有一个共同点：用户不用听你解释十分钟，他看一下就懂。
George 自己讲了一个非常硬的反例，值得记住。
在做 Wrestle AI 的同一时期，他还在做另一个 app 叫 Green——一个 AI Rizz Dating Assistant（用 AI 帮你聊妹的工具）。他自己说他对这个 app 一点热情都没有，但他签下了一个 210 万粉丝的 TikTok creator 叫 Young Cantaloupe。他当时的想法是：他粉丝这么大，肯定会爆。数据出来后是这样的：
Wrestle AI 好 idea + 适中流量
第一个月约 100 万播放，做了 $17K 收入。
Green 烂 idea + 更高流量
第一个月 180 万播放，做了 $35 收入，5 个 weekly subscription。
播放量更高，转化几乎为零。
George 后来复盘说，不是营销不够创意，而是 idea 本身太普通——AI Rizz 类工具市场上已经有太多，没有任何独特性，用户看一眼就划走了。他做出的判断是：只做自己有热情、有 niche 的 app。 他完全砍掉了 Green。
这件事对所有人都有提醒。流量不是万能的。如果 idea 没有具体的 mission，流量只是把问题放大。好 idea + 100 万播放，比烂 idea + 200 万播放，值钱 500 倍。
George 把这种逻辑总结成一句话：
"Distribution is just distributing the idea and the mission of your product. So if you have a bad mission, it won't go far even if you get a lot of eyes on it."
分发，其实就是在分发你的 idea 和 mission。如果 mission 本身不行，再多眼睛看到也没用。
这期最重要的概念，是 George 提到的 gotcha feature。
所谓 gotcha feature，就是一个用户 3 到 5 秒就能看懂的核心功能。它必须简单到，别人看到一次演示，就立刻明白这个 app 的全部 thesis：
Cal AI：拍一张食物照片，得到热量。
Wrestle AI：上传一段摔跤比赛视频，得到哪里做对、哪里做错。
Fight AI：上传一段 MMA 训练，AI 告诉你下一步。
这些功能之所以强，不是因为它们复杂，而是因为它们一眼就懂。George 说：
"Within 3 seconds of looking at the phone displaying that, users understood without it having to be said."
3 秒钟之内，用户不需要任何解释就明白了。
George 的判断是：90% 的分发都应该围绕这个 gotcha feature 展开。 早期产品最怕的就是功能很多，却没有一个让人秒懂的动作。如果你不能在 5 秒内让用户理解"这个 app 到底帮我做什么"，分发会非常难。
而对应到 Greg Isenberg 在访谈里补的一个洞察：你不是先做产品，再想怎么推广。你是先想这个产品里有没有一个 5 秒能拍出来的 TikTok 画面，然后反推产品。
这个顺序的反转非常重要。
过去的思路
先 build，再 distribute。
AI app 时代的新思路
先想 distribution（哪个 5 秒画面会让人停下来），再反推产品里需要什么 feature 来撑住那 5 秒画面。
如果一个 idea 想不出对应的 5 秒画面，它大概率不是一个 AI app idea。它可能是一个 SaaS、一个工具、一个内容产品，但不是一个能在 Instagram Reel 或 TikTok 上跑起来的 mobile app。
George 的 UI 标准很直接：
把手机给你妈，她不看任何说明能不能用？
这是他真正的 litmus test。他会把 app 直接发给妈妈，问她："你能用这个吗？你能看出来这是干嘛的吗？" 如果妈妈反馈说"太乱了"，他就重做。他说他妈妈到现在都还不太会用 Siri，所以这是一个非常诚实的非技术用户测试。
如果你妈妈是技术从业者，那这个测试就不成立。但对大多数人来说，这是一个最便宜、最快、最不留情面的 UI sanity check。
George 的整个 build 节奏也很具体：
14 天
搭核心功能 + 品牌视觉。这个 app 到底做什么？看起来什么样？
几天
打磨 onboarding（教育用户 + 个性化体验 + 制造 FOMO）。
最后
接 RevenueCat、做后端集成。
整个产品的第一版，三到四周可以跑通。这是 vibe coding 时代真正改变的事情：你不需要 6 个月做 MVP，你只需要 3 周做第一版然后立刻用市场验证。
很多人把 app onboarding 理解成注册、填资料、选偏好、进首页。但 George 讲的 onboarding 是一个付费前的说服流程，有四个功能：
教育用户：这个产品是什么，为什么你需要它。
展示社会证明（如果有的话）。
个性化体验，让用户投入时间。
在 paywall 前制造期待。
最重要的是最后一个。George 直接讲出了背后的心理机制：
"If I go and answer 20 questions in your app, making the best experience for me, and then I'm going to get hit with a paywall, I now have like the sunken cost fallacy."
用户已经花了 20 个问题告诉你他的情况，到 paywall 时他已经心理上"投入"了——这就是沉没成本谬误。
他会想"反正都填了，先 free trial 看看吧，不喜欢就取消"。
Wrestle AI 的设计是这样：用户上传比赛视频，app 显示一个分析动画，识别动作、校准、生成评分。动画快结束的时候，paywall 出现："unlock your rating now"。
这时候用户已经产生了强烈好奇：我的分数是多少？我哪里做错了？我有进步吗？这个 paywall 不是凭空出现的，它是在用户已经投入动作、已经看到结果快出现、已经想知道答案时才出现。
用户不是为"订阅一个 app"付费。用户是为"看到属于我的结果"付费。
这种强 FOMO 设计不是所有品类都适合。教育、健康、育儿类产品如果滥用焦虑，会损害信任。但它背后的结构值得借鉴：先让用户投入一点具体信息，再让用户看到一个个性化结果即将出现，最后才提出付费。
这是 George 整套打法里最 actionable 的一段。他把 brand Instagram 账号定义成两件事的合体：对用户它是 sales funnel，对 creator 它是 social proof。
对用户 它是 sales funnel
他从某个 wrestling creator 的视频看到 Wrestle AI 的 tag，点进 Instagram。如果页面上有几个干净的产品 demo，他会再看 4 条视频，从"有点好奇"变成"已经被教育过"，再点 bio 里的 App Store 链接下载——进入 onboarding 时他已经 primed 了。
对 creator 它是 social proof
如果他收到一个品牌的 DM，点进去一看只有 2 个粉丝、没有内容、没有合作，基本不会回。但如果账号看起来专业，有 demo、有合作内容、有 collab post、有其他 creator 参与，他会觉得这个 app 不是空的。
George 的具体搭建步骤是：
先买一波粉丝（他直接提醒这有可能违反平台 TOS，自己判断）。
如果能蓝标认证就花钱搞下来。
主页上放 3 个干净的产品 demo（Fiverr 上请设计师做也行）。
写一个强 bio + 强 CTA。
每次和 creator 合作，做 collab post，让别人看到"motion"。
George 总结这两件事的杠杆作用很直接：
"It's much easier to convince someone to do something if they see that 10 other people also did it."
让一个人做某件事最简单的方法，就是让他看到 10 个别的人也在做。
而对的 influencer 杠杆有多大？他给了一个具体数字：有一个 manifestation app，单凭一个叫 Stella 的 creator 一个人，每月给这个 app 带来 30 万美元。一个 creator。一个月。
这就是为什么 brand account 要专业——因为你不是在签下一个 creator，你是在让正确的 creator 愿意签你。
这是 George 整个 outreach 系统的核心。他不去 Instagram 搜索栏里找 influencer。他做的是把自己的 For You Page（FYP）训练成 Ideal Customer Profile（ICP）的 feed。
具体操作很简单：他像目标用户那样去刷内容——只看 wrestling 视频，只点赞 wrestling 帖子，只评论 wrestling creator。算法很快开始给他推全 wrestling content。
这时候他的 feed 就变成了一个永动的 lead generation 系统：刷 → DM → 刷 → DM → 刷 → DM。
但他自己只做了几天就把这件事外包了。他给的具体建议是：
如果你有 $2000 启动金，拿 $800 雇一个 VA，专门跑这个流程。
VA 的 SOP 就一句话：刷 FYP，看到平均播放 25K+ 的 creator 就发 DM。把所有的 SOP 和 DM 模板都丢给 VA。
他还有一个非常具体的运营技巧：用 WhatsApp 管 influencer 和 VA，用普通短信留给家人朋友。 因为他一开始所有联系混在一起，结果总是错过妈妈的信息——影响家人关系不说，妈妈给的 UI 反馈他也看不到。
这种细节是这期最 actionable 的部分，可以直接照搬。
George 讲指标时，强调三个早期数据：
Conversion rate：转化率。
ARPU：每个下载带来的收入。Month 1 至少要做到 $2。
Retention：留存。
这里最有意思的是 retention 的洞察。
Wrestle AI 早期的 viral feature 是上传比赛得到技术分析。这个功能能让用户下载，但 George 发现留存很差。他做了一件事：加了一个 calorie tracking 功能。
为什么是这个？因为大部分 wrestler 都要 cut weight，热量管理是他们日常 routine 的一部分。加了 calorie tracker 之后，churn 砍半。这背后的洞察是：
Gotcha feature
负责让用户进来。
Useful feature
负责让用户留下来。
很多 AI app 失败在这里——它们有一个很炫的 demo 功能，但用户用完一次就走了，因为它没有进入用户的日常 routine。
早期产品不能只问"什么功能最容易 viral"，还要问"用户进来之后，什么功能会让他下周还打开？"
如果前者没有，产品很难获得初始流量。如果后者没有，产品只是一次性玩具。
访谈最后，Greg 问了一个很多人在问的问题：这些 AI 做出来的 app 会不会都是 AI slop？规模上去之后会不会崩？George 直接反驳了这个共识。他的原话是：
"There's no such thing as AI slop. There is though underprompted."
没有所谓的 AI slop，只有 prompt 不够。
他自己的工作方法不是"one shot 生成 app"。他用的是 Rork（vibe coding 平台）+ Anthropic + Swift 这套栈，每次都是持续 prompt、不断手动改细节、反复测试。他用了 14 天做核心功能。他强调一个区别：在 Swift 上的 vibe coding 比 React Native 强得"like night and day"——这个技术选型决定了产品质量上限。
他自己用过一些 Rork 用户做的 app。其中一个叫 Core OS 的健身工具是他每天在用的——能 track 睡眠、训练，走进健身房会自动开始计时。George 说这是他下过的最酷的健康 app 之一，而它完全是 vibe coded。
scalability 的担忧？George 说他目前还没遇到。可能因为他做的是 consumer mobile app，不是 social media 那种重数据库的产品。安全问题？他直接说他不收集任何用户敏感数据——这本身就是个产品设计决定。
AI 没有让你不需要思考。AI 让你可以把更多时间用在思考上，而不是花在工程实现上。
Greg 问 George：你觉得现在是不是 AI app 的 heyday？George 的回答非常果断：
"This is the dropshipping boom. This is the ecom boom."
这是 dropshipping 时刻。这是电商爆发时刻。
他做了一个观察：在 Twitter / X 上看起来好像人人都在 build AI app，所有人都在 vibe coding，市场感觉马上要饱和。但他说：
"You get caught up in this Twitter mind share where you're like everyone's building an app. In actuality, no one's building an app."
你被 Twitter 的回音壁骗了。看起来人人都在 build，实际上几乎没人在 build。
他给的数字：85% 的世界人口还不用 ChatGPT。他们根本不知道 vibe coding 存在。他们仍然以为做 app 需要会写代码。
George 的判断是：这个窗口期还会持续大概 3 年。最佳起步时间是今天。
这个判断对国内做 AI 产品的人也成立。我们在国内中文圈感觉 AI 应用已经很卷了，但走到普通用户群体——三四线城市、不刷 X、不看 Hacker News、不知道 Cursor 和 Replit 的人——AI 还是一个完全陌生的东西。做 AI app 的真正机会，不是抢已经知道 AI 的人，是服务还不知道 AI 能做什么的人。
这是访谈结尾最值得拎出来的判断，也是 George 自己最看重的一条。Greg 问他：还有什么是你今天没分享但很重要的？George 的回答是：
Learn how to sell.
学销售。
他讲了自己做 cold outreach 的能力是从哪里来的：16 岁的时候做 door-to-door power washing（上门高压清洗），还做 garage sales。那时候每天和陌生人面对面谈钱，谈不下来就吃不上饭。social skills 是从那里练出来的。
他举了一个例子。他最近 close 了一个希腊 creator。整个 90 分钟的电话里，他和这个 creator 90% 的时间在聊希腊（George 自己是希腊裔）。两个人聊着聊着就成了哥们。挂电话前他说："那你的播放量有点波动，咱们就定 $2 CPM 吧，别让你吃亏。" creator 已经没法拒绝他——这不是 sales pitch，这是朋友谈事。
然后他说了一句非常锋利的话：
"Vibe coding is great because the people who used to build apps didn't really have the craziest social skills."
过去做 app 的人，技术能力很强但社交能力不一定强。现在 AI 把技术能力抹平了。
所以会做销售、会做 outreach、会和陌生人建立关系的人，第一次有机会在这个游戏里跑出来。这是 AI 时代被严重低估的一条迁移：
过去稀缺的是开发能力。现在稀缺的是销售能力、社交能力、能让对的人愿意帮你的能力。
技术工程师以前在 app 这个游戏里有绝对优势。现在他们的优势被 AI 拉平了一半。下一波 winner 不一定是更强的程序员，可能是那个在 16 岁就上门给陌生人推销服务的人。
看完这期，我最大的感受不是"现在人人都可以做 app 赚钱"。这句话太轻，也太容易误导人。更准确地说，是这样：AI 让更多人可以把一个具体需求快速做成产品，但它不会帮你自动找到那个具体需求。
所以未来会出现很多小 app。很多会死掉。少数会在非常具体的人群里跑出来。它们不一定是大公司，也不一定改变世界，但它们会解决一些以前没人愿意为之开发的小问题。
这个方向对很多个人创业者、内容创作者、专业背景的人尤其重要。你未必需要做一个"AI 平台"。你可能只需要把自己最懂的一个场景，变成一个足够简单、足够清楚、足够好传播的工具。
George 整套打法可以总结成几条原则：
AI 让开发变便宜，但没有让产品判断变简单。
小众不是问题，不清楚才是问题。
流量不是万能的——bad idea + 200 万播放还是死。
Gotcha feature 必须 5 秒能被演示。先反推 TikTok，再反推产品。
妈妈用不来，UI 就得重做。
Onboarding 不是流程，是 paywall 前的心理负债。
品牌账号同时是销售漏斗和 creator 信任凭证。
Viral feature 让人进来，useful feature 让人留下。
Vibe coding 不是一击生成，是 14 天持续 prompt。
看起来 AI app 已经卷了，但实际上 85% 的人还不知道 vibe coding 是什么。
AI 抹平了开发，把销售能力变成下一个瓶颈。
如果一个 app 不能用一句话说清楚，不能用 5 秒视频演示，不能让一个具体人群觉得"这就是我的问题"，那它大概率不是一个产品，只是一个功能集合。而 AI app 时代，最不缺的就是功能集合。
真正稀缺的是：一个清楚的人群、一个清楚的问题、一个清楚的动作、一个清楚的分发场景、一个用户愿意持续回来的理由。
这也是这期最值得拿出来讲的：当 AI 让所有人都能做产品，什么才真正构成产品能力？
答案不是会不会做，而是能不能判断该做什么，以及能不能把它压缩成一个用户立刻能懂、立刻想试、之后还会回来用的系统。
Greg Isenberg —《How a TJ Maxx Cashier Built a $200K App With AI》
https://www.youtube.com/watch?v=LYomocq6Dpo
如果你关注 AI app、vibe coding、个人产品、内容分发和小众创业，这期值得完整听一遍。它真正有价值的地方，不是制造"普通人暴富"的幻觉，而是提醒我们：AI 把开发门槛打低之后，产品判断、用户理解和分发设计反而变得更重要。
我会继续记录：不是只看哪个 app 火了，而是看 AI 如何重新分配产品能力的稀缺性，以及谁能在新一轮门槛重置里跑出来。
