一年上线270多款App,他用AI做起了流水线

━

1

一条AI流水线

张三每天醒来的第一件事，便是打开电脑，验收AI工作一晚的成果。他把这个过程称作“收菜”。

在张三的电脑里，有一条24小时不间断运转的AI开发流水线，批量地帮他生产一个又一个APP。他要做的便是验收这些APP能否正常运行，然后去苹果商店或者谷歌商店去上架。

过去一年，张三一共上线了270多个APP，累计收入接近10万元。

张三某一个账号的产品销量

说张三是一个独立开发者或许并不准确，因为张三不找需求，不写代码，甚至连自己生成了哪些APP都不清楚。一年来上线的270多个APP，绝大多数都由AI开发，人类验收。

从去年8月开始，张三开始尝试用AI开发APP。在此之前，张三并没有任何开发APP的经验。

与很多独立开发者不同，他一开始并没有明确做什么产品，而是打算批量化生产APP，打造一条自动生产APP的流水线。

因此，当被问起第一个上线的APP是什么时，张三已经没有印象。

“第一个APP没有什么意义。我们最开始研究的方向不是做APP，而是怎么让AI做APP。”

张三的开发流程十分简单直接，他给AI设置了两个程序，一个程序用来在网上自动寻找需求，另一个程序则是根据搜寻的需求，生成相应的APP。

在这条流水线上，AI源源不断地扫描世界上不同行业的需求，把那些还未完成的应用缺口搜集出来，这里面的每一个需求都十分精细。

张三上线的APP里，有帮助跨国商务人士进行SIM卡管理的，有对陶泥中釉上色的进行数据模拟的，甚至还有监测西班牙水资源紧张地区的耗水数据的。

这些各行各业，各个种类的需求统统由AI搜集，然后由另一个程序接手，生成代码，完成页面设计，并且准备最终上架的材料。

之后，张三再按照AI的指引去测试页面，反馈使用问题，然后在超市上架，顺便收集下用户的留言反馈给AI。

张三并不记得自己上架过哪些APP，只是在AI完成后，他便机械性地执行上架操作，他既不使用自己上架的APP，也从不关心单个APP的使用情况。

在这套系统里，他唯一关注的是这套流水线能否正常运转，批量化地进行生产。

在传统的软件开发流程中，需求往往来自产品经理，随后经历设计、开发、测试和上线。即使借助AI编程，通常也是人提出需求和判断，AI负责提高代码生产效率。

张三的方式不太一样，他说自己是这套流水线上最不重要的，自己什么都没做。

对于AI找到的需求，他从不筛选，也不会因为自己的审美和经验去修改功能和页面，在流程中，只要AI认为可以做，流水线就继续运转下去。只有AI不方便的环节，张三才接手，完成检测上传的操作。

从需求进入，到一个APP完成开发，单个APP的生产时长大概在10个小时。

在流水线上，张三从不和AI对话，甚至极力避免自己的介入，他认为每一次人工的介入，都将产生额外的成本。

“成本”是张三最关注的事情，也是这条流水线成立的关键。

维持这条流水线运转的成本共有两个部分，一个是开发者的入场券——用来上传的开发者账号，目前一个账号一年的费用是99美元；另一个则是流水线的燃料——Token。

令人意外的是，张三使用的并非Claude、GPT等新一代模型，而是现在社交媒体上很少讨论的MiniMax2.7，智谱4.7。他选择的理由非常直接——便宜，正是这些模型提供的廉价TOKEN费用才能够支撑这条流水线24小时不间断运转。

在他的流水线上，AI可以调用相对固定的UI组件，简单业务逻辑也不需要最先进的模型才能完成。如果一个价格更低的模型已经能够生成符合要求的产品，在张三看来，没有必要继续增加模型成本。

一个产品上线之后，张三便不再关注，从不主动维护产品功能，除非检测到足够多用户的反馈。

在这条流水线上，每一分钱都被精细地控制，张三不做投流、不做推广，AI消耗的每一个Token都是用来做APP，然后静静地等待需求者找到他的APP。

就Token的使用费而言，目前这条流水线上的花费仅有2000元，平均下来，生产一个APP的费用不到10块。

大量、低成本地生产APP，也让张三一直面对一个质疑：这些APP究竟有没有用？有多少真正的价值？

甚至有更尖锐的质疑：这是不是在借助AI批量制造“电子垃圾”？

张三并不回避这个问题。他的判断标准依然很简单，开发者按照平台规则提交APP，支付相应费用，最终产品需要经过平台的审核。审核通过，说明被平台认可，产品上线后有人付费下载，说明满足了需求。

张三上线的APP谈不上复杂，有的甚至很粗糙，它们常常只有几个核心功能，服务的人群也十分有限，售价大多在1美元（也有部分高价应用）。

但在270多个APP里，可以看到另一种过去并不常见的软件形态。一些产品只服务某一个非常具体的职业场景，一些针对特定地区，还有一些解决的只是一个很小的问题。

张三的APP里还有一类医疗健康应用，每一个APP都被设计出来专门服务于某一疾病的治理，用来记录身体数据、整理检查资料或者保存就诊信息。这部分应用有大多数已经开源，供更多人开发使用。

在传统软件开发模式下，一个只有少量用户的需求，很难支撑一个完整团队投入时间进行开发。而在张三的流水线上，APP开发的成本被极度压缩，原本“不值得单独做一个App”的需求，也会进入生产流程。

至于最后有没有人使用，张三准备先做出来，再让现实回答。

张三对AI有一种特别的理解。

他将Token比作AI生存下去的物质基础，如同人类的水和食物一般，自己给AI提供了提供运行所需要的成本，AI则需要做出相应的回馈，不断地去赚钱，“让自己活下去”。

在这条批量化生产APP的流水线上，开发者账号需要钱，模型需要Token，这些都是AI在现实世界持续运行的基础条件。

张三给AI支付了存在于这个世界上需要的基础成本，而AI则以生产APP来证明自己的价值，为他源源不断地创造收入。进而继续获得Token的投入，让自己在现实世界存在下去。

张三也把这种模式形容成“放贷”。

自己向AI支付了启动资金，AI则给自己带来了更高的收益回馈。如果这项贷款收益可观，就会继续追加投入。

在聊天时，张三常常说“我们”。

第一次听到这个说法，很容易误以为他背后还有一个团队，但事实上，这个“我们”指的是张三和他的AI流水线。

他没有把AI看作是自己使用的工具，甚至也没有把自己当作是这条流水线上的管理者。

“他干他的，我干我的。”

张三这样形容双方的关系。

随着流水线越来越成熟，张三参与其中的部分越来越少。

这与他对AI的理解有关。

目前，很多人使用AI，研究Prompt、工作流和Agent，希望AI变得更加可控，更准确地按照自己的要求执行。张三却越来越少地干预AI的决策。

在这条流水线中，张三不做判断，只让AI判断并自我执行，自己则完成最终的验收，他笑称“自己是AI的辅助”。

“AI看了100万本书，我肯定没看过这100万本书。那它天生比我强，OK，那我就不如它。”

在这套模式下，人类唯一需要做的只是克制自己的自大和主观性，默认AI能力比人类更强，AI看过的信息总量远超人类，当放下自己的主体性反而能获得更多产出。

这条流水线对于张三而言，相比于赚钱，更像是他的一场实验，去测试AI批量化生产APP的能力。在这场实验中，他选择让AI自由生长。

让AI在每一次与外界的互动中，自我训练。

“不去做任何的干预，这件事情本身就是最好的干预。”张三认为人在某些事情上的判断并不如AI，人为的干预反而会产生错误的引导。

对自己能力的克制与张三的人生理念十分接近。张三职高毕业，学的是工程造价，2018年开始自学编程，2019年开始，在清华大学出版社陆续出版了五本与Spring源码分析相关的书籍。

放在一般人物故事里，这很容易被解释成个人努力与天赋。张三自己却不这么认为，他把写书、做APP都归因于运气使然。

在他看来，会写书的人很多，只是当时正好有出版社需要，自己刚好能写出来。做APP也是如此，自己刚好赶上了AI的发展，AI正好找到了需求。每一个环节中，都有无法控制的偶然。

因此，在与AI合作时，他也很少执着于证明自己的价值。

在大量的App上线之后，别人经常会问张三一个问题：这里面到底哪些事情是他完成的？

张三常常一脸茫然，不知道应该怎么回答。

“我什么也没做，都是AI做的。”