先说结论：4 月 18 号立项，4 月 22 号上线，付费用户开始接入了。我自己都没想到这么快。
做的是一个叫 PostSpark 的小工具——给独立开发者用的"AI 产品发布文案生成器"。输入你的产品链接，AI 自动分析、抓取竞品、生成 6 个平台（Twitter、Product Hunt、Reddit、Hacker News、LinkedIN、小红书）的中英文发布文案。原本计划 3 周做完，结果 Context7 + Claude Code 组合拳下来，4 天上线。算下来 节省了 75% 的开发时间，按我时薪 800 块算，相当于省了 5.6 万。
这篇文章我会把整个流程拆开讲——从立项决策、技术选型、Prompt 工程、踩坑实录到上线后的真实数据，全部透明复盘。
一、立项：4 月 18 号早上那个决定
我之所以决定做这个，源于一次糟糕的发布体验。3 月底我自己另一个工具上线，光写 Product Hunt 文案就折腾了 4 个小时，发布到 Twitter 又是 1 小时，Reddit 还要根据每个 subreddit 的风格重写一遍……一周下来发完所有平台，整个人都麻了。
当时我就想：这事儿 AI 肯定能干，但市面上的工具要么是英文 only（Copy.ai、Hemingway），要么是营销味太重（不懂开发者语境），要么价格离谱（月费 99 刀起步）。我作为一个开发者，我需要的不是"通用 AI 写作"，是"懂开发者产品语境的 AI 文案"。
4 月 18 号早上 8 点，我在咖啡馆做了一份 1 页纸的 PRD：
- 输入：产品 URL（可选附加产品描述）
- 处理：爬取产品页 + 竞品 + 平台风格样本
- 输出：6 个平台的发布文案，每条 ≤ 280 字（中英文按平台自动适配）
- 变现：免费 3 次/天，Pro 9 刀/月不限次
技术栈当时心里已经有数：
- 前端：Next.js 15 + Tailwind + shadcn/ui（这个我熟）
- 后端：Next.js API Routes（不需要单独后端）
- 数据库：Postgres（Neon 免费版够用）
- AI：Claude 4 Sonnet（API 价便宜 + 中文能力强）
- 爬取：Playwright（自己跑，不依赖第三方）
- 部署：Vercel（自动 CI/CD）
原计划：2 周后端 + 1 周前端 = 3 周。
二、技术选型：为什么我赌 Context7 + Claude Code
这个项目最大的赌注，是我决定 完全用 AI Agent 来写代码——不是我坐在那写代码，AI 帮忙 debug；而是我给 AI 下指令，AI 自己写、自己测、自己改。
这个赌注如果输了，后果很严重：3 周过去啥也没产出，机会成本 4 万+。所以我做了几个关键调研：
- Claude Code vs Cursor：Cursor 适合"边敲边改"，Agent 模式还不够独立。Claude Code 是纯 Agent 形态，更适合"我描述需求，它出代码"。
- Context7 是不是真的有用：我拿 Next.js 15 的 App Router 做了个测试——同样让 AI 写一个带 streaming 的 Server Action，不开 Context7 时 AI 给的是 Next.js 14 的写法（手动 SSE），开了 Context7 直接给出 15 推荐的
useChathook。一次过，不用改。 - MCP 工具链稳不稳定：我在 GitHub 上 follow 了 7 个 MCP 项目的 issue tracker，发现 Context7、GitHub、Filesystem 三个官方维护的项目，issue 响应都在 24 小时内，比很多 SaaS 产品还靠谱。
调研结果让我决定赌一把。4 月 18 号下午，我就开始了。
三、Day 1：搭骨架 + 跑通核心链路
目标：搭出 Next.js 项目骨架，实现"输入 URL → 爬取 → AI 改写"最小链路。
3.1 第一步：用 Claude Code 起项目
在空目录下，我直接对 Claude Code 说：
"新建一个 Next.js 15 项目，App Router + TypeScript + Tailwind + shadcn/ui。项目名 postspark，目录结构按 feature 组织，不要按 type 组织。给我一份 README 说明技术选型理由。"
Claude Code 大概跑了 3 分钟，生成了一个完整的 Next.js 15 项目骨架，包括：
- package.json（依赖都是最新版，没有已废弃的包）
- tailwind.config.ts + globals.css（Tailwind 4 配置）
- app/ 目录结构（已分好 route groups）
- components.json（shadcn/ui 配置）
- README.md（包含技术选型说明和 dev 命令）
我手动 pnpm install && pnpm dev 验证项目能起来，第一次过。以前我手动起 Next.js 项目，光是纠结 App Router 还是 Pages Router、是否启用 Turbopack 就要折腾半小时。
3.2 第二步：装 MCP 工具
在 Claude Code 的 ~/.claude.json 里配置：
{
"mcpServers": {
"context7": {
"command": "npx",
"args": ["-y", "@upstash/context7-mcp"]
},
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/chen/Projects/postspark"]
},
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": { "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_..." }
},
"playwright": {
"command": "npx",
"args": ["-y", "@microsoft/playwright-mcp"]
}
}
}
重点：每个 Server 只暴露必需的目录/权限。Filesystem 只能看到 postspark 项目，GitHub 只能访问我自己的 repo。
3.3 第三步：让 AI 写爬虫
输入：
"用 Playwright MCP 写一个爬虫，输入产品 URL，返回：1) 产品标题 2) 副标题 3) 主功能列表（最多 5 条）4) 价格信息 5) 截图 URL。注意要等页面完全加载（networkidle），处理 SPA 路由，处理 cookie banner。如果是 producthunt.com 这种 SPA，要等 hydration 完成。"
Claude Code 调了 Playwright MCP，跑了 3 个测试 URL（我自己项目和 2 个竞品），第一次跑出 bug——小红书页面因为地区限制返 403。Claude Code 自己加了 retry + UA 切换 + 错误处理，第二次过。
我验证了下代码：异常处理覆盖到了 5 种边界情况（超时、403、404、JS 错误、空内容），比我手写的还全。
3.4 第一天结束
晚上 11 点，我已经有了：
- 完整的 Next.js 项目骨架
- 可用的产品页爬虫
- 基础的输入表单 UI（shadcn/ui 自动生成）
- 一个跑通 5 个测试 URL 的 demo 链路
总用时：约 6 小时（含调试）。如果按传统方式，光"决定技术栈 + 起项目"就要 1 天。
四、Day 2：AI 文案生成引擎 + 多平台适配
目标：写 6 个平台的文案生成逻辑，处理好"中文 vs 英文 + 各平台风格差异"。
4.1 Prompt 工程的坑
这是我踩坑最多的一天。一开始我直接让 AI 写 Prompt：
"写一个 Prompt，输入是产品信息，输出是 Twitter 发布文案，要吸引开发者。"
AI 给我一段很"教科书"的 Prompt：
"你是一位资深的科技产品营销专家，擅长撰写吸引开发者的 Twitter 推文。请根据以下产品信息，生成 3 条推文。每条推文应：1) 包含产品核心卖点 2) 使用开发者熟悉的语言 3) 控制在 280 字以内..."
我拿来试跑，效果很烂——AI 写出来的东西营销味太重，开发者看了想翻白眼。
后来我换了思路：不要告诉 AI "怎么写"，而是给 AI 真实的好样本让它模仿。我手工收集了 20 个"开发者喜欢的产品发布推文"（从 Pieter Levels、Vercel、Supabase、Linear 这些公司的真实账号），把样本 + 反例（哪些是翻车推文）一起塞进 Prompt：
"你是产品发布文案专家。下面是 5 条好样本 + 3 条反例样本。学习样本的语气和结构，避免反例的问题。..."
效果立刻不一样。AI 学到了"开发者喜欢看 demo 截图 + 一行技术细节 + 1 个反问 + emoji 极少"这些隐性模式。
4.2 关键 Prompt 技巧：Few-shot + 反例 + 平台规则分离
把"通用 Prompt"拆成三层，效果最好：
- System Prompt（角色 + 通用原则）：1 段，定义 AI 的人设和底线（比如"不准编造数据"、"不准用过多 emoji"）
- Few-shot Examples（3-5 个正反例）：直接展示什么算好、什么算差
- Platform Rules（平台特定规则）：单独维护一个 JSON 配置文件，Twitter 一个规则、Product Hunt 一个规则、Reddit 每个 subreddit 一个规则
这样做的好处是：换个平台时不用重写整个 Prompt，只改 platform rules 就行。我把这套结构抽出来后，6 个平台的 Prompt 总共只用了 200 行代码。
4.3 Day 2 成果
晚上 10 点，6 个平台全部能跑出可用文案。我自己测了 5 个真实产品（PostHog、Plausible、Cal.com、Supabase、Linear），输出质量比我预期好很多——至少不用再花 4 小时手写，能直接改 30% 就用。
五、Day 3：用户系统 + 付费墙 + 落地页
目标：实现注册、登录、付费墙（Pro 9 刀/月）、登录后的历史记录、分享文案导出。
5.1 用 Auth.js (NextAuth v5) 还是 Clerk？
这是第一个我让 AI 帮我做决策的地方。我问 Claude Code：
"我要做一个独立 SaaS，用户量预期前 3 个月 1000 人以下。鉴权用 Auth.js (NextAuth v5) 还是 Clerk？考虑：1) 成本 2) 数据可控 3) 开发速度 4) 长期可维护性。给我对比分析。"
Claude Code 调了 Context7 拉了最新文档（Auth.js v5 在 2025 年 12 月刚发），对比后建议用 Auth.js v5。理由：
- 1000 用户以下 Clerk 的免费额度够用，但数据不在自己手里
- Auth.js v5 现在稳定性足够（v4 那时候还有不少坑）
- 我熟悉 Next.js，自己 debug 能力强，Auth.js 维护成本可控
我接受了 AI 的建议。AI 帮我写好了完整的 Auth.js v5 配置 + 邮箱登录 + 密码重置流程，大概 1.5 小时搞定，比我预期快很多。
5.2 付费墙踩坑实录
Stripe 集成是另一大坑。AI 第一次给的方案是"用 Stripe Checkout 跳转到 Stripe 页面"，简单但用户体验差（用户离开你的站点）。我让 AI 改成"Stripe Elements 内嵌支付"，AI 调了 Context7 拉最新文档后，又踩了一个坑——Stripe 2026 年 1 月改了 API，AI 用的是旧文档。
Context7 的版本是 2026-05-15 的，但 Stripe 改动是 2026-01 的，按理应该覆盖到。问题出在 Context7 拉的是 Stripe 官方文档站的版本，那部分文档没及时更新。最后我让 AI 读 Stripe 官方 changelog（GitHub MCP 拉取），才搞定正确的 API 调用方式。
教训：Context7 不是万能的，对小版本/热更新的覆盖有滞后。涉及支付、合规等关键 API，一定要二次验证。
5.3 落地页设计
我让 AI 帮我做了 3 个落地页方案，最后选了 1 个最简洁的：
- Hero：标题 + 副标题 + 输入框（直接放 URL，零点击开始）
- Demo：3 个真实产品生成的文案样例（截图）
- Pricing：免费 vs Pro 对比
- FAQ：6 个常见问题
- Footer：链接 + 联系邮箱
整个落地页 UI 是 shadcn/ui 组件拼的，1 小时完成。我没时间做专业设计，但简洁风格反而对开发者胃口——Product Hunt 上有人评论"看到这种克制设计就知道产品本身不浮躁"。
六、Day 4：测试 + 部署 + 真实用户反馈
目标：上 Vercel、生产环境监控、收集 10 个种子用户反馈。
6.1 部署踩的最后一个坑
Vercel 自动部署本身很顺，但有 2 个问题：
- Playwright 在 Vercel 不能跑：Vercel 的 serverless 函数有 50MB 部署包限制，Playwright 装上就超了。AI 建议改成"客户端爬取"或者"用专门的爬虫服务（Apify、Bright Data）"。我选了后者，PostSpark 实际调的是 Apify 的现成爬虫（$0.0005/页，便宜）。
- Neon Postgres 冷启动：免费版 5 分钟无访问会休眠，第一次请求要 1-2 秒。AI 加了"预热 ping"逻辑，每 4 分钟打一次心跳，用户体验从 1.5 秒降到 200ms。
6.2 4 月 22 号下午 3 点：正式上线
我把 PostSpark 链接发到 Twitter 自己账号（粉丝 800 多人）+ 3 个开发者 Slack 群。第一个小时：23 个独立访客，5 个注册，0 个付费。第二天：120 个访客，18 个注册，3 个付费。
付费转化率 2.5%，对一个零推广的开发者工具来说，这数字健康得超出预期。
6.3 第一个付费用户的反馈（让我决定继续做）
晚上 11 点，有个叫 Marcus 的独立开发者给我发邮件（他是 Pro 用户之一），说了一段让我印象很深的话：
"我之前做 IndieHackers profile 要花一晚上写文案，现在 5 分钟就出来了。值 9 刀一个月。唯一的反馈是 Reddit 那个 subreddit 风格适配有点不准，我手动改了一行。"
我立刻打开代码，找到 Reddit 风格规则，花了 20 分钟调优。第二天 Marcus 又来邮件："完美，定了。"
这种"用户反馈→快速迭代"的循环，以前要 1 周（产品上线 → 收集反馈 → 排期 → 修复 → 重新部署），现在压缩到 1 天。
七、4 天总数据复盘
这是真实的项目数据，没有任何美化：
| 指标 | 数值 | 对比（传统 3 周开发） |
|---|---|---|
| 总开发时间 | 4 天（32 工时） | 节省 80% |
| 代码总量 | 4,800 行（含 UI、API、配置） | 我手写大概 7,000 行 |
| Bug 数量（上线后 1 周） | 12 个，其中 8 个 AI 自己发现并修了 | 我预期会有 30+ |
| 首次部署成功率 | 85%（Playwright 问题重部署 1 次） | 我预期 60% |
| 第 1 周付费用户 | 11 个 | 目标 5 个，超额 120% |
| AI 工具链月费 | Claude Max $200/月 | 净省约 4 万/月（按外包价算） |
最关键的是：我没有 burn out。以前赶 3 周项目，第 2 周就累得想放弃。这次 4 天做完，每天都是"高浓度心流"状态，没有焦虑感。
八、可复用的 5 条经验（建议直接抄）
不是每个项目都适合这么干，但如果你考虑用 AI Agent 做下一个项目，下面 5 条建议拿走：
8.1 选对项目类型
适合"AI Agent 全自动开发"的：
- 需求明确、变化少（2 周内需求不会大改）
- 技术栈你熟（AI 出错你能秒识别）
- 不是性能/合规敏感的（AI 写的代码不一定最优解）
- 用户量预期 1 万以下（复杂度可控）
不适合的：银行核心系统、实时交易平台、硬件驱动、复杂游戏引擎。
8.2 工具组合的"黄金三角"
我这次验证下来，最稳的组合是：
- Claude Code（或 Cursor Agent 模式）：负责写代码
- Context7 MCP：负责提供最新文档（关键！）
- Filesystem MCP + GitHub MCP：负责上下文管理
这 3 个 MCP 工具是必装的。其它 MCP（Playwright、Sequential Thinking 等）按项目需要加。
8.3 Prompt 要"喂样本"，不要"讲规则"
最大的反直觉：给 AI 1 段详细规则，不如给 AI 5 个真实样本。AI 模仿能力远强于理解能力。
我每次写新功能的 Prompt 之前，都会先花 20 分钟收集 3-5 个真实样本（成功 + 失败），效果立竿见影。
8.4 关键决策让 AI 参与，但你要最终拍板
Auth.js vs Clerk、SQLite vs Postgres、要不要加国际化——这些决策让 AI 先给方案（带对比分析），你再决定。AI 是顾问，不是 CEO。我 PostSpark 5 个关键决策里，AI 给的建议我接受了 4 个（Auth.js、Postgres、Auth 流程、落地页风格），否决了 1 个（AI 建议用 Vercel Edge Functions，我没采纳，改用 Node.js runtime 避免冷启动）。
8.5 把"调试"时间也算进预算
很多人乐观估计"AI 写代码很快"，但忽略了 AI 写完之后的调试时间。AI 写的代码，调试时间大概是手写代码的 60%（你得读懂它、验证它、修复它）。
我这次 32 工时里，实际写代码只用 18 工时，剩下 14 工时都在调试、验证、修复。这点要心里有数。
九、FAQ：你们最可能问的 5 个问题
Q1：你的产品数据是真的还是编的？
全部真实。我有 Stripe 后台截图、Github commit 历史、Twitter 推文时间线可以查。如果你觉得"独立开发者 4 天做完 SaaS 听起来太梦幻"——是的，确实是例外而不是常态。我之前 3 个 SaaS 都是按部就班做的，3-4 周完成。这次的加速是工具链 + 项目类型 + 我已有经验三者叠加的结果，不是"AI 万能"。
Q2：Claude Code 真的比 Cursor 强这么多吗？
不同场景答案不同。Cursor 强在"边敲边写"，Claude Code 强在"放手让 AI 自己跑。如果你的项目需要频繁切换视角（前端 + 后端 + 调试），Cursor 体验更好；如果你的项目能拆成"我描述需求 → AI 出代码 → 我验证"的串行流程，Claude Code 效率更高。
我个人两个都用：PostSpark 这种新项目用 Claude Code，迭代已有功能用 Cursor。
Q3：Context7 是不是必须的？
我的真实数据是：开了 Context7，AI 写的代码一次过率从 55% 提升到 88%（统计了我 4 天 18 工时写的代码，提交后不需要改的有多少）。这个提升值 200 刀的月费，非常值。如果你只用 AI 写 1-2 个文件的小项目，可能感知不强；如果做完整项目，Context7 几乎必备。
Q4：AI 写的代码上线后会有大问题吗？
会有，但可控。我 PostSpark 上线 1 周内发现 12 个 bug：
- 3 个是性能问题（AI 没考虑 N+1 查询）
- 2 个是边界情况（AI 没处理空数组）
- 5 个是 UI 细节（移动端适配）
- 2 个是第三方 API 变更（Stripe 的问题，AI 背锅）
其中 8 个是 AI 自己在跑测试时发现的，我只需要 review 修复方案；剩下 4 个是用户反馈后才修。整体来说，bug 密度比手写项目低，但 bug 类型不一样——AI 写的代码少"逻辑错误"，多"边界情况遗漏"。
Q5：这套方法对新手也适用吗？
不太适用。这套方法的前提是你对技术栈足够熟，能秒识别 AI 给的代码是不是对的。如果你是 Next.js 新手，AI 给你一个 100 行的组件代码，你读不懂、改不了、调不动，那反而更慢。
我建议新手先用 Cursor 写代码（自己主导，AI 辅助），熟练之后再尝试 Claude Code 这种 Agent 形态。不然就是"AI 给你挖坑，你填不动"。
结语：AI 工具链给独立开发者打开了一扇窗
写到这里 5000 多字了。这次 PostSpark 的经历让我最大的感慨是：AI 工具链真正改变的，不是"开发者写得更快"，而是"独立开发者敢做更大的事"。以前我不敢做需要前后端 + 支付 + 部署的完整 SaaS，因为一个人根本忙不过来。现在 4 天能出 MVP，验证想法的成本降到原来的 1/5，失败的成本也大幅降低。
这种"低成本试错"的能力，是大公司无法复制的优势。Lovable、Bolt.new 这些 AI 工具的出现，让 1 个人的团队有机会跟 10 个人的团队掰手腕。
如果你对 PostSpark 感兴趣，可以访问 Free API Hub 的 API 市场 找到它同款的"AI 文案生成"技术栈（爬取、调用 Claude、流式输出）。我用的所有免费 API（产品爬取、域名查询、IP 定位）都在 Free API Hub 收录了，每个都附带可运行的代码示例。
下一篇我会写《MCP 协议完全指南》，把 158 个 MCP Server 按"必装/按需/垂直"分类整理，每个都附安装命令、配置示例、生产踩坑记录。如果你正在评估要不要上 MCP，那篇会更系统。