Mew Design 是我跟几个朋友在25 年失业期间做的一个 设计 Agent。
全部从 0-1，1.5 个人+ N 多的 Token 打造而成，在 25 年的最后一天，它盈利了。
前几天我在观猹（国内很有影响力的 AI 产品发现社区）看到「2 月宝藏 AI 产品」里推荐了 Mew Design。受宠若惊，也有点百感交集。 我连夜把评论一条条看完，决定写下这篇总结，记录过去这一年我们如何在 AI 的帮助下把一个想法做成一个产品，并且赚钱了。
中国有句老话：「不管黑猫白猫，能抓老鼠就是好猫。」 这句话后来成了我们的产品价值观: 只交付结果，不交付噱头。Mew Design这个名字，也就这么定下来了。
01 - 缘起
我其实很早就开始做 AI Agent 产品，差不多和 Dify 同期。Coze 刚进入大众视野的时候，我刚好决定放弃 Agent 平台产品。
也不是因为不想做，主要是下面几点：
-
llmOps/agentOps 这类产品最后会越来越像，差异更多是商业模式，不是功能堆叠。
-
老板不给资源，很多理想都落不到执行。
-
没有护城河、不管是 Rag，还是 workflow，都很重。后来我接触了一个叫 open-interpreter 的项目，瞬间悟：Coding 才是未来。
那会儿是 2023 年底。
2024 年我去了一家 AI 厂，负责一个生成式 UI 项目。前段时间 Google 推出的生成式 UI，我们其实 2024 年就做过 demo 和验证了，那时候 Claude 3.5 还没出。
可惜后来项目没成，我也离开了，遗憾又庆幸。 我以前以为理想团队是天天讨论更好架构、更优方案，现实却是我要去教算法同学怎么调 OpenAI API，还要反复解释为什么 RAG 召回图片不能拿来生图。我 tm 太累了。
也是那个时候我才明白，大模型时代，是一个新的开始。你管它是胡博还是李博，你管它是王总还是张总，都不重要。你们，每一个人，都是全新的开始。
谁跑得快，谁就占优势。
裸辞后我很不甘心。我不想让前半年的积累白费，也想证明自己的判断没错。于是我花两周做了个小插件，把路线再验证一遍。
结论就是：行，那就我自己继续干。
02 - 开始
我把方向基本上定在了设计 Agent 上，并且只做图文。其实后面有投资人跟我们聊的时候希望我们把范围扩大一点，但是我并不想，所以不了了之。
然后我勾搭了一个做设计的朋友，结伴而行。
域名是 25 年 1 月 4 号买的，第一版是 3 月 12 号上线的。
代码都是我和 AI 一起敲的，那会大概是 3 个 cursor 一起用，也算是最早期的创始成员了。
但是上线了，啥也没有，因为我们没钱做营销，也不知道怎么做。
我身边的圈子基本都是 AI 圈的人，可是我并不怎么想给他们介绍我的产品，因为他们都不会是我产品的目标受众。那么就只能找设计圈的朋友，让她们从专业的角度提一些意见，然后又持续改了一些东西。
冷启动真的是一个很难的坎，特别是对于我们都是毫无经验的人来说。
后来我们又去勾搭了一个做海外增长的朋友入伙！
然后，三人行，把团队差不多搭完了。
这期间也不断在招募新的 AI 员工，并分了很多活出去。
03 - 产品
我做产品大概有十来年，3 年 AI 产品经理，1 年 Builder。 Mew Design 是第一款我能完全按自己想法去打磨的产品。
很多人会拿 AI 产品视角来看我们，然后给建议：
-
为什么不能选模型？
-
为什么社区作品看不到别人提示词？
-
为什么不做提示词说明书？
这些建议都很好，但不适合我们。 Mew Design 虽然是 AI 驱动，但本质先是一个设计产品，而且是一个面向普通人、非设计师的设计产品。
我们的用户连设计都不一定懂，去理解什么是模型，会难上加难，所以我们只给用户交互尽可能好的结果。
所以我们做了很多看起来“反 AI 产品常识”的选择：
-
尽量隐藏模型复杂度，不让用户先做技术决策。
-
社区强调结果和质量，不把它做成提示词竞技场。
-
把“能不能交付高可用设计”放在“可配置自由度”前面。
这套取舍会被质疑，但它对我们的目标用户是对的。 我坚信产品不是给懂的人做炫技，是让不懂的人也能拿到结果。
04 - 关于 Vibe Coding
整个项目的技术架构、框架选型、产品设计、Agent 架构、CI/CD、部署运维、代码和测试，基本都由我和 AI 一起完成。
而开始这个项目的时候，我连 TypeScript 都没有写过一行。
关于 vibecoding，到今天我还会听到两种很极端的声音：
-
“AI 不可能替代我”
-
“AI 已经能替代工程师。”
我觉得都不对。 AI 只是把下限拉高了，上限还是看人。
在这个项目里，我花最多时间的从来不是写代码，而是：
-
思考和决策
-
规则制定
-
架构取舍
-
质量标准
执行层尽量给 AI，判断层一定握在人手里。 我们第一版 demo 的时间分配很典型：
-
框架选型和技术验证: 两周
-
原型和表结构: 两周
-
Design System 设计和组件落地: 两周
-
第一版编码和测试：不到两周
你看出来没，时间大头都在建规则。规则建完，才是 AI 放飞时刻。
后面我又把 CI/CD 逐步加上，再往后我主要做的就是提需求、聊想法、拍方案。 2025 年我们的 commit 基本是一天一版，而且都是 AI commit🥲。
现在我依然不能完整手写 TS。 但你问我 Next.js 和 SPA 的取舍、Agent 框架拆法、模块实现、云服务权衡、SEO、模型动态路由这些，我都能聊。
对我来说，给 AI 提需求和跟做产品那会给开发提需求没啥两样，可能还更省心点，还效率高点，不用玩心机。
其实本质就是把重复劳动让出去，把人从执行位拽回思考位。
05 - AI First
回顾过去一年，很重要的一点其实是 Ai first。 我们在不同环节都上了 AI。
但前提也有：人得先想好。 你想得好，AI 才做得好；你想不明白，AI 只会把错误放大。前面我说过，AI 的上限，看你。
举几个我们内部的真例子。
第一个，数据洞察。 我们现在没有传统 BI，也没有那种很重的固定报表系统。他们让我写，我每次都拒绝。 即便如此，我每天看到的信息密度，也已经超过我以前做过的很多项目。 BI 不是不好，只是我觉得与我们而言，我更需要的是「立刻、马上、你说！」的洞察。
拿两个我们25 年的优秀 Agent 举个例子：
-
日志 Agent：专门盯日志，洞察错误，提 issues。
-
数分 Agent：专门盯数据库（对，数据库权限我直接给它了）。
所以我每天都能看到动态报表，也能随时主动追问，比如：
-
今天为什么注册爆了？
-
这周付费用户画像怎么归因？
-
为什么 X 国用户付费率低？
第二个，风控。 我们还有一个 Agent 专门分析风险用户，自动封禁、自动拉黑。比起单独拉工程排期，或者接第三方服务，这套方案更灵活，也更有性价比。
不过这个 Agent 也是上个月突发灵感写的，上个月 Kimi 给我开了个超大杯会员，我就写了个小小的 agent 然后让 Kimi 直接去站岗了。到目前为止，识别准确率还是 100%。
所以，动手，别 argue。有那时间，赶紧动手！ 凡是可流程化、可验证、可重复的机器工作，都会被 AI 重做一遍。你要做的不是抗拒，而是先把问题定义清楚，把规则建好，然后把红利吃满。
06 - 启动
产品做好，只是起步。 走出去，才开开始，但是如何走出去，其实是最大的难题。 我们在立项之初，就做了一些决定，可能很多人觉得不理解，但是对我们来说，很受用。
我们几乎没有放预算在营销上。 不是“克制花钱”，是真的没钱。
我们所有的预算其实都给了 token，换取用户反馈来打磨产品。 可能也有人说，没有营销就没有流量，没有流量谁能来给你反馈？
不是的，好的产品是会自己成长的。
除此之外，我们也在努力控流，这个点很多人不理解。 别人都说获客成本高，为啥你们还不要？ 不是所有流量都值得要，尤其在 AI 产品里。
我们控流有两个原因：
-
大起大落会破坏团队节奏。 流量冲高那几天很爽，但是潮水褪去，我怕我会失落…
-
非目标用户越多，产品越容易被带偏。 AI 时代和传统互联网时代不一样，很多“高互动反馈”并不等于高价值反馈。 如果来的不是你的目标用户，他提的需求大概率会把你带离主航道。 其次，AI 产品，你转化一个客户不仅仅要考虑获客成本，还要考虑 token 成本。
所以过去一年，我其实很少在自己的公众号和熟人圈子里主动讲我们的产品。 也不是不想讲，圈里人即便知道了，除了夸我牛之外其实没有任何好处。
中间也花过一笔小小的钱，买了一个导航站的外链。 还是几个人犹豫了许久，比较那个时候，正反馈对我们来说， 也是个救命稻草。
此外，中间也蹭了很多社区和展会的机会。 像 WaytoAGI、观猹，还有不少愿意给我们露出位置的朋友。
中间我们其实也见过一些投资人。 坦白讲，当时也有冲动，觉得是不是应该赶紧把曝光拉起来。
但过一阵子就冷静了。 没钱的时候少凑热闹，打磨产品是第一优先级。
因为我们很清楚，那个阶段最容易犯的错是： 把“看起来在增长”当成“真的在增长”。
如果产品核心价值还没站稳，露出越大，反而死得越快。
回头看，我们的启动方法并不高级，但很适合我们这样的团队
如果总结成一句话，就是： 先把有限资源砸在用户价值上，再把增长动作做成“低成本、可复用、可验证”。
07 - 最后
现在，真的是最好的时代。 倒不是鼓励大家去创业，但想鼓励大家好好学习是真的。
我自己从互联网到移动互联网再到大模型时代，感触还是挺多的。总结一下的话大概就下面几点：
-
现在是重建秩序的时候；
-
忘掉过去的经验包袱，不然害你；
-
别怕被大厂抄，你也可以抄大厂，而且他们抄不过你；
-
技术平权、模型平权、能力门槛在不断被重写，思考才能拉开差距；
-
还是忘掉过去，学会让 Ai帮你；
-
少冲浪，多实践，高价值的信息别人不会分享给你。
原文
本文最初发布于微信公众号「白苏Elliot」：https://mp.weixin.qq.com/s/4TI3svoL8Ub1lfQpPpHlmw