给爸爸做的听写工具月入近两万美元，一句「要好玩」让 Claude 跑了三小时

Kourosh 在 Starter Story 节目里讲了 Voicy 的来历。他住院两周，看着父亲在旁边一下一下敲键盘，一封邮件要写好几天，于是想把 ChatGPT 的听写功能带到电脑上的任何地方。第一版是 Chrome 扩展，从想法到上线用了两周。之后陆续做了 Windows 版（Electron，用了三个月）、Mac 版（一个月）和 Linux 版（两周），最后才是 iOS 和 Android。主要固定开支是 Framer 建站每月约 200 美元、VPS 每月约 40 美元，另加 API 费用。

最值得学的是他怎么找到了自己的用户。他常和用户通话，发现 60% 到 70% 是本来就打字快的职场人，只想快 10%。另外 20% 到 30% 是老年人和残障人士，他们对最简单的版本就很满意。他的说法是，听写工具对职场人是「维生素」，对这群人是「止痛药」。所以他放弃和 Wispr Flow 这类公司正面竞争，专门服务这群人：设了发邮件就能领的残障八折，在 YouTube 开了「AI for Seniors」系列，他说一个月内订阅从 1,000 涨到 1.2 万。

早期获客的顺序也很具体：先上 Chrome 应用商店，请五个朋友写评价，拿到前 100 个用户；再在 Reddit 天天发帖，直到被封，用户涨到两三百人；之后主要靠 SEO。他给新手的建议是：觉得写一篇博客有用，就写十篇。

陈然在这篇回答里说了一个不太讨喜的看法：普通人未必抓得住一人公司这波红利。他说的红利，是真的用 AI 赚到了钱，而不是会用 AI，也不是注册了一家公司。

他认为，用 AI 的熟练度差距放到三年里只是很薄的一层，迟早人人都会用，所以它不会是决定赚不赚钱的那个变量。真正该学的，是钱从哪里来。他还说，中文讨论大多围着怎么赚快钱，而一门需要不停追风口的生意，本质上还是拿时间换钱。

这对读者的影响是：评估一个 AI 副业时，先把商业模式和自己的经验优势放在前面。他自己选的是做老关键词、不追风口、只做免费加广告。

Simon Willison 在博客里记录了这次实验。他用手机上的 Claude 应用，在普通对话模式里调用 Opus 5.5 Max，只发了一段提示词。Claude 运行了 3 小时 7 分钟，交出一个温馨的找不同游戏，有音乐、动画和成就系统。

可以借鉴的是提示词里写明体验目标。他让模型「think hard」，想办法让游戏既有趣又好看。他说发现「make sure it is fun」这句话效果好得让他有点尴尬，因为他最近刚做过相关演讲。

做产品原型、内部演示页或培训小游戏时，可以把要达到的体验写进提示词，交给模型多跑一会儿，再自己试玩、挑问题。

Elton Jones 在 Tom's Guide 分享了五个用法。打扫时，ChatGPT 读取他在 Todoist 里标成清扫的任务，排成一小时速通；叠衣服时，Spotify 插件给了 15 个歌单，ChatGPT 还设计了「三首歌挑战」：歌放完之前叠得越多越好。

最实用的是断舍离的提示词：每次只给一个 10 分钟任务，从最容易的区域开始，每样东西决定留下、挪位置、捐掉、卖掉还是扔掉；拿不准的单独放一个待定箱，不逼我扔。然后让 TickTick 设成每周六的重复任务。他还用 Pantry Persona 插件把菜谱排进餐单、生成购物清单。

交出去的个人数据只有待办清单和音乐偏好，风险较低；真正动手干活的仍然是自己。

Matt Hartman 在 Every 播客里回顾了 Hugging Face 的几个关键决定：开源 Transformers，把模型权重从 GitHub 搬到自建的 Hub，以及不只做语言模型。他认为起点是团队对自己的留存数据很诚实，不拿最好看的指标去融资。

他用篮球打比方：转型时要有一只脚不动，两只脚都动就是走步。最早期他默认公司会转型，所以更想知道团队会往哪里转。懂技术的团队可能发现某类数据的特点在另一个行业更有用，于是换个市场接着做。

对做副业的人，这和上面 Voicy 的故事说的是一回事：把用户拆开看，找到真正离不开你的那群人，再围着自己最扎实的能力调整方向。