一句“更好玩”换来千场模拟对局，流量减半而试用反增

Simon Willison 在本人博客复盘了 Battle Drones 的开发过程：12 个大版本，321 次提交，主要由 Claude Code 完成。前三版能看不能玩，他原本认为 coding agent 只能做出“像游戏的东西”。直到用 Ultracode 模式发出一句“让它好玩得多”，傍晚开始跑，第二天上午才拿到结果。之后一句“移植到 three.js”又跑了一夜，所有 3D 模型都是 Claude 用代码画出来的。

可借鉴的有两点。第一，让 agent 自己造评测：游戏好不好玩没法直接测，它就模拟大量对局，用“僵局比例”“翻盘率”这类指标代替。第二，他后来觉得自己出的设计太少，于是写了一段很长的地图设计提示，结尾要求先调研、批评，商定后再动手，结果做出了他认为最好玩的地图。

他的投入主要在试玩和提方向上。在线多人版本是后来补的，因为靠声音同步的近场多人模式“很让人头疼”。

Craig Hewitt 在 Niche Pursuits 访谈里说，Castos 过去靠“什么是播客”“最佳麦克风”这类大词文章获客。现在 AI 直接回答了这些问题，流量少了一半，团队转向两类内容：产品对比页和免费工具。比如上传视频文件、直接导出 MP3 的小工具。

工具页的流程是固定的：Claude 提点子，人评估购买意图和用途（获客还是拿外链），模板规定工具放在页面顶部、搜索内容放在下面，人工审核，然后通过邮件推送。他们给客户每月发一封，给非客户每周发一封。工具大多在用户浏览器里运行，几乎不增加服务器负担。

这套做法的前提是渠道。Castos 早年花几千美元买下装在约两万个 WordPress 站点上的免费插件，上线第一天就有付费客户。他的建议是先问未来的客户聚集在哪里。

Dan McAteer 在 Latent Space 介绍了 Claude Mods。Anthropic 内置了 6 个，其中 You Should Know 默认关闭，它用一个旁路 agent 观察主 agent，把埋在执行记录里的关键信息挑出来。他自己写的 Next Steps Supervisor 在改了文件、跑了命令或调用 8 次以上工具后，列出需要注意的事项，并把下一步做成一键发送的按钮，已经收进他开源的 ModSmith。

他的判断是，agent 外壳中面向人的那一层，会决定什么时候打断你、给你看什么。ChatGPT 的 Intelligent UI 由模型决定界面，Cursor 的 PR 路由由团队写规则。Mods 让你和 Claude 一起设计这一层，但做得有没有用要自己负责。

他自己也遇到了问题：111 轮里有 99 轮被打断，他开始跳着看提示，这就失去了意义。设计这类提醒，触发条件要收紧。

在 Latent Space 访谈里，CJ 讲了他加入 Tenex 的原因：以前自己做咨询按小时收费，用 AI 后产出更快更好，收入反而少了。Tenex 按故事点付酬，于是产出越多拿得越多。随着模型变强，他直接写代码的时间变少，更多时间花在把客户背景整理成模型能用的形式。

主持人带来一个反例实验 Kill My SaaS：征集替代一款报价每年 4.3 万美元的讲者管理工具，收到 72 份作品。人类评委选出的冠军，在 AI 评委榜上只排第 19。“满足测试场景”和“人愿意用”是两回事。Alex 的反驳是：越往大客户走，替换成熟系统越贵、风险越大，小工具也得有人长期维护。

对咨询从业者，这场讨论给出了一个报价思路：卖结果，同时把维护责任算进交付范围。

Mollick 在本人文章里说，文中图表全部由 Opus 5.5 在 Claude Projects 里完成：一个编排 agent 分派子 agent 做调研、制图、排版和引用，原本要几小时的工作几分钟完成。他反复只说“做得更好”，AI 还指出他算错了月数，文章原本要叫“28 个月”。

这些属于他的判断和归纳，不是定论。对读者的影响在于分配精力：执行可以大量委托，人要留住的是判断结果好坏的能力。委托越多，越需要能检查结果的专业知识。