一个人用 Bot 搭内容团队,curl 改写成 Rust 后谁来跟上 200 个修复
30 秒速读
- 内容创作Tella 员工 Louise de Sadeleer 用 GrokBot 做选题研究、粗剪和 YouTube 发布,她说开始做账号后三个月里 Instagram 涨了 6,500 个粉丝。
- AI 认知curl 作者 Daniel Stenberg 统计:agent 三周多把 18.5 万行 C 改写成 34 万行 Rust,同期 curl 合并 300 多个 commit,修了约 200 个 bug。
- AI 认知Notion CEO Ivan Zhao 把软件分成三类,只建议自己改造有强烈偏好的工具;他说团队现在用 Kanban 看板来看清各自 agent 在做什么。
- 工作提效Simon Willison 给 Datasette 加了流式导出接口,Claude Fable 5.2 推荐用 Apache Arrow 格式,并且几乎一次就写出了配套插件。
- AI AppAbMaxx 创始人 Lino 18 岁、不会写代码,Starter Story 称这款扫描腹肌的 App 六个月从零做到每月约 6 万美元收入。
01|三个月涨粉 6500:她让几个 Bot 组成了内容团队
- 谁·场景
- Louise de Sadeleer 在视频剪辑创业公司 Tella 工作,业余运营讲营销和 AI 的个人账号,在 Greg Isenberg 的节目里演示了整套流程。
- 怎么用
- 每周定时任务抓取她亲手挑的创作者的爆款帖和她收藏的 hook,汇总趋势和上升关键词;两个 Bot 在群聊里一起出选题;导师反馈做成 skill 审脚本;用手机把素材发进剪辑工具的素材库。
- 结果
- 她说开始做账号后三个月,Instagram 涨粉 6,500,TikTok 也有类似增长。脚本仍由她手写,目标是自动化 80% 的流程。
- 你可以试
- 先建一个表,手动放进 15 到 25 个你想学的创作者或品牌,每周让 AI 找出其中表现远超平均的帖子,记下话题和开头两句。
- 注意
- 她把多数任务设成每周跑一次,因为每天跑额度很快用完;在手机上剪辑要靠 Tella 这类支持 agent 操作的剪辑工具。
Louise de Sadeleer 在 Startup Ideas Podcast 上完整演示了她的视频流程。研究阶段有四个每周任务:去她挑的创作者主页找远超平均水平的帖子,记下话题和 hook;从她的 TikTok 收藏夹提取每个视频的前两句,按反直觉、提问、共鸣等类型归类;读她付费订阅的 Substack、X 和新闻站,同一信号被报道多次才算趋势;按 vidIQ 的思路找搜索量上升的 YouTube 关键词。
她坚持创作者名单自己挑,因为让 AI 选出来的人会和她想模仿的方向偏离很远。周一她和名为 Production Polly 的 Bot 在 Notion 排期;Polly 熟悉她的写法,Trend Study 像记者一样追热点,两个 Bot 在群聊里把她已有的想法和新趋势结合,一次给出三个选题。她还做了选题、hook、脚本三个顾问 skill,又把导师 Miranda 对脚本的反馈整理成「Miranda feedback」skill,写完脚本先跑一遍。
录完视频她出门吃饭,Bot 把停顿和口头禅剪掉;看到想用的推文,发链接过去,Bot 截图放进素材库。YouTube 标题、描述和章节也交给它写。剪辑多数用 Opus 5.5 medium,复杂 3D 才用 Fable 5.2。她的判断标准是:一件事你已经有固定方法了,就把它做成 skill。
02|Agent 三周把 curl 改写成 Rust,原项目修了 200 个 bug
- 谁说的
- Daniel Stenberg,curl 的维护者,在文章里回应外界用 coding agent 把 curl 改写成 Rust 的项目,Simon Willison 摘录了这段话。
- 核心观点
- 他认为代码改写只是起点。原项目一直在修 bug 和漏洞,改写版本得持续跟进,他怀疑这些克隆版本跟不上。
- 依据
- 他数过:改写期间 curl 合并了 300 多个 commit、约 200 个 bug 修复,还修了几个漏洞;他说之后一个月又修了约 200 个。
- 对你的意义
- 评估「用 AI 把旧系统重写一遍」时,把原系统每月的修复量列出来,算清楚重写后由谁、怎样持续同步。
- 争议·条件
- 这是维护者对克隆项目的判断,改写版本将来能不能跟上还没有结论。
Simon Willison 摘录了 curl 作者 Daniel Stenberg 的一段话(原文摘录)。有人用 coding agent 在三周多的时间里,把 curl 的 18.5 万行 C 代码转成了 34 万行 Rust,行数是他自己数的。同一段时间,curl 合并了 300 多个 commit,其中约 200 个是 bug 修复,另有几个漏洞修复,这些改写版本里都没有。他问:这些克隆能跟得上吗?
这段话把重写的成本算到了维护上。AI 让「一次性改写」变得便宜,持续积累的修复却没有变便宜。对团队来说,评估迁移或重写方案时,要看原系统还在以什么速度变化,以及改写后谁负责同步。原系统已经基本冻结、很少改动时,这个问题小得多。
03|Notion 创始人:什么值得自己 vibe code,什么不值得
- 谁说的
- Notion 联合创始人兼 CEO Ivan Zhao,在 Every 的 Thesis 活动上接受 Dan Shipper 访谈。
- 核心观点
- 他的划分:有强烈偏好的工具,可以自己改;日历这类没什么主见、只想有人做好的工具,用精心打磨的成品;企业级、关乎安全的软件,不建议自己维护。他认为数据和上下文比 UI、流程代码更持久。
- 依据
- 他说 Notion 团队发现每人各自和 coding agent 对话后,彼此不知道对方在做什么,于是改用 Notion Kanban 看板编排 agent 的工作。他自己和妻子 vibe code 了一款历史学习游戏。
- 对你的意义
- 动手做自用工具前,先问自己对这个工具是否有明确、稳定的偏好;没有的话,先用成品。
- 争议·条件
- 他自己承认这么说和 Notion 的商业模式一致;看板方法适合多人协作,单人项目未必需要。
在 Every 的节目里,Ivan Zhao 说大家已经走过「什么都 vibe code」的阶段,「九个月前人们发现做出来的东西还得维护」。他的判断是,数据、上下文和语义才是 AI 时代更持久的部分,UI 和流程逻辑 agent 都能写。他还提醒不要把理解力交给 agent:一个中等规模的代码库,一周后人可能就看不懂了,要靠更好的可视化去理解。
前 Claude Code 团队成员 Thariq 同一天发帖讲了反面经历:他给自己做的工作软件按「模式」组织工作,后来没坚持用,准备改成以待办为中心。他的结论是,即使有 AI,自己做软件也难,因为很难知道自己真正想要什么。两人的说法可以合起来用:先用一段时间成品,弄清自己的偏好,再决定要不要自己做。
04|新接口上线前,先让 AI 写一个用它的插件
- 谁·场景
- Datasette 作者 Simon Willison,在 1.0a43 版本里开放了让插件实现流式导出格式的能力。
- 怎么用
- 他让 Claude Fable 5.2 给新接口找一个合适的用例,模型提出 Apache Arrow 流式格式,并几乎一次写完了 datasette-arrows 插件。
- 结果
- 装上插件后,导出对话框里多了 Arrow 选项,可以像 CSV、TSV 一样流式导出整张表。
- 你可以试
- 下次发布新 API 或扩展点时,让 AI 先写一个真实调用它的小示例,用它来检验接口设计。
- 注意
- 插件还是 0.1a0;把 Arrow 和 CSV、TSV 放在同一导出区的界面,要等下一个 alpha 版本才会发布。
Datasette 1.0a43 让插件可以通过 register_output_renderer() 实现流式导出:数据分块输出,导出几百万行也不用全部读进内存。Simon Willison 在发布记录里写,他的规矩是每次发布新的插件能力,都要同时发一个用到它的插件。这次他让 Claude Fable 5.2 出主意,模型推荐 Apache Arrow 流式格式,插件几乎一次写成。
可借鉴的是这个顺序:自己设计接口,用 AI 很快做出第一个使用者,用它检验接口好不好用。以前写示例插件很费时间,常被省掉;现在成本低了,可以作为发布前的固定步骤。前提是接口边界清楚,并且你能判断模型选的格式合不合适。
05|18 岁开发者靠 Fiverr 助理私信几百位创作者推 App
- 谁·场景
- Lino 一个人做了 AbMaxx,一款扫描并评估腹肌的 App,在 Starter Story 短视频里讲 UGC 获客方法。
- 怎么用
- 在 Fiverr 雇低价虚拟助理,批量私信同领域的创作者;筛选条件是 5,000 到 50,000 粉丝、发帖稳定、出镜露脸、评论区活跃。
- 结果
- 视频标题写的是 5 万美元 MRR,简介写六个月做到每月约 6 万美元,两处口径不同。
- 你可以试
- 如果你的 App 适合短视频展示,先手动列出 20 个符合这四个条件的创作者,测一轮私信回复率,再决定要不要雇助理放量。
- 注意
- 这套方法适合画面效果直观、适合真人出镜的消费类 App;视频没有讲给创作者的报酬怎么定。
Starter Story 的短视频介绍了 AbMaxx 的获客方式。Lino 没有自己逐个联系创作者,而是在 Fiverr 雇虚拟助理,规模化私信几百位同领域创作者。他只找粉丝 5,000 到 50,000 的账号,还要满足三条:稳定发帖、真人出镜、评论区活跃。
这几个条件对应的是转化:腰部账号更愿意合作,露脸和活跃评论区让推荐更可信。对做 AI App 的人来说,可以照这个思路先做小规模测试,记录回复率、发布率和每条视频带来的下载,再决定预算。腹肌扫描这类结果能直接拍出来给人看的产品,最适合这种打法。
今天可以做的一件事
打开你最常用的内容平台,挑出 15 个你想学的创作者或同行,放进一张表。今天让 AI 帮你看其中 3 个人最近 20 条帖子,找出表现明显高于他们平时水平的那几条,记下话题、开头两句和形式。下周再做一次,比较两周的记录:反复出现的形式,就是你可以先试的选题模板;整理方法稳定之后,再考虑做成每周自动运行的任务。