The Exact AI Skills This Solo Founder Uses to Build 5 Apps at Once | Josh Pigford

Josh 证明了在 AI 时代，一个“ADHD”的独立开发者可以同时运营 5 个产品，核心不是靠天赋，而是靠一套高度系统化、可复用的 AI 开发流程，以及“快速发布、快速失败”的极端务实心态。

这期内容特别适合正在用 AI 辅助编程的独立开发者、小团队创始人，以及那些想从“一个产品死磕多年”转向“多产品并行”模式的人。值得花时间看，因为 Josh 不仅展示了具体的技术工具链（Conductor、Opus、GPT-3.5、Chops），更揭示了如何用一套“技能文件”将个人经验编码化，让 AI 代理持续学习并减少重复错误。最值得注意的冲突在于：他承认“专注一个产品”在商业上更优，但个人满足感来自多线并行——这打破了传统创业教条，也展示了 AI 如何让这种“不专注”变得可行。

这期播客中，主持人 Peter 与独立开发者 Josh 深入探讨了他如何利用 AI 工具同时构建并运营至少 5 个产品。Josh 分享了他从“七年死磕一个产品”到“一周发布多个产品”的转变，并详细演示了他使用 Conductor 等工具进行 AI 辅助开发的完整工作流：从研究、规划、分阶段实现，到使用不同模型进行对抗性代码审查，再到利用“学习技能”持续优化开发流程。他还坦诚地讨论了如何应对发布恐惧、评估产品需求、管理多产品支持，以及给新手的建议。

1. AI 让“不专注”变得可行：Josh 自认有 ADHD，无法长期专注一个项目。AI 工具让他能同时推进多个产品，虽然这可能在商业上不是最优解，但极大提升了他的个人满足感和学习效率。他不再需要像做 Baremetrics 那样，花七年时间只做一个产品。
2. 核心是“技能文件”，不是“提示词”：Josh 的成功关键在于他创建了一套可复用的、开源的“技能文件”（Skills）。这些文件不是简单的提示词，而是包含研究、规划、实现、审查、学习等步骤的完整工作流模板，将他的 25 年开发经验编码化，让 AI 代理能按流程执行。
3. “分阶段实现”与“对抗性审查”是质量保障：他将每个功能拆解成多个“用户可测试”的阶段，每个阶段生成一个独立的 Pull Request。先用 Opus 做第一遍代码生成，再用 GPT-3.5 做对抗性审查（总能发现 3-5 个 bug），最后运行“But for Real”技能强制 AI 再次自我审查，模拟了团队开发中的代码审查流程。
4. “持续学习”是系统进化的关键：他有一个“学习技能”，会在每个阶段完成后，自动分析整个开发过程中的对话和错误，提炼出新的规则并更新到项目根目录的 `CLAUDE.md` 文件中。这让 AI 代理能不断从失败中学习，避免重复犯错。
5. “快速发布”是验证需求的唯一方式：Josh 强烈反对花数月做市场调研或收集邮件。他认为发布恐惧是人之常情，但最好的应对方式就是快速构建、快速发布（甚至 24 小时内），用真实用户反馈来迭代。他宁愿产品失败，也不愿在假设中浪费时间。
6. 设计是 AI 难以替代的环节：尽管大量使用 AI 编码，但 Josh 坚持用 Adobe Illustrator 手动设计 Logo、字体和配色方案。他认为品牌视觉的直觉和审美，目前还无法被 AI 很好地替代。

“花几个月时间打磨一个产品再发布给别人用，这是个非常糟糕的主意。现在没有理由不把它扔出去看看会发生什么。”

这期内容对 AI 从业者的核心启发在于：AI 的价值不在于替代人，而在于将个人的隐性知识显性化、流程化、自动化。 Josh 的“技能文件”本质上是一个“个人开发操作系统”，它把“如何做”的元知识（如分阶段、对抗审查、持续学习）从具体代码中抽象出来，让 AI 代理能按此执行。这对我们做 AI 产品有两点直接参考：

1. 产品设计上，可以思考如何帮助用户构建“个人工作流模板”。很多 AI 工具只解决单点问题（如写代码、写文案），但 Josh 的实践表明，用户真正需要的是一个能承载其个人经验和最佳实践的“工作流引擎”。例如，一个 AI 写作工具如果能允许用户定义“先研究、再大纲、再初稿、再自我审查”的流程，并让 AI 按此执行，其价值将远超一个简单的对话窗口。
2. 在模型训练或 Agent 设计上，可以借鉴“持续学习”机制。Josh 的“学习技能”本质是一个自动化的反馈循环，将 Agent 的执行结果和用户纠错过程转化为新的规则。这提示我们，未来的 AI Agent 不应是静态的，而应具备从每次交互中提取“经验教训”并更新自身行为准则的能力。这比简单地用更多数据微调模型更贴近真实工作场景。