國內AI圖片工具站，0推廣3個月賺5萬全面乾貨覆盤【1萬2千字】

袁鋭欽 · AI編程實踐者

1. 先看結果

3個月，5萬塊收入，淨利潤率86%。

不是一個程序員的故事。是一個零編程基礎的工廠老闆，用AI從0到1做了一個SaaS產品的真實賬本。

前5篇出海系列，我教了建站、流量、變現的方法論。這篇不教方法，算賬。

如果你也想用AI做一個小工具站，或者正在糾結"到底值不值得幹"，這篇文章給你一組真實數據做參考。

項目是 PNG部落（www.pngtrid.com），一個AI圖像高清化和創意處理的在線平台。從Initial^[1] Commit到V2上線，11天。零工資支出，零外包費用，技術執行全部交給AI。

2. 為什麼做這個產品

起因很土——我開了個白墨燙畫打印工廠，每天需要大量高清圖案。

三個美工的真實痛點

2024年朋友投資開廠，我招了3個美工。月薪合計1.8萬，還不算社保和辦公設備。但錢只是最表面的痛。

第一個痛點：質量不穩定。 3個美工水平參差不齊，同樣的需求給不同人做，出來的圖天差地別。有時候客戶催得急，只能趕工交稿，結果返工率高達30%——返工意味着一張圖的成本直接翻倍。

第二個痛點：加班到凌晨是常態。 工廠旺季的時候，一個美工一天要做50-80張圖，晚上10點下班算早的。加班意味着兩件事：一是效率越晚越低，錯誤率上升；二是員工流失率高，我花了大力氣培養的人，幹了3個月跳槽去廣告公司了，我又得重新招。

第三個痛點：溝通成本比你想的大得多。 "這張圖的背景要再幹淨一點""這裏有個毛邊要修掉""客戶說要改顏色但不知道要什麼顏色"——一個需求從客戶嘴到我耳朵，再到美工手裏，中間的信息損耗讓每張圖的隱性溝通成本至少3-5分鐘。一天50張圖，光溝通就耗掉3個小時。

1.8萬工資 + 30%返工率 + 高流失率 + 每天損失3小時溝通效率，養美工的真實成本遠不止賬面上的數字。

AI生圖的降維打擊

2024年下半年我開始系統用AI生圖。用豆包和Step-2模型，一個圖案從輸入需求到出圖，平均30秒。成本呢？一張圖0.3-0.7元。

算筆賬：工廠每天需要50-80張圖，外包給美工每張5-20元，一天成本250-1600元。用AI生圖，一天成本15-56元。每天省200-1500元，一個月省6000-45000元。

而且AI出圖的質量比我想象中穩定得多——至少不會因為心情不好就做廢一張圖，也不會因為理解錯了需求就返工三次。速度更快，我甚至可以在客戶面前實時出圖、當場確認，溝通鏈路從"客戶→我→美工→客戶"縮短成"客戶→我→確認"。

最後，我用AI替代了2個美工，留1個做精細處理和客戶對接，一個月省了1.2萬。

從內部工具到SaaS的轉身

內部用着順手之後，有一天我在行業羣裏幫同行處理了幾張圖，對方驚了："這個效果也太好了吧？你自己做的？"

那一刻我腦子裏閃過一個念頭：既然這個行業有這個需求，能不能做成一個在線工具，讓別人也來用？

從一個內部工具到一個對外SaaS，聽起來是一小步，實際上是思維方式的大轉變。內部工具只需要"我自己能用就行"，不用考慮用戶體驗、不用管支付、不用做會員體系。但做成產品，你得想清楚：

• • 用戶畫像是誰？——電商賣家、打印店老闆、自媒體從業者
• • 他們願意付多少錢？——取決於你的產品比他們現有方案好多少
• • 怎麼收錢？——積分制還是會員制？價格怎麼定？
• • 怎麼讓人知道你有這個東西？——流量從哪來？

這些問題我在做PNG部落之前沒想清楚。說實話，很多是上線之後邊做邊想明白的。這也是為什麼我說"運營先行於產品"——如果先有100個種子用戶，你會發現需求比你自己想出來的更真實。

3. 總賬先亮出來

3個月的完整賬本：

• • 總收入：50,000 元
• • 服務器費用：~200 元
• • API成本（13,500張圖）：~6,750 元
• • 域名+存儲+雜費：~100 元
• • 總成本：~7,050 元
• • 淨利潤：~42,950 元
• • 利潤率：~86%

再說一組數據：

• • 總用戶：280人（付費用戶，不是註冊用戶）
• • 日均圖片生成：約150張
• • 總圖片生成量：約13,500張
• • Git總commit數：923次
• • 開發週期：11天（從Initial Commit到V2上線）

86%利潤率是什麼概念？

很多人對利潤率沒有直覺。我給你幾個參照：

• • 餐飲行業淨利潤率：5%-10%（毛利60%，但房租、人工、食材損耗吃掉一半）
• • 電商行業淨利潤率：10%-30%（取決於品類和運營效率，很多時候能到20%就不錯了）
• • SaaS行業淨利潤率：20%-40%（成熟期，含市場團隊和研發團隊成本）
• • PNG部落：86%

86%的原因很簡單：零人力成本 + 零營銷費用。

我沒有花一分錢投流，沒有請任何運營，沒有外包任何功能。所有技術工作AI幫我搞定了，運營靠我自己在行業羣裏做口碑。如果加上我自己的時間成本（按日薪算大約2-3萬），利潤率會降到50%左右——但即便如此，依然遠超傳統行業。

280個用戶怎麼產出5萬？

關鍵在於客單價結構和復購率。

280個付費用戶，50,000元，人均貢獻178元，月均貢獻約60元。60塊錢一個月，看起來不高，但要注意兩點：

第一，這是3個月的數據，很多用戶是中途才付費的。如果只看第3個月的數據，月ARPU會更高。

第二，會員訂閲佔了收入的70%，說明大部分付費用戶選擇的是長期包月模式——他們不是來用一次就走的，而是持續在用。這對於一個工具站來說，是最健康的收入結構。

傳統做一個這樣的SaaS，找外包或者招人，開發成本至少5到10萬，週期3到6個月。 我用AI編程，開發成本趨近於零。0工資支出，11天上線上變現。

4. 成本拆解

服務器：200元/3個月

前後端全部跑在 Zeabur 上。

為什麼選Zeabur？因為我被其他方案坑過（後面細說），最後發現Zeabur最適合我這種"不會運維的AI編程用戶"：

• • 包月計費，價格透明。 不會出現"這個月突然多了50美金不知道花在哪"的情況
• • 自帶PostgreSQL數據庫和Redis。 不用像Neon和Upstash那樣單獨註冊、單獨計費、單獨排查連接問題
• • 一鍵部署。 AI幫我把代碼寫好之後，我只需要在Zeabur後台點幾下就能上線，不需要敲任何命令行
• • 前後端都能跑。 不像很多方案需要前端後端分開部署，Zeabur一個平台全搞定，管理方便很多

我的配置：

• • 後端（API服務）：512MB內存 / 0.5核，~$5起步
• • 前端（靜態站）：靜態部署，含在內
• • PostgreSQL數據庫：共享實例，含在內
• • Redis緩存：共享實例，含在內

前兩個月用量小，大概$5/月。隨着用戶量增長漲到了$12/月左右。3個月合計約200元人民幣。

💡 被坑過的人的建議：別折騰那些按量計費的Serverless數據庫了，直接上Zeabur。結賬時輸入 "PNGTRID" 享10%折扣。我踩過的坑你就不用再踩了。

API成本：6,750元/3個月

這是最大的一筆支出。

算筆簡單賬：日均150張 × 90天 × 均價0.5元 ≈ 6,750元。

但實際成本不是固定的，不同場景差異很大，因為用的模型不同、分辨率不同：

• • 圖像高清化：Step-2 / 2048×2048 / 0.5-0.7元/張（主力場景，質量要求高）
• • AI摳圖：GPT-4o / 1024×1024 / 0.3-0.5元/張（邊緣處理效果好）
• • 創意生圖（引流）：豆包 / 1024×1024 / 0.2-0.3元/張（引流款，成本低）
• • 批量處理（大客戶）：Step-2 / 1024×1024 / 0.3-0.5元/張（大客戶走量，利潤薄）

同一個Step-2模型，分辨率從1024×1024提升到2048×2048，成本幾乎翻倍。所以控制API成本的第一步，就是根據場景選對分辨率——不需要超高清的圖，別用4K模型硬跑。

第三方API我用了302.ai、apimart.ai、evolink.ai三家，做了簡單的價格對比後選擇了性價比最高的組合。

成本優化技巧：模型路由

我後來做了一件事，讓API成本再降了20%：根據任務複雜度自動路由到不同模型。

思路很簡單：不是每張圖都需要最強模型。一張簡單的白底摳圖，用便宜模型就能搞定，效果幾乎沒區別；但一張複雜背景的精細摳圖，就得用好模型。

AI幫我寫了一個簡單的任務分類邏輯：用戶上傳圖片後，先分析圖片複雜度（背景簡單還是複雜），然後自動分配到對應模型。簡單圖走便宜模型（單張省0.2元），複雜圖走貴模型。

你別小看這個優化。日均150張圖，假設40%可以走便宜模型，一天省12元，一個月省360元。

隱形成本：時間

如果按時薪算，我在這個項目上花了大量時間。但時間的分佈不是你想的那樣。

很多人的誤區是："AI編程=不用花時間。"不是的。AI幫你省的是技術執行的時間，不是產品決策和運營的時間。

我的時間大概這樣分配：

• • 產品決策（25%）：想清楚做什麼功能、怎麼定價、優先級怎麼排
• • AI協作開發（35%）：寫提示詞、審核AI產出、測試、提反饋
• • 運營推廣（25%）：行業羣活躍、用戶溝通、收集反饋
• • 踩坑修復（15%）：排Bug、遷移部署、處理各種意外

傳統開發模式下，技術執行可能佔60%以上的時間（寫代碼、調試、測試），產品決策佔20%，運營佔20%。AI編程把技術執行壓縮到了35%，省下來的時間全給了產品思考和運營。

但這裏有一個關鍵認知：AI編程讓試錯成本趨近於零。

傳統開發模式下，改一個功能要找程序員，溝通需求、排期、開發、測試，一個迭代可能一週。我讓AI改，通常幾個小時搞定。923次commit，很多是AI幫我完成的，我自己只負責"說我要什麼"。這意味着我可以快速試、快速改、快速驗證，不合適的方向當天砍掉，不浪費一週的開發時間。

5. 收入拆解

5萬塊從哪來？

• • 線上支付（網站內）：~29,000 元（58%）
• • 私域（微信/支付寶轉賬）：~21,000 元（42%）
• • 合計：50,000 元

私域佔了42%，這個數據很重要。很多做工具站的人只盯着網站收入，但私域才是變現放大器。

私域運營的具體方法

我的私域不是刻意"運營"出來的，而是在行業羣裏自然積累的。具體做法：

第一步：免費幫人做圖，建立信任。 我在好幾個電商賣家羣和打印店老闆羣裏活躍，看到有人問"有沒有好用的去背景工具""誰有高清化服務"，我就主動幫他們處理一兩張圖，效果發到羣裏。免費→信任→付費，這是最短的轉化路徑。

第二步：加微信，持續提供價值。 幫完圖之後加微信，不是上來就賣會員，而是偶爾發一些AI生圖的小技巧、行業資訊。讓他們覺得"這個人確實懂行"，而不是"這個人天天推銷"。

第三步：引導付費。 當他們有更大的需求（比如批量處理50張圖），我就會說："我有個網站，註冊就有免費額度，充個會員更划算。"這時候他們已經信任我了，轉化幾乎不費力氣。

私域的客單價往往比線上更高——因為信任已經在那裏了，他們不在乎多付一點，反而更放心。

會員定價策略

我定價的過程不是"拍腦袋"，而是逐步測試：

• • 初始定價：參考了市面上同類產品（如remove.bg、Topaz Labs），它們的月費在$10-30之間。我的目標用戶是國內中小商家，價格敏感度更高，所以定了一個更低的檔位
• • 積分定價：參考了API的實際成本，保證每張圖都有毛利
• • 最終方案：會員制（月付/季付/年付）+ 積分充值（按需購買）。會員享受折扣價，積分是通用貨幣

我沒有做過嚴格的價格彈性測試（A/B測試），但通過觀察用戶的付費行為，發現大部分付費用戶直接選了月付會員，而不是先買積分試用。這說明月付會員的定價在他們的心理閾值之內。

大客戶的獲客方式也很直接——行業羣裏口碑轉介紹。一個電商賣家用了覺得好，會推薦給同行，我甚至不用主動去找。

ARPU 60元，高不高？

280個付費用戶，3個月50,000元，人均月貢獻約60元。

60元高不高？取決於你怎麼看。跟頭部SaaS比，這個數字當然不高——頭部SaaS的月ARPU可以做到200-500元甚至更高。但考慮到：

1. 1. PNG部落的定價本身就是"平民檔"——我的目標用戶是中小商家，不是大企業
2. 2. 產品只做了3個月，還沒做升單策略（比如企業版、批量API接口）
3. 3. 還沒有做精細化運營（比如流失用戶召回、節日促銷、推薦獎勵）

這個數據有巨大的提升空間。粗略估算，如果做一次有效的升單策略，把10%的用戶從月付轉到季付或年付，ARPU可以提升30%以上。

會員 vs 積分：7:3

• • 會員訂閲收入佔比約70%
• • 積分充值佔比約30%

說明大部分用戶一旦用起來，更傾向長期訂閲，而不是用一次就跑。這是工具站最健康的收入結構。

不同場景的毛利率

• • 大客戶：成本 0.5-0.7元 / 售價 1元 / 利潤率 30-50%
• • 普通用戶：成本 0.5-0.7元 / 售價 2-3元 / 利潤率 65-83%
• • 豆包模型（引流款）：成本 0.3元 / 售價 0.5元 / 利潤率 40%

豆包模型是引流款，利潤率看着不高，但目的是把人拉進來。真正賺錢的是普通用戶訂閲——利潤率65%到83%。

6. 踩坑 = 燒錢

這部分是最值錢的。每個坑都是真金白銀的教訓，比任何方法論都管用。

坑一：部署方案選錯，半個月燒了40美金

剛開始做的時候，我（讓AI）選了Railway + Neon + Upstash的"Serverless全家桶"，覺得每個都有免費額度，搭在一起成本最低。

結果完全不懂Serverless數據庫的計費規則，踩了三個坑：

Neon的compute time陷阱。 Neon是Serverless PostgreSQL，按"活躍計算時間"收費——哪怕你的數據庫只是連着、沒有查詢，只要連接沒斷開，就在計費。我當時不知道這件事，AI幫我配置了連接池之後，連接一直保持活躍，導致Neon每天都在計費。免費額度幾天就用完了。

Upstash的per-request計費。 Upstash Redis的免費額度是"每天10,000次請求"，聽起來很多。但一次圖片生成可能涉及5-10次Redis操作（緩存、隊列、狀態更新），150張圖/天意味着750-1500次請求。再加上心跳保活和其他輔助操作，很快就超了免費額度，開始按量計費。

Railway的內存計費。 Railway也不是完全免費的——雖然有個$5的免費額度，但我的後端服務內存需求超了默認限制，自動升級到了付費檔。

半個月下來，賬單合計40美金（約290元人民幣）。對於一個還沒賺到一分錢的項目來說，這個成本太離譜了。

怎麼解決的： 花3天時間遷移到Zeabur。前後端全部跑在Zeabur上，數據庫和Redis都是Zeabur內置的，包月計費，價格透明，一眼能看懂。遷移過程中遇到不少兼容性問題——環境變量不一樣、數據庫連接方式不同、靜態文件路徑變了——AI幫我逐一解決了。遷移之後，3天只要1美金。

如果你做： 別被"免費額度"迷惑，搞清楚計費模型再選方案。Serverless的計費規則非常複雜，對於初學者來說，包月計費的Zeabur比按量計費的Serverless全家桶省心10倍。

坑二：代碼寫得太亂，12月重構了623次commit

11月30日V2上線，12月一個月就提交了623次commit。異步任務隊列、AI摳圖、RESTful重構、反掃描系統、R2存儲優化、安全加固……

不是刻意重構，是寫到一半發現結構不對，只能推倒重來。

舉幾個具體的爛攤子：

硬編碼到處都是。 比如API密鑰直接寫在代碼裏，沒有用環境變量。一開始圖省事，AI幫我寫代碼的時候我也沒注意。後來想在本地和線上用不同的API密鑰，才發現改一個地方要改好幾個文件。

功能之間嚴重耦合。 支付回調和積分扣減寫在同一個函數里——如果支付成功了但積分扣減失敗怎麼辦？沒有事務保護，沒有回滾機制。上線後確實出現了"用戶付了錢但積分沒加上"的情況。

API路由沒有統一規範。 有的是/api/v1/image，有的是/image-process，有的是/upload——三個名字指的是同一個功能。後面加新接口的時候，AI（因為上下文不夠了）居然又起了第四個名字。

怎麼解決的： 痛定思痛，從1月開始用Claude Code + npx zcf規範開發流程。npx zcf幫我自動生成統一的項目結構、路由規範、環境變量管理。AI的上下文窗口有限，如果代碼結構亂，它很容易"迷路"——這次改了這裏、下次忘了那裏。結構規範之後，AI的開發效率和代碼質量都明顯提升了。

如果你做： 第一天就讓AI幫你搭好項目骨架。用什麼規範、路由怎麼命名、環境變量怎麼管理、錯誤怎麼統一處理——這些在寫第一行功能代碼之前就應該定好。npx zcf是目前我找到的最趁手的工具，一行命令搞定項目初始化。

坑三：支付回調失敗，用戶付了錢沒到賬

這個坑最要命，因為直接損傷用戶信任。

上線初期，有好幾個用戶反饋："付了錢，積分沒到賬。"我第一時間去查，發現Z-Pay的回調接口確實返回了成功，但積分沒有正確到賬。

排查過程很痛苦。AI幫我一步步定位：

1. 1. 先確認支付確實成功了——查Z-Pay後台，錢確實到賬了
2. 2. 再查我的回調日誌——回調確實收到了，但處理邏輯出了問題
3. 3. 最終定位到type參數格式傳錯了。Z-Pay要求type是數字類型（1、2、3），但我傳的是字符串類型（"1"、"2"、"3"）。JavaScript的類型判斷導致條件分支走到了錯誤的位置

損失： 直接損失幾百塊（退了款），間接損失更大——有個用戶付了50塊錢沒到賬，氣得差點在行業羣裏罵我。

怎麼解決的： AI幫我修了type參數的類型轉換，同時加了一層兜底邏輯：除了依賴回調之外，系統每隔5分鐘會主動查詢最近30分鐘內的支付訂單，如果發現"已支付但積分未到賬"的訂單，自動補發積分。這樣即使回調再出問題，用戶也不會"付了錢啥也拿不到"。

Z-Pay的接入流程其實不復雜：註冊→創建應用→獲取密鑰→配置回調地址→前端調用支付接口→後端處理回調。坑在於文檔有些地方寫得不細緻，type參數的類型要求就是其中之一。

💡 我用的Z-Pay，接入簡單、支持微信支付寶、手續費合理。如果你也需要接入支付，可以從這裏註冊：https://z-pay.cn/?uid=20060

如果你做： 支付系統上線之前，自己先小額測試至少3次。不要光測成功場景，要測異常場景——網絡超時、參數錯誤、重複回調、用戶付完直接關瀏覽器。

坑四：Redis空閒斷連，用戶生成圖片直接報錯

這個坑是技術性的，但用戶體驗影響很大。

雲Redis服務（包括我之前用的Upstash和現在Zeabur內置的Redis）都有一個默認的空閒超時機制：如果連接池中的連接空閒超過一定時間（通常是5-10分鐘），服務端會主動斷開連接。客戶端不知道連接已經斷了，下次使用的時候直接報錯。

PNG部落早期用戶量不大，有時候一小時只有幾個用戶。晚上低峯期，連接空閒十幾分鍾，Redis服務端已經斷開了。下一個用戶來生成圖片，拿到的"連接"其實是個死連接，直接報500錯誤。

表現： 用戶上傳圖片→等待→頁面報錯"服務異常"。刷新頁面重試就好了——因為重試時建立了新連接。

損失： 早期種子用戶體驗很差，有3個付費用戶因為這個原因差點流失，還好我在羣裏及時安撫了。

怎麼解決的： AI幫我加了心跳保活機制——每隔2分鐘往Redis發一個簡單的ping命令，保持連接活躍。同時優化了連接池配置，加入了自動重連邏輯：如果檢測到連接斷開，不報錯，而是靜默重建連接再重試。

如果你做： 用任何雲服務之前，把文檔裏的"限制"和"注意事項"全看一遍。空閒超時、最大連接數、請求頻率限制——這些參數往往決定了你的服務穩定性。

坑五：積分體系設計混亂，用戶看不懂

上線後最常見的問題是："會員和積分到底什麼關係？我買了會員還要買積分嗎？"

是的，我們的會員和積分體系設計得太複雜了。早期的邏輯是這樣的：

• • 會員分三級：月付、季付、年付
• • 每級會員有不同的積分贈送
• • 積分可以單獨購買
• • 會員享受積分折扣
• • 不同功能消耗不同數量的積分
• • 還有一個"每日免費額度"的概念

我（讓AI）設計的時候覺得"功能很完整"，但用戶一進來就懵了。有個用戶直接在羣裏說："你們這個會員搞得跟手機套餐似的，選半天不知道買哪個。"

這句話殺傷力很大。用戶來你這裏是處理圖片的，不是來做數學題的。

損失： 轉化率肯定被拉低了。從後台數據看，"瀏覽了價格頁但沒付費"的用戶佔比超過60%。雖然不能全歸咎於定價複雜，但至少影響了10%-20%的潛在付費用戶。

怎麼解決的： 大幅簡化。現在只有兩層關係：

• • 會員是"身份"：買了會員，享受更低的單張價格
• • 積分是"貨幣"：按需購買，用多少買多少

頁面加了一個清晰的對比表格，三行字說清楚區別。簡化之後，"瀏覽價格頁未付費"的比例從60%降到了35%左右。

如果你做： 別過度設計。工具站早期，用戶體驗比功能豐富重要十倍。能用一個按鈕解決的事，別搞三個入口。能用一句話說清楚的定價，別寫三段話。

坑六：內存爆炸，服務器直接OOM

這個坑差點把整個網站搞垮。

隨着用戶量增長，我加入了異步任務隊列——用戶提交圖片後，後端把任務丟到隊列裏異步處理，避免阻塞。但任務隊列的內存管理沒做好。

具體問題：每次任務處理完，隊列中的任務對象沒有被及時清理。圖片數據（可能幾MB一張）在內存中堆積，加上Node.js的垃圾回收機制在高負載下不夠及時，內存佔用持續增長。

更慘的是，我在配置Worker的時候，錯誤地計算了heap_size_limit——把限制設得太高，導致系統沒有在內存達到危險水位時及時告警或降級。結果就是內存一直漲，直到觸發系統的OOM Killer，直接殺掉進程。

表現： 用戶提交圖片→等待→頁面永遠loading→刷新發現服務器503了。重啓服務器後恢復正常，但過幾個小時又崩潰。

排查過程： AI幫我加了一套監控——每隔30秒記錄一次內存使用情況（RSS、Heap Used、Heap Total），寫入日誌文件。跑了兩天之後，內存增長曲線清晰可見：每次圖片處理任務之後，Heap Used都會上升一小截，但不會完全回收。12-24小時後就會觸發OOM。

怎麼解決的： 兩個修復：

1. 1. 動態Worker配置：根據當前內存使用情況動態調整Worker數量——內存超過70%時停止接受新任務，超過80%時主動清理積壓任務
2. 2. 內存保護閾值：設置Heap Used達到某個閾值時主動觸發GC（垃圾回收），而不是等到系統被動殺進程

修復之後，再也沒出現過OOM崩潰。

如果你做： 上線之後第一件事不是加功能，而是加監控。內存、CPU、響應時間、錯誤率——這些數據比任何功能都重要。等到用戶反饋"網站崩了"再去排查，已經晚了。

坑七：前端併發狀態管理Bug，loading永遠不消失

這個坑雖然不燒錢，但極度影響用戶體驗。

高峯期（比如行業羣裏有人推薦之後），多個用戶同時訪問網站並生成圖片，就會出現一個詭異的問題：前端loading轉圈永遠不消失，圖片明明已經生成好了，但頁面卡在"處理中"狀態。

用戶只能刷新頁面才能看到結果。但刷新之後如果緩存沒有清理，可能會重複提交任務，導致多扣積分。

排查過程： AI幫我分析前端代碼，最終定位到是一個併發狀態管理bug。我的前端狀態管理用的是簡單的useState，當多個請求同時進行時，第一個請求完成會把loading狀態設為false，但其他請求還在進行中——這時候loading消失了，但後續請求的結果卻沒有被正確處理。

簡單說就是：A請求完成→loading變false→B請求還在跑→B的結果被忽略了。

怎麼解決的： AI幫我引入了基於請求計數的loading管理——每次發起請求+1，每次請求完成（無論成功失敗）-1，只有當計數器歸零時才關閉loading。這樣就不會出現"一個請求完成把其他請求的結果吞掉"的問題。

如果你做： 工具站的前端狀態管理不要圖簡單用useState。涉及異步請求和併發場景，一定要有正確的狀態管理方案。這個坑我花了整整一個晚上才排查清楚。

7. 如果重來一次，我會怎麼省錢

1. 直接用Zeabur，不碰Serverless全家桶

光這個就能省290元 + 一週的遷移時間。前後端都放Zeabur，數據庫和Redis內置，包月計費，不用操心按量計費的坑。輸入推薦碼 "PNGTRID" 享10%折扣。

2. 第一天就定架構規範

用Claude Code + npx zcf，讓AI幫你搭好項目骨架再開始寫功能。路由怎麼命名、環境變量怎麼管理、錯誤怎麼統一處理——這些在第一行功能代碼之前就應該定好。別邊寫邊改，越改越亂。

3. 支付系統上線前自測3次以上

重點測異常場景：網絡超時怎麼辦、參數錯誤怎麼辦、重複回調怎麼辦、用戶付完直接關瀏覽器怎麼辦。不要只測"付款成功"的happy path。

4. 積分體系從簡開始

先做一種付費模式跑通驗證需求，再加複雜度。用戶來你這裏是處理圖片的，不是來做數學題的。

5. 把雲服務文檔的"限制"章節看一遍

空閒超時、最大連接數、請求頻率限制、內存限制——這些參數文檔裏都寫了，只是大多數人只看"快速開始"就跑起來。

6. 上線之後先加監控，再加功能

內存、CPU、響應時間、錯誤率——先把這四個指標監控起來，每天看一眼。不要等到用戶反饋"網站崩了"才去排查。

7. 運營先行於產品

這是我踩過最大的認知坑。我花了11天把產品做出來才去找用戶，但實際上應該反過來：先有100個潛在用戶，再開始做產品。

具體怎麼做？在行業羣裏提前釋放你正在做的方向——"我在做一個XX工具，有沒有人需要？"收集反饋、建立期待，等產品做出來之後，這些種子用戶就是你的第一批付費用戶。我後來也是在行業羣裏靠口碑獲客的，但我浪費了前兩週的"預售期"。

別閉門造車。先找到你的用戶，瞭解他們真正需要什麼，然後再動手。

8. AI編程真正的槓桿

我想說一個很多人搞混的觀點：

AI編程不是"不用寫代碼"，而是"試錯成本趨近於零"。

傳統做一個SaaS工具站：

• • 招前端+後端+設計師，月成本至少2-3萬
• • 3到6個月開發週期
• • 任何功能調整都要排期、溝通、等開發

我用AI編程做PNG部落：

• • 0工資支出
• • 11天從Initial Commit到V2上線
• • 想改一個功能，跟AI說一聲，幾小時出結果

923次commit的背後，絕大部分是AI幫我完成的。我的角色是產品經理+運營+決策者——我說要什麼，AI負責實現。

具體怎麼跟AI協作

很多人以為"AI編程"就是對着ChatGPT說"幫我寫一個網站"，然後等它吐代碼。不是這樣的。真正高效的AI編程，需要你掌握一套協作方法論：

提示詞怎麼寫： 不要寫模糊需求，寫精確需求。錯誤示範："幫我做一個圖片處理網站。"正確示範："我要一個Next.js項目，前端用React，後端用Node.js + Express，數據庫用PostgreSQL。首頁有一個圖片上傳區域，支持拖拽上傳。上傳後調用Step-2 API做圖像高清化，返回處理後的圖片。需要用戶登錄（JWT），積分系統（每次扣1積分），支付接口（Z-Pay）。"——越具體，AI給你的東西越能用。

怎麼拆分任務： 不要讓AI一次性做完整個項目。拆成小模塊：先搭項目骨架→再寫數據庫模型→再寫API路由→再寫前端頁面→最後集成支付。每個模塊完成後，測試通過再進入下一個。這樣即使AI在某一步出錯，你也能快速定位和修復。

怎麼多窗口併發： 這是最提效的技巧。當AI在幫你寫後端代碼的時候，你可以同時開另一個窗口讓它設計數據庫結構。兩個任務互不依賴，AI可以同時幹。我最多的時候同時開了4個窗口：一個寫後端、一個寫前端、一個寫測試、一個查文檔。這種併發效率是傳統開發做不到的。

模型選擇：為什麼用CCMate + GLM

做AI編程需要大量的API調用，直接用官方Claude/GPT的API費用很高。我選了CCMate作為中轉服務。PNG部落這個項目，前期是用GLM-4.7開發的，現在已經全部切換到GLM-5.1了。

為什麼選CCMate：

• • 費用低。 同樣的token量，CCMate的價格是官方API的1/5到1/10
• • 模型選擇多。 可以根據任務複雜度切換不同模型
• • 國內訪問穩定。 不需要翻牆，延遲低

GLM系列的優勢：

• • 中文理解能力強，適合我這種中文描述需求的方式
• • 代碼生成質量在國產模型中靠前
• • 上下文窗口足夠大，能hold住中大型項目的代碼理解

費用對比：如果用官方Claude API做923次commit的開發量，每月可能要花500-1000元。用CCMate + GLM系列模型，每月大約100-200元。省了80%的AI編程成本。

AI編程的天花板和侷限

說這麼多好的，也得說說不好的：

AI做不好的事情：

• • 複雜的系統架構設計——它能幫你寫代碼，但不能替你做產品決策
• • 跨模塊的深度調試——當Bug涉及3個以上的模塊交互時，AI很容易迷失
• • 用戶體驗的細微打磨——它不知道"這個按鈕放在左邊比右邊好"這種直覺

什麼時候該找真人：

• • 當項目月收入超過2萬，且技術債務開始拖慢迭代速度時
• • 當你需要做高併發、高可用、數據安全等企業級需求時
• • 當你需要做App Store上架、法律合規等非技術問題時

AI編程的定位是從0到1的利器，不是從1到100的萬能藥。但說實話，大多數獨立開發者和想做副業的人，卡住的就是0到1這一步。

這改變的不是"能不能做"，而是"敢不敢試"。以前你要做一個產品，光想想開發成本就放棄了。現在試錯成本趨近於零，你可以大膽試、快速改、不行就換方向。

但這裏有一個真相必須說清楚——真正的壁壘不是技術，是你對需求的理解和運營能力。 AI幫你把代碼寫出來了，但產品做什麼功能、怎麼定價、怎麼獲客、怎麼留存——這些才是決定你能不能賺錢的東西。

9. 給想入局的人一張清單

最小啓動成本：約300-500元

• • 服務器：Zeabur，~40-80元/月（前後端+數據庫+Redis一體化，推薦碼PNGTRID打9折）
• • 域名：Cloudflare/阿里雲，~50-70元/年（選.com或.net）
• • AI編程：CCMate中轉，~100-200元/月（按token計費，用量小可以先充50塊試）
• • API測試費：302.ai/apimart.ai，~100-200元（前期測試用，上線後用戶付費覆蓋）
• • 支付接入：Z-Pay，0元註冊即用（按交易手續費結算，註冊：https://z-pay.cn/?uid=20060）
• • 雜費：備案、工具等，~50元

300-500塊錢，這就是一個AI編程工具站的啓動成本。 不含你自己的時間。

你需要什麼前置能力

第一：對某個領域的理解。 不是編程能力，而是你知道某個行業有什麼痛點。比如我做PNG部落，是因為我開了工廠，我知道電商賣家和打印店每天要處理大量圖片，現有方案又貴又慢。如果你沒有真實的領域經驗，AI能幫你寫代碼，但幫不了你想清楚"做什麼"。

第二：基本的AI對話能力。 能清楚、具體地描述你的需求。這不是天賦，是練習出來的。多跟AI對話，學會把模糊想法拆解成精確指令。前3天可能覺得彆扭，一週後你會發現自己描述需求的能力提升了10倍。

第三：願意動手試錯的心態。 AI編程不保證一次成功。你可能需要反覆調整、測試、修改。但好處是——調整和測試的成本極低，不像傳統開發那樣每次改動都要等排期。

30天里程碑計劃

如果你從零開始，這是我建議的節奏：

第1周（Day 1-7）：驗證需求 + 搭骨架

• • 在目標用戶羣裏發帖/聊天，收集至少10個真實痛點
• • 確定你要做的核心功能（只做1個，別貪多）
• • 用AI搭好項目骨架（npx zcf初始化 → 數據庫設計 → API路由 → 前端框架）
• • 註冊Zeabur、域名、支付賬號

第2周（Day 8-14）：做出最小可用版本

• • 用AI實現核心功能（別追求完美，能跑就行）
• • 部署到Zeabur，確保線上能訪問
• • 自己跑3遍完整流程：註冊→使用→付費→退款
• • 修復明顯的Bug

第3周（Day 15-21）：找種子用戶

• • 在行業羣裏分享你的工具，邀請10-20個種子用戶免費試用
• • 收集反饋，記錄用戶原話
• • 根據反饋迭代1-2個核心體驗問題
• • 完善支付和定價體系

第4周（Day 22-30）：商業化驗證

• • 開放付費，觀察轉化數據
• • 優化定價和付費引導
• • 在2-3個新渠道做推廣（行業羣、朋友圈、內容平台）
• • 覆盤數據：有多少註冊？多少付費？ARPU多少？成本多少？

如果第4週末你有了10個以上的付費用戶，恭喜你，驗證通過了。接下來就是迭代和增長的事。

什麼情況下不建議做

• • 純跟風，沒有真實需求洞察——"看別人做工具站賺錢我也做"大概率撲街
• • 不想花時間運營——產品上線只是開始，獲客和留存才是重頭戲
• • 期望短期暴富——3個月5萬是結果，但前期一個月可能一分錢收入都沒有
• • 不願意跟AI反覆溝通——AI編程不是"說一句話就自動搞定"，需要你耐心地描述需求、審核產出、提反饋

10. 寫在最後

這篇是出海系列第6篇。前5篇我講了怎麼建站、怎麼搞流量、怎麼變現，這篇用PNG部落的真實數據，把經濟賬從頭算到尾。

核心就一句話：AI編程把工具站的創業門檻從5-10萬降到了幾百塊，但賺錢的關鍵從來不是技術，是你對需求的理解和運營的執行力。

技術棧可以全部交給AI，部署可以直接上Zeabur（推薦碼 PNGTRID 享10%折扣），支付可以用Z-Pay（註冊連結：https://z-pay.cn/?uid=20060），AI編程可以用CCMate中轉省80%成本——這些工具和經驗都是我踩過坑之後沉澱下來的。

但有兩件事AI幫不了你：想清楚做什麼，和找到你的用戶。

PNG部落下一步的計劃：正在做企業版——為大客戶提供批量API接口和定製化方案。如果企業版跑通了，ARPU可以從60元提升到300-500元，月收入可以再上一個台階。

如果你看了前5篇方法論，再看這篇真實數據，應該對"AI編程做工具站到底賺不賺錢"這個問題有自己的判斷了。

有問題交流的，加我微信：eatsoo

（微信二維碼佔位）

袁鋭欽 · AI編程實踐者PNG部落主理人生財有術AI編程深海圈教練

引用連結

[1] www.pngtrid.com），一個AI圖像高清化和創意處理的在線平台。從Initial: http://www.pngtrid.com），一個AI圖像高清化和創意處理的在線平台。從Initial