AI能不能帮一个人完成网站运营?

早上打开邮箱,一封用户来信:"Safari 上点导出没反应。"没有截图、没有版本号、没有其他信息。

这就是运营的实际形态——不是发内容、不是拉新,是一条信息量极低的线索,加上一个你要自己去复现的世界。我把一周里做的事记了两周账,发现真正耗时的动作和大多数人以为的完全不同。

一周里真正在做的四件事

复现别人的环境。这封信要回答的是"Safari 的哪个版本、在哪个页面、点了哪个按钮",而在问到这些信息之前,我先得自己去试一遍。这一步里最贵的其实是那个来回——很多时候这封信就是对话的终点,用户不会再回。

我也试过直接让它猜原因。给一段不完整的描述,它能列出三四种可能并按概率排序,其中通常有一条是对的。这一步的价值不在它猜得准,在于它把"从哪儿开始查"提前摆到了你面前。

判断要不要改。这是一周里最贵的动作,也是唯一没法委托的动作。

改完之后确认别的没坏。小工具站没有 QA,这一步得自己做。

看有没有人正在流失。某个页面的跳出突然升高、某个入口的点击掉到零——这些信号要先被注意到才有意义。

四件事里,第二件和第三件占了绝大部分时间。而且这四件有一个共同特征:它们都由一封邮件、一条曲线开始,而不是由计划开始。这一点决定了 AI 能帮到什么程度——它能处理你交给它的东西,不能替你决定先看哪一样。

一周里唯一不该由我做、而我一直在做的事

是回答重复问题。同一个问题答第十次,第十次拼写同样的配置说明——这类工作它处理得比人好,因为它的耐心是恒定的,不会因为回答了二十遍就在第二十一遍里带着敷衍漏掉关键一步。

我把常见问题的答法整理成一份文本喂给它,让它先出稿我再改。这一步每周大概省下两个小时,是这次记账里收益最清楚的一项。

前提是答案本身得先经过核实。错误的答案被它写得流畅之后,危害比口语化的错误回答大得多。

能接住的一半:执行

第三件交给它的效果最好。我现在的做法是让它读完改动后列出"这次可能影响的路径",我对照着点一遍。它漏掉的地方通常集中在它没见过的文件上,所以我会明确把受影响的目录喂给它。

它还接手了一件不起眼但很省事的事:把散在各处的配置和操作说明汇总成一份清单。输入是我给的几份文档,输出是格式统一的条目,出错率低,而且可以逐条对照原文验证。

复现环境这一件它能帮一半。给一段报错,让它推测三种最可能的成因并给出验证方法,通常其中一条是对的;但最终要在别人的浏览器上跑通的还是你自己。

接不住的一半:判断该做什么

Cakedesk 的数据在这里特别有说服力。作者 Max Schmitt 一个人做这款 Electron + React + Node.js 的桌面应用,一次性付费 €69,2025 年卖出 239 份新授权、约 €16000 毛收入。

同一年他收到 44 个功能请求,完成 13 个。

13 这个数字就是运营的全部内容。决定做哪 13 个的依据,是"提需求的人付没付钱、这个问题会不会让准备付费的人放弃、这个改动会不会把打包链路拖垮"——这些信息散落在邮件、付款记录、崩溃报告里,AI 一样都摸不到。

AI 能做的是把那 44 个请求聚类归拢。这一步确实省时间,但它输出的是一个清单,不是一张排期表。

这也是我后来把用户邮件和付款记录放在同一个地方看的原因——不为省时间,是为了让"这个人付没付钱"这条信息在做决定的那一刻就在手边。

运营的终点不是流量,是被记住

terrific.tools 的作者做了 12 个月,2025 年 11 月才迎来第一个完整变现月:展示广告 174.41 美元加卖桌面版的 125 美元,合计不到 300 美元,每千次会话广告收入 6.89 美元。

terrific.tools 官网首页截图
terrific.tools 官网首页截图

terrific.tools 首页横幅写着刚上线第 750 个工具——50 个工具起家的路线图早已翻了很多倍。

对照 TinyWow 的结构就有意思了:250 多个工具,第三方估算月访问 180 万到 230 万(2026 年上半年),其中约 47% 是直接访问,搜索占三分之一左右。

一半的人不是搜进来的,是敲域名进来的。两组数字放在一起看:运营真正攒下来的东西是"用户记住了域名",而这件事没有任何自动化捷径。terrific.tools 用十二个月只换到三百美元量级的收入,但 TinyWow 那 47% 一旦形成,就很难被谁抢走。

把运维面压小,比提高自动化程度有用

一个人要做的事越少,AI 能覆盖的比例才越高。我在这方面的三条选择:

存储只用一个单文件数据库,备份就是关机时复制一个文件,不引入需要盯的数据库服务——边界和坑在轻量存储里写得很清楚。

服务层不用容器编排,静态产物加一层反向代理就够了,长缓存、压缩、try_files 这些配置一次配好后几年不用动,具体在 nginx 静态服务

本地跑一份和生产一致的环境,用容器保证两边依赖版本一致,这在 Docker 部署里是标准做法,能消掉一大类"我这儿是好的"型问题。

做完这三条,一周里省下来的时间比引入任何 AI 工具都多。


Cakedesk 数据来自作者 Max Schmitt 2025 年度总结;terrific.tools 数据来自作者在 Indie Hackers 的更新;TinyWow 流量结构与工具数量为 2026 年上半年第三方估算。