48小时150美元造SaaS：为智能体而非人构建的新范式

构建SaaS应用的方式正在发生根本性变化。一位长期专注于SaaS增长黑客的创作者分享了他如何在48小时内、以不到150美元的Token成本，从零构建出一个完整的SaaS产品——包括仪表盘、用户引导流程和多平台监控引擎。更重要的是，他提出了一个颠覆性的观点：我们正在从「为用户构建」转向「为智能体构建」。

本文梳理其构建过程中的技术选型、产品决策与核心方法论。

Grok 4.6：当前最强的编程模型

这位创作者对Grok 4.6给出了极高的评价，称其为「我见过的远远最好的模型」。他的判断并非空谈，而是基于真实的项目对比。

在为对冲基金构建大型功能时（如基于对抗的交易系统、缓存价格数据系统），GPT系列模型花了两周多时间、消耗五个Pro账户（月费约1000美元）都未能完成。模型反复生成4-5万行代码的PR，最终审计智能体判定「太复杂，不如从头开始」，陷入原地打转的循环。

而同样的任务，Grok在30美元套餐上仅用约6小时就完成，代码量只有9000行。他随后升级到300美元套餐，并计划将原有的多个GPT Pro订阅迁移到Grok。整个SaaS项目的Token成本控制在150美元以内。

简洁性：真正拉开差距的能力

作者反复强调，Grok最打动他的是保持简单的能力——不添加不必要的复杂性、不构建用不到的功能、不制造冗余代码。他仍会用Grok 4.6做对抗性审计和「第二意见」，作为质量安全网。

有趣的是，当审计智能体抛出十个所谓的「问题」时，Grok往往能识别出其中只有两个是真正重要的，其余「只是增加了不必要的复杂性」。这种去伪存真的判断力，正是当下代码智能体最稀缺的品质。

对抗性审计（Adversarial Audit）是一种将两个AI智能体对立设置的质量控制方法：一个智能体负责生成代码或方案，另一个专门扮演「挑剔的审查者」角色，主动寻找漏洞、冗余和潜在风险。这种方法借鉴了软件工程中的红队测试（Red Teaming）理念。其价值在于，单一智能体往往会在自己生成的代码中形成「自我确认偏误」，而引入对立视角能有效暴露盲点。然而，对抗性审计也有过度批评的风险——如文中所示，审计智能体可能将「复杂性」本身视为问题，提出大量实际上并不必要的修改建议。Grok能够从十个审计意见中识别出真正重要的两个，体现的正是在「挑剔」与「实用」之间保持平衡的判断力。

产品定位：互联网实时监控引擎

他构建的产品源自为对冲基金打造的抓取引擎——监控社交媒体上的评论、讨论与情绪，浓缩后通过不同模型和算法生成投资论点。

他意识到这个能力有远超基金场景的应用价值，于是做了一个独立的MVP：用户可以输入任意关键词、短语或话题，监控Reddit、TikTok、YouTube、Google、播客等平台的提及情况，设置警报并获得AI摘要。目前他个人管理着约50个不同平台的监控。

MVP阶段的产品智慧

作者分享了几条极具实操价值的经验：

• 在页面顶部标注「Beta」：这既是一张「免罪卡」，保护你的声誉（新软件必然遇到边缘情况），又能吸引乐于试错、愿意提供反馈的早期采用者。
• 测试期完全免费：避免退款和支付网关的拒付率问题，更重要的是——用户反馈的价值远超每月29/49/99美元的订阅费。
• 为自己构建：只有解决自己的真实问题，才能真正理解要解决什么。「如果它为我解决了问题，世界上还有其他人会从中受益。」

他还推荐了Basecamp团队所著的《Getting Real》作为SaaS构建圣经——一本极短却每行都有价值的书，与冗长的《精益创业》形成讽刺性对比。

核心转变：为智能体而不是为人构建

这是整篇分享中最具前瞻性的洞见。

传统思路是让用户手动填表创建警报——选平台、输关键词、设频率。但作者认为，大多数用户不再愿意填表格，他们更习惯的工作方式是：打开自己的编码智能体（Claude、Codex、Kimi等），粘贴一段提示，让智能体自动完成一切设置。

关键在于——用户的智能体拥有你所没有的上下文。它了解用户正在做的项目、业务和兴趣，因此能主动建议「你应该设置这五个警报」。换句话说，用户的智能体在替你完成用户引导。

从特斯拉的7次点击说起

作者引用了一个案例：特斯拉为提高转化率，将订购流程从平均300次点击压缩到7次点击。他将同样的思路应用到自己的产品：用户从注册到智能体自动设置好定制化警报，只需5次点击（Google登录2次、复制提示、打开终端、粘贴）。

因此，产品设计的重点不再是打磨精美的UI，而是让智能体能够代替用户完成设置。他在产品中提供了「复制提示」作为每个功能的第一项，配合Clerk的内置MCP服务器实现一键认证与安装。

Clerk是一个面向开发者的用户认证与身份管理平台，提供开箱即用的登录、注册、多因素认证和API密钥管理功能。其核心优势在于将传统需要数周自研的认证系统压缩为几行代码集成。文中特别提到的「内置MCP服务器」是Clerk近期针对AI应用场景推出的功能：当用户在自己的编码智能体中粘贴提示后，智能体可通过Clerk的MCP接口直接完成身份验证和权限配置，无需跳转浏览器或手动填写凭据。这一设计正是「为智能体构建」理念的具体实现——认证流程的主要用户不再是人，而是代表人类操作的AI智能体。

让客户用智能体在你的产品上构建

作者刻意让仪表盘保持极简——只提供原始数据、历史记录和基础概览，而不试图满足所有人的需求。

他的核心逻辑是：数据的应用场景对每个用户都是独特的。与其构建一个臃肿的通用仪表盘，不如提供灵活的原始数据和API，让用户用自己的智能体构建定制化工作流。

他提供的分析维度经过精心设计，例如：

• 本周关键词提及数 vs 上周（趋势对比）
• 独立作者数量（判断是否有人在刷屏，可将其加为负面关键词过滤掉）
• 讨论地点分布（集中在哪个subreddit）

「让你的客户能够用智能体构建，我认为这将是SaaS公司成功与失败之间最大的区别之一。」

技术栈全景：拥抱智能体化工具

作者的工具选型清单，几乎全部围绕「为智能体构建」这一趋势：

用途	工具	说明
文档	Mintlify	OpenAI、微软、Anthropic、Amazon、Coinbase等大牌都在用，免费可用
边缘计算	Cloudflare Workers	无服务器、全球分布，每月100万次免费额度
对象存储	Cloudflare R2	大量用于缓存JSON/CSV文件
邮件	Resend	为开发者构建，有MCP和CLI，送达率高
产品分析	PostHog	实时用户行为动态，内置A/B实验功能
CRM	Attio	AirTable风格，内置邮件自动化
用户认证	Clerk	内置API密钥生成、请求限制和MCP服务器
托管	Render	GitHub变更自动部署，适合有后端和爬虫的项目

值得关注的MCP聚合方案

作者特别提到一个解决MCP痛点的工具：当你有20个不同的MCP服务器时，它们会大量占用智能体的上下文，且在Claude、Codex、Hermes等多个智能体上都要重复登录。

而通过一个统一的MCP聚合服务器，可以一次登录连接无限个集成，由它转发所有请求到对应API。他目前仍在免费计划上使用，认为「相当有价值」，尤其在管理YouTube账户等场景。

关于托管选型，他澄清了决策逻辑：纯前端项目选Vercel，但有实际后端（如大量Worker和爬虫）的项目更适合Render——Vercel在函数数量上有限制，而Render的用户体验和自动部署工作流已使用三四年，「绝对惊人」。

MCP（Model Context Protocol，模型上下文协议）是Anthropic于2024年提出的开放标准，旨在统一AI模型与外部工具、数据源之间的通信方式。类比USB接口的作用——在MCP出现之前，每个AI应用需要为每个外部服务单独开发集成接口，维护成本极高。MCP定义了一套标准化的「服务器-客户端」架构：工具提供商发布MCP服务器，AI智能体作为客户端按协议调用，双方无需了解对方的内部实现。Clerk内置MCP服务器意味着用户认证、API密钥管理等操作可以直接被Claude、Codex等主流智能体调用，无需手动配置。而文中提到的MCP聚合服务器，则是在此基础上进一步解决「多服务器上下文膨胀」问题，通过单一入口代理所有下游MCP连接，减少智能体需要维护的上下文长度。

写代码不再是瓶颈，产品判断力才是

作者坦言，几天内构建出这个设计精良的SaaS，与几年前的开发方式相比「绝对荒谬」。过去雇设计机构做仪表盘需要约6周、费用从几千到六位数，开发再花数月，而现在整个过程压缩到几天、成本不到200美元。

但他给出了一个清醒的提醒：理解如何构建软件、掌握各类工具、从用户角度设计的SaaS原则，比以往任何时候都更有价值。

「因为问题不再是写代码，问题是让智能体为你构建好产品。而它们仍然需要你的输入才能做到。」

在AI能够替人写代码的时代，真正稀缺的不是编码能力，而是产品判断力、简洁的品味，以及对「为智能体构建」这一新范式的深刻理解。