独立开发者如何让常驻 AI 分担日常工作

一个独立开发者让 AI Agent Muse 常驻虚拟机，全天参与游戏和小型 Web 服务的开发运营。它接触项目文件、笔记和日程，承担持续工作。作者的结论很克制：AI 没把一个人变成 50 人工作室，大约只是变成了 2.5 个人，而且新增能力更多用在验证上。

这篇经验值得读，因为它讨论的是日常协作：任务怎样交代才会做完，报告怎样才可信，以及哪些决定仍要由人拍板。对同时维护多个项目的程序员，这些问题比再找一个提示词模板更实际。

AI 最能帮忙的，可能是代码周围的杂事

作者在日本独立开发，既维护几款已发布的 iOS 游戏和一两个 Web 服务，也在开发新的浏览器游戏。设计、开发、美术方向、商店运营、营销和支持，都压在一个人身上。

他的判断是，真正卡住自己的未必是写代码，而是围绕代码的一百件小事：查看商店指标、处理膨胀到数十 GB 的项目、调查构建被拒原因、写更新说明，以及记住上周做过什么决定。

Muse 主要接走了这些工作。它每天早上汇总商店和广告收入，整理成一个仪表盘；批量处理游戏文件；起草文章和推广内容；关注与技术栈匹配的安全公告。作者则把注意力留给玩法、手感和最终决策。

这里有个容易忽略的前提：Muse 能持续工作，是因为它运行在常驻虚拟机上，而且有项目、笔记和日程可读。只在聊天窗口里粘贴几段代码，并不具备相同的协作条件。原文也没有交代 Muse 的底层模型、部署成本和权限配置，不能据此复刻完整环境。

为什么任务要写终点，还要写停止条件

作者认为，产出质量很大程度上在开工前就决定了。

第一步是交代目标。相比逐条发送操作指令，他发现，明确描述期望终态的目标模式，更容易让任务持续推进到完成。只给步骤时，会话常在中途停住，等他再推一把。这是作者的使用观察，原文没有提供成功率对照。

但目标不能无限放大。作者同时要求任务足够小，有明确停止点，并且只有一个可验证的结果。

例如，「修复攻击判定框」太模糊。更好的任务是：把指定三个角色的连击判定框，略微延伸到刀光可见尖端之外，并用测试套件证明。范围、对象和验收方法都写清楚，出错时也容易定位。

让 Agent 自主推进，需要先把完成条件写清楚。

另一个条件是持久记录。操作方式在哪个版本冻结、角色尺寸比例已经定稿、方案 A 不要再次提出，这些决定都要写进 Agent 会读取的记忆。否则，每次会话都可能重新讨论上周已经否决的选项。

它能在凌晨 3 点沿用三周前的决定，依赖的是记录，而不是人类式的默契。

测试通过，为什么手机上还是没变化

作者最认可 Muse 的地方，是它能耐心执行重复验证：在两个屏幕方向运行同一套测试，按数值阈值审查数百帧精灵图，对已部署页面逐字节复查，以及从数万个素材文件里筛出没有被引用的资源。

这些任务规则明确，重复次数多，适合交给 Agent。

但作者也遇到过一次典型失败：Muse 报告动作修复完成，因为动画帧存在，姿势转换也正确；作者拿起手机，看到的角色却几乎没有变化。检查通过了，体验目标没有达成。

问题出在验收指标只覆盖了部分目标。帧是否齐全、状态转换是否正确，可以检查；玩家能否感受到动作变化，还需要看实际播放效果。像素级测量能提供辅助，最终视觉判断仍由作者在真机上完成。

报告也有类似问题。作者发现，Agent 可能把局部检查写成完整验证。因此，他要求报告列出实际测了什么、截图展示了什么，以及哪些部分没有验证。

可信的完成报告，要能区分已经验证的结果与尚未验证的部分。

我的判断

这套经验最有价值的地方，是把 AI 协作落到了任务边界、验收证据和决策记录上。这些做法不依赖某个模型，也适用于普通编程助手。

不过，作者关于效率的描述仍是经验之谈。「一个人变成约 2.5 个人」没有工时记录、成本统计或对照实验，不能当作团队产能预测。独立开发者可以自己确定标准，多人团队还需要解决谁维护记录、谁负责验收的问题。

常驻 Agent 也不是所有任务的首选。如果只是一次局部修复，聊天式助手配合现有测试可能已经够用；持续汇总指标、反复检查资源、维护跨会话决定，才更能体现常驻工作的价值。

作者保留的三类控制权也很明确：面向公众且不可逆的操作、身份隐私、创作方向。提交 App Store 审核必须获得明确批准，即使修复 Bug 可以自动进行；真实姓名和家庭住址不能进入公开内容；从 12 个角色设计里选哪一个、笑话是否成立、功能是否该砍，仍由他决定。能生成 100 个变体，不等于能替创作者选中那个合适的。

能拿来做什么

• 给 AI 编程任务补上对象、范围和验收条件。例如修复浏览器游戏的攻击判定时，明确涉及哪些角色、判定应延伸到哪里，以及用什么测试证明完成。
• 为项目维护一份已定决策记录，写清冻结的操作方式、确定的尺寸比例和被否决的方案，并让 Agent 开工前读取。
• 要求完成报告列出实际运行的测试、截图证据和未验证项。涉及动画、交互手感或视觉效果时，把真机检查列入验收。
• 优先委派资源引用排查、重复测试和指标汇总等规则清楚的工作；公开提交、隐私披露和创作取舍保留明确的人类决策入口。