鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

为什么说一人公司是传统公司的终点,也是无人公司的起点?细看一个年270万美金的故事

编程导航
编程导航
2025-12-29 12:30
阅读 143
编程导航
2025-12-29 12:30
阅读 143

文 | 李智勇

商业世界的天空,像黑客帝国中人类遮蔽天空那一幕一样,迅速出现了一层无形的屏障。

左边,是哪些巨无霸,它们的逻辑是:规模即力量,管理等于精细化运营(极端就是PUA,很多大厂的同学似乎深受其苦)。

右边,是一种全新的物种在野蛮生长。

代表人物之一是个荷兰人——Pieter Levels。

这兄弟也不融资,没团队,就一台电脑开整,但一年差不多整到270万美金。

不要以为这纯粹就是偶然的,下面这个表单大家如果仔细看,就会发现,至少还有一个(排第五名那个):

https://leanaileaderboard.com

Pieter Levels有意思的地儿不单是没有各种O(CEO/CTO/CFO),没有大办公室,独自运营着 Nomad List、Remote OK 等多个年入百万美元的服务,更关键的他经常分享,所以我们更容易看出来这个过程里的各种真实细节。

多个角度看下来你就会发现,这可不是简单的独立开发者神话,更有点像华为当年那个宣传图:满是伤痕的芭蕾舞者。

正向看是这样:

一人公司(OPC: One-Person Company),不是什么小作坊,它是传统公司在数字化杠杆下的最强增强版,可以干出成绩;

深处看则是:当站在这个巅峰后,就会发现,其实成绩的压力让这种一人公司必须站在无人公司(Zero Person Company)的起跑线上。

要整明白 PL这事,先得看看大厂不能干什么。

这是一种无形的刚性边界,你很擅长抓鱼,但水里没鱼是不顶用的。

在大厂呆过的人都懂:人越多,事儿越慢。

亚马逊的贝佐斯为了对抗这毛病,搞出了“两个披萨原则”(开会人数不能多到两个披萨吃不饱)。但没用,绝大多数公司每天80%的能量,都消耗在了对齐颗粒度、写日报周报、跨部门扯皮和办公室政治上。

这就是人力协作必然要交的“税”。

但是它的强处是啥呢?是付了代价把自己力量也堆起来了,你绝不可能比它劲大。

而 Pieter Levels这类哥们呢?

他没有合伙人需要说服,没有下属需要PUA,没有投资人需要画饼。他的每一个念头,从大脑蹦出来到变成一行行代码上线,快起来可能只需要几个小时。这种“感知-决策-执行”的闭环速度,秒杀任何百人以上团队。

这就是“一人公司”作为传统模式增强极限的含义:它剔除了所有协调摩擦力,将这部分转置成技能(和各种工具,尤其是AI磕,而不和人磕)。

这意味着什么呢,个体的创造力通过AI杠杆放大了五倍或者十倍,并且保持高度灵活性,但是整体力量肯定不如大厂大。

所以上面的问题的回答就比较清楚,劲大不好使的地儿适合这种超级个体。

比如位置上PhotoOK就是,腾讯会议和豆包就不是。

问题还没完,会写代码的人多了去了,凭什么就他成了 Pieter Levels?

还有其他原因的。

很多人学 PL,容易学个皮毛。

以为学个全栈开发就能复刻他的成功,这完全不靠谱,这类成功至少是三个关键点交汇。

PL 能把“一人公司”玩到极致,是因为他手里握着三张常人忽视的底牌。他不仅是个程序员,更是一个优秀的商业操盘手。

底牌一:个人品牌即超级杠杆

在传统公司,做产品的和做市场的往往是两拨人,互相看不顺眼。

在 PL 这里,产品和营销是一体的,而核心载体就是他自己推特账号等。

他从不搞什么花里胡哨的广告投放。他的营销方式就是“Build in Public”(公开构建)。他今天写了什么Bug,明天收入涨了多少,后天对哪个行业趋势开了炮,全部在推特上直播。

他把自己活成了一个网红IP。他的数万忠实粉丝,就是他的免费市场部、免费公关部和免费内测用户群。(这可能比程序部分还关键,所以放在第一)

当别人还在苦哈哈地买流量时,他发一条推特,新产品就冷启动完成了。这就是一人公司的顶级玩法:用人设带动产品,用影响力替代广告费。

注意这个地儿和上一节的因果,如果的你影响力的定位一点不出奇,也是不灵。哪有人关注啊!

这里的深层含义是:人不是用来干活的,是用来建立和用户的链接的。

底牌二:抠门到极致的技术实用主义

现在是个程序员都要谈 React, Vue, 微服务,云原生。

PL呢?他还在用 PHP 和 jQuery。对,就是那种被技术圈鄙视链底端的“上古技术”。

为什么?因为快,因为便宜,因为稳定。

他极度厌恶过度设计。能用一行脚本解决的,绝不上复杂的框架。这种极端的实用主义,让他把开发和维护成本降到了令人发指的程度。

当一个创业团队还在为几十万的 AWS 账单发愁,还在为招不到高级架构师掉头发时,PL 的服务器成本可能还不够他们吃几顿工作餐。

极低的成本结构,不单意味着极高的生存能力和利润率,还意味着极低的试错成本。这和下一部分呼应。

这是啥呢?这是彻底的技术为商业服务!彻底的技术“对齐”商业!

没技术出不来产品,但纯粹的技术差异没意义。

一人公司是不可能靠技术取胜的,必要不充分条件,觉得自己有两把刷子的技术同仁们发挥优势的最好方法是抑制技术冲突。

底牌三:精准狙击中长尾市场

PL 很聪明,他绝不去碰那些巨头盯着的红海市场。

他做的 Nomad List(数字游民榜单),这是一个什么市场?对于谷歌、脸书这种巨无霸来说,这个市场太小了,肉太少,看不上。

但对于一个人来说,这块肉太肥了。全球数以百万计的数字游民,他们需要信息,需要社群,需要找工作(Remote OK)。

这就是中长尾市场的魅力。

它足够细分,巨头不屑于弯腰捡钢镚;但它又是全球化的,累积起来的体量足够让一个人实现财务自由。

PL 的成功,是在一个被巨头遗忘的角落里,用最低的成本,靠着个人影响力,建立起了自己的独立王国。

前三者是一体的,前二者甚至是干第三个点的前提,做中长尾市场没人能一把干准,然后你就需要一定量级的试错,一定量级的试错就需要营销成本和产研成本都足够低。

否则怎么大量试错!

他干个产品定位准不准,首先靠个人判断,一万也搂不住一个,试错成本再低也白搭;眼光配合极低成本试错才是正路。

所以干很多的产品这事在他这儿闭环了。

如果就到这儿,好像全是美好的事情,其实不是的。

PL他的真正价值在于,他不单展示了自己怎么完成商业化,还向我们展示了“一人公司”的天花板在哪里,以及这个社会对这类个体并没准备太好。

首先是肉体凡胎的极限。 无论 PL 技术多牛,他每天也只有24小时。他也会累,会焦虑,会职业倦怠。他曾坦言自己一度在崩溃边缘。

更致命的是:这个社会的商业基础设施,根本不是给一个人准备的。好多事你不能在家里就干完。

我们的银行、税务、法务、采购体系,默认的服务对象都是部门或团队,不是AI。

● 一份几十页的商业合同,默认你有法务部去审;

● 一次复杂的跨国税务合规,默认你有财务部在跑;

● 甚至一次支付接口的封禁申诉,默认你有公关部去撕。

当这些原本属于后台部门的琐事,现在全部压在一个人身上时,后果是压力山大的。

举个最简单的例子: 你可能正在灵感爆发狂写代码,突然收到税务局的短信,或者银行要求你更新反洗钱资料。在传统公司,这只是财务总监的一封邮件;但在一人公司,这意味着你要停下手头核心的开发工作,花整整三天去研究晦涩的条款,去填表,去盖章。(问题是你不咋明白这些东西)

这种倒腾显然是必要的,因为我们在社会里活着,但也是极其昂贵的。

这个世界的规则设计,是工业社会来的,天然地在切割、肢解一个人的完整精力。(好消息是方向是越来越数字化,越来越容易一点)

这就到了一个生死攸关的转折点,这一个人是优势,可也马上会成为关键瓶颈。

绝大多数被琐事淹没的创业者,都会做同一个选择:招聘。

招个助理吧,招个会计吧。

恭喜你,只要你迈出这一步,你在解决问题,但你也在丧失优势。你得开始管人、定KPI、交社保、处理狗血的办公室恋情。你从一个轻盈的剑客,又变成了一个臃肿的胖子。

但 Pieter Levels 是个狠人。面对这种社会的精力切割,他有一个近乎偏执的原则:“只要能用代码解决的,绝不雇一个活人。”

为了对抗社会的摩擦力且不雇人,PL 被迫进化。

他不再仅仅是一个在那儿敲代码、回邮件的“操作者”(Operator),他被迫变成了一个设计系统的架构师(Architect)。

他开始在他的服务器上养机器人(AI不AI都不关键,记住上面的技术对齐商业规则)。这些可能就是定时任务和自动化脚本。

● Remote OK 上有人发招聘?脚本自动生成精美海报,自动分发到几十个社交媒体渠道。

● Nomad List 社区有人捣乱?自动化规则直接屏蔽,根本不需要人工审核。

● 需要搞流量?写好规则,让程序自动生成成千上万个针对长尾关键词的落地页(Programmatic SEO),等着谷歌收录。

这时候,他的公司虽然法律实体上是“一人”,但在运营实质上,已经有80%的部分实现了“无人化”。

这,就是“无人公司”的雏形。

一人公司是“一个人像一支队伍”,而无人公司是“一套代码就是一支队伍”。

下面要说一点点技术了。

如果我们将 PL 的模式结合现在爆发的 AI Agent(人工智能代理)技术,未来的图景就清晰了:

未来的公司,运营主体不再是人,而是系统。

在一人公司阶段,你是核心引擎,代码是工具。 在无人公司阶段,AI 系统是核心引擎,你是启动者和监管者以及社会接口(违法乱纪还是你的事不能是AI的事儿啊)。

想象一下,如果 PL 的那些脚本不仅能自动推广,还能理解用户情绪去处理退款?还能看着后台数据,自主决定下个季度重点推哪个城市?还能自己做A/B测试修改页面?

当这一天来临时(技术上其实已经快了),PL 甚至不需要亲自写 PHP 了。他只需要对他的 AI CEO 下达指令:“今年的目标是利润增长 20%,别来烦我。”

让我们在脑海里画一张光谱图。

最左边,是传统公司。靠堆人头,效率被科层制稀释,反应迟钝得像恐龙,但劲贼大。

中间,是一人公司(PL模式)。这是传统模式的巅峰增强版。利用个人品牌、低成本技术和利基市场,将个人能力放大到极致。但同时,它也面临社会规则的切割和肉体的极限。

最右边,是无人公司。AI 驱动的自主实体。系统自我维持,自我优化。创始人退居幕后,成为纯粹的股东和愿景制定者,搞定社会层面还没法用AI搞定的事。(这部分随着社会进步,有些也要转给AI,但在早期搞激进了就全是负效果,比如过早把PL和社区建立链接那活弄成AI了,那可能会把公司搞挂,至于未来会不会要和具体领域的特质结合做判断)。

Pieter Levels 最牛的地方,不是他赚了多少钱,而是他正站在中间那个转折点上,用肉身探索着未来的边界。

对于今天的我们来说,模仿 PL 不是让你也去学 PHP 或当网红。真正的启示在于思维模式的根本转换:

你在设计你的生意时,是奔着招更多人去的,还是奔着用更多AI和算法去的?

如果你选择前者,你在通过增加“负债”(管理复杂度和人力成本)来换取增长,牺牲自己的优势。 如果你选择后者,你在通过增加资产(代码、AI模型、自动化流程)来换取增长。

说到底这是个杠杆,但杠杆率不一样,适用的边界也不一样。

时代变了。

早晚衡量一家公司牛不牛,不再是看你有多少员工,多大的办公室,而是看你的自动化杠杆怎么样(即无人公司干的怎么样)。

从传统公司,到一人公司,最终抵达无人公司。

这条大卷之路其实是真的开始了。

真的选择就是这节的题目:齿轮还是造物者!

必须说一句的是,公司的形式并不保证成功,它核心作用是进一步大幅降低试错成本,并且打开人在基因上的枷锁。

打开这个枷锁才可能有:一个人一万块GPU几十亿美金的业务(山姆奥特曼),否则不逗乐呢么!

 #本文后两张图片由AI生成

原文链接: 为什么说一人公司是传统公司的终点,也是无人公司的起点?细看一个年270万美金的故事
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手