半年 All-in Claude Code，
独立交付 AI 产品给亚马逊头部卖家 / 央企

客户问题

客户已有产品（电动牙刷）卷在红海里，要找用同一核心技术能切的蓝海应用场景 — 不能拍脑袋，必须有可投资判决。

解法 · 6 步链路

1. 能力边界拆解 — 起点产品提炼核心物理参数（高频微振动 + 小作用面 + 剥离软-中等粘附物）
2. 能力关键词扩展 — 把核心能力翻译成搜索词集（材质 / 场景 / 痛点 / 错用动词）
3. 社媒挖需求 — Reddit / 垂直论坛 / TikTok / Quora / Amazon Reviews 找"用错产品凑合"的真实信号
4. 场景生成 + 需求厚度打分 — 18 候选场景，情绪 × 社交 × 心理驱动 三维评分
5. SellerSprite 反证 + 正证 — 反证（电动空白）+ 正证（手动月购量真实存在）
6. Top 10 竞品 · pure-fit 月营收聚合 — 按 [手动 / 电动 / 混合] 形态分类，输出 5 档判决

交付输出（v6.4 金标）

• 9 场景 × 反证 / 正证 / Top 10 三段式
• 5 档判决：强买入 / 谨慎买入 / 小盘 / 已被占 / 无效
• 🥇🥈🥉④ 首推组合（每条 3-4 行硬数字）
• 所有 ASIN / 关键词可点击溯源到 Amazon

工程深度

• Skill 1.5 已迁 Anthropic Agent SDK Phase 3
• FastAPI 13 路由 + SQLite 任务队列
• 17/17 契约测试零回归
• pure-fit 口径 codify，月营收禁混入非对口 ASIN

客户问题

央企内部技术文档/规范/流程散落多个系统，员工查信息要跨平台跳转。需要一个能直接问答内部知识库的 AI 助手，嵌进现有门户。

解法

Claude API + RAG 知识库检索 + Web Widget 嵌入。一个 <script> 标签接入现有门户，零侵入。已签合同 · 已向客户演示 · 已完成开发交付。

AI 工程能力

• RAG（文档分块 + 向量检索 + 上下文注入）
• Production 部署（Web Widget 跨域嵌入 + 鉴权）
• 降级链（无答案时引导到原始文档而非编造）

商业价值

• 验证「央企 B2B」客户的可交付性
• 沉淀为 Archetype A 脚手架，可复制到其他央企/大客户
• 3 个 Skill 资产化（deal-analyzer / tech-selector / client-delivery）

问题

跨境 TikTok 带货链路太长 — 选品 → 生图 → 配音 → 拼接 → 发布 → 挂车 → 数据回流，传统团队要 3-5 人配合，1 个人一天最多出 1-2 条视频。这正是"Vibe Growth"想解的题。

解法 · 1 人跑通 6 段闭环

1. 选品 — Browser Use 爬 TikTok Creative Center 爆品 + FastMoss 数据
2. 生图 — Gemini Flash Image · 9 市场风格 · 5 线程 / 90 张并发
3. 生视频 — Seedance/Wan + edge-tts 配音 + moviepy 拼接
4. 定价 — GPT-4o 三档定价 / 盈亏平衡 / 日销预测
5. 发布 + 挂车 — Browser Use 自动发 TikTok + 商品挂载
6. 数据回流 — 跑量数据回流，达标加投，不达标快速切换

为什么这是 Vibe Growth 的范式

• "渠道假设 → AI 批量生产 → 多平台测试 → 3 天验证 → 达标加投" 已经是代码级闭环，不是 PPT 概念
• 9 市场风格 Prompt 引擎 = 一次假设 9 个市场同时跑测试
• 三级降级（OpenAI → ARK → Mock）= 零 Key 也能跑通，对外可演示
• 1476 行单文件 Pipeline，Skill 化封装可复用到任何带货品类

AI 工程能力

• Multimodal 全栈（图 / 视频 / 语音 / 文本）
• Multi-Agent 编排（选品 / 生成 / 发布 各自独立 Agent）
• Cost Optimization（单条视频 ¥200 → ¥3，成本压 66×）
• Production（Flask :5002 + 24 路由 + Blueprint 架构）

客户问题

VC/LP 写一份行业投资分析报告，分析师要花 3-5 天 — 查论文、爬竞品、做模型、写 PPT，每一步是串行的，前一步没结论后一步开不了工。

解法 · 7 维度 Subagent 并行调度

把 LP 报告解构成 7 个相互独立的分析维度，每个维度独立上下文 + 独立 Subagent + 独立数据源同时跑：

• ① 市场规模 ② 技术拐点 ③ 玩家分布
• ④ 估值参考 ⑤ 风险评估 ⑥ 退出路径 ⑦ 投资建议

主 Agent 只接收 7 个 Subagent 的结论（不返回推理过程），最后做合规性交叉校验 + 报告渲染。

为什么 Subagent 是关键

• 上下文隔离：7 个维度互不污染，单点幻觉不会传染全局
• 并行加速：串行 7×N 分钟 → 并行 ≈ 1×N 分钟
• 主上下文干净：主 Agent 只拿结论，节省 token 给最终合规校验
• 错误不级联：某维度失败可单独重跑，不打断其他 6 个

客户反馈

• 真实 VC/LP 客户已使用，反馈优秀
• 报告结构化程度对齐机构内部 IC Memo 格式
• Subagent 模式可复用到任何垂直行业（首跑 Cerebras 芯片）
• Skill 化封装，团队其他分析师可一键调用

客户问题

跨境卖家手动上架一个 SKU 要 30+ 分钟，10 张图全要做巴西本地化风格（语言/审美/合规），熟手一天最多铺 8-10 个 SKU。

解法 · 端到端 SOP 闭环

Flask + SSE 实时进度推送 + Gemini 2.5 Flash 图文生成 + Chrome headless CDP 9222 + Browser Use 操控妙手 ERP，做成一键脚本：

1. connect → 接管已登录浏览器
2. search → 定位目标商品
3. 删旧图 → 清理历史素材
4. upload → 1 主图 + 4 场景 + 4 细节
5. publish → 发布上架
6. done → SSE 回传成功状态

AI 工程能力

• RPA / Tool Use（Browser Use + Chrome CDP 浏览器自动化）
• Multimodal（Gemini 2.5 Flash 图文同时生成）
• Production（阿里云部署 + IP 白名单 + admin 一键启停）
• SSE 实时反馈（前端可视进度，断点可重试）

硬数据

• 2026-02-10 实测成功：真实 SKU（已脱敏）上架到客户 Shopee 巴西站店铺
• SOP 6 步全自动跑通，无人工介入
• 已部署阿里云 私有云服务器（脱敏），IP 白名单管控
• admin 后台一键启停，远程可控

问题

盘中要实时查行情/持仓/资金流/技术指标/社媒情绪，传统流程要打开 Futu 客户端 + 雪球 + 新闻 App 来回切。开发者视角：能不能把"自然语言 → 金融数据 → AI 分析"做成一条命令链？

解法 · 三层架构

• 入口层：自建 Telegram Bot · OpenClaw Gateway（本地回环）
• 编排层：Anthropic Claude Sonnet 4 OAuth 路由意图 → 港股 / 美股 / 新闻 / 情绪 各自工具
• 数据层：Futu OpenD（港股实时）+ OpenBB API（美股 / FMP / Tiingo / yfinance）

在 Telegram 直接说"分析 09988"就能拿到主力成本 / 技术指标 / 社媒情绪 / 券商目标价的综合判断。

AI 工程能力

• Tool Use 编排（自然语言 → Function Routing → 多数据源）
• 数据工程（Futu / OpenBB / FMP / Tiingo / yfinance 跨源聚合）
• VWAP 主力成本算法（20 日 VWAP + 散户/主力订单分类）
• 权限分级（仅只读 API，硬编码禁交易，OAuth Token 1 年有效）

工程深度

• 命令集：行情 / 持仓 / 做T / 快讯 / 情绪 / 分析 [code]
• 跨设备：Mac 启动 → Telegram 全平台远程操作
• 稀缺股策略 + 龙头催化补涨跟随策略 codify
• 策略案例：智谱 +28% → MiniMax 补涨 +16%（2026-02-12）