Cloudflare 全栈架构与迁移
把 Next.js / Nuxt 稳稳跑在 Cloudflare 上,告别失控的 Vercel 账单,成本大幅下降。
- Next.js / Nuxt 迁移到 Cloudflare Workers,成本大幅下降
- R2 对象存储、D1 / Hyperdrive 数据层接入
- 边缘缓存、KMS、图片处理等生产级实践
“做得出来吗?”
20+
年软件交付经验
“要多久?值不值?”
1 周
用你自己的数据跑出可用原型
“会不会被转手?”
0
个客户经理挡在你和代码之间
“会不会被绑定?”
100%
的代码交付进你的仓库
定制的 AI 方案和软件,代码都是我写、我测、我交付。如果花一笔订阅费买个现成工具就能解决你的问题,我会直接这么建议你。
把 Next.js / Nuxt 稳稳跑在 Cloudflare 上,告别失控的 Vercel 账单,成本大幅下降。
Agent 在你的系统里读数据、做判断、直接动手,不是只会回答 FAQ 的聊天机器人。给它一件需要判断的活——处理文档、分拣询盘、做调研、盯监控——它会自己把活干完,拿不准的转给人。
把现有工具之间的重复劳动去掉的 AI 自动化。报价单、发票、录入、报表、文档提取——这些活现在多半是团队里的人在一个个屏幕之间照着抄。
内部工具、Web 应用、移动应用。TypeScript、React、Go、Flutter。范围固定,代码进你的仓库,写好文档、完整交接。做出来是让你拥有的,不是租回给你的。
一套 React Native / Expo 代码,稳定上架 iOS 与 Android。
以 $589 一次性套餐办理美国公司注册、EIN、银行开户协助与 Stripe 收款配置。
我会把它们的实现写出来:架构、代码,还有第一次没做对的部分。联系我之前,你可以先自己判断我想得对不对。
一个跑在浏览器里的 AI 编程工作区。一个 Cloudflare Worker 在前面顶着,后面是跑 OpenCode 的有状态容器,可以部署到你自己的 Cloudflare 账号。
最初的想法很简单:浏览器里的 AI 编程工作区不该是黑盒——要能自己跑、看得懂、还能往上加。我沿着这条线把它做了出来:支持 OpenCode v2、升级容器镜像、CI 冒烟测试,还有部署、Cloudflare Access 和本地测试的文档。
自托管,不是托管产品。支持 HTTP Basic Auth;生产环境建议用 Cloudflare Access。
决策一拖再拖,原因通常只有一个:要拍板的信息散落在好几个地方,而没人有半天时间把它们凑齐。Agent 定时把这些信息凑齐、想明白这意味着什么,然后要么直接动手,要么把建议放到你面前。凡是决策要依赖你自己系统看不到的信息,都是这个套路。
你手里那些工具攒下来的历史:订单和毛利、工单和报价记录、发票和供应商的规律。不只是看什么卖得最多,还要看什么涨得越来越快、什么在悄悄熄火、什么只有打折才动。
外部的信号:竞争对手在做什么、怎么定价,大众需求和搜索热度往哪走,还有牵动需求的背景——季节、天气、近期活动、政策。事后看全是明摆着的,可就是不在你的表格里。
一次定时运行走的路:从你自己的记录和外部信号,一直到一个决策和一个动作。顺序是:你的系统,然后外部信号,然后判断意味着什么,然后决定改什么,然后动手或排队。
拿回来的是一个带着动作的决策,不是一块仪表盘。看仪表盘是加活,这个是减活。哪些 Agent 可以自己做、哪些要等你拍板,由你定。多数人一开始什么都设成要审批,看上几周,确认靠谱之后,再把低风险的动作放出去。不可逆的事永远交给人。至于动作是什么,取决于活本身:
量大、机械的步骤——读一个页面、把字段抽出来——跑在小而快的模型上。真正需要判断的少数几步,交给前沿模型。把每个步骤路由给合适的模型,Agent 才跑得起,又不会在要紧的地方变笨。
定制 AI 方案是一个一个做的。如果你要的东西里没有真正的判断,只是在系统之间搬信息,那就是工作流自动化,做起来也更便宜。
远程 · 服务全球客户
职业写软件,已经二十多年了。
2006 年我从做网站起步,那是原生 HTML 的年代。那段经历教会我:交付这活大多不光鲜——性能、边界情况,还有最后那 10%,花的时间跟前 90% 一样多。
之后我转向全栈开发,这些年大部分时间都在做这个。主要是 TypeScript、React 和 Cloudflare,客户多是 SaaS 产品和背后的团队——在他们那里,软件慢一点、坏一点,直接就是客户流失和收入损失。其间我也做了自己的产品:一个表单后端、一个在线图片处理器,还有一些每天在用的小工具。直到现在,碰到需要小巧趁手的家伙而不是大平台的活,我还是习惯自己做一个。
2024 年初,我开始把 AI 用进日常工作。用它做的第一个东西是个浏览器自动化工具:从搜索关键词进去,抓回 YouTube 上与某品牌产品相关的视频——标题、播放量、点赞量——最后导出成 Excel 交给运营团队。
这改变了我对 AI 写代码的感受:从想法到能跑在真实数据上的东西,中间那段距离消失了。标准还是从前那个——AI 写的代码,由我读过、测过、再上线。
现在,我以「一人公司」的方式工作:从需求沟通、架构设计,到编码、上线、运维,全部亲自负责——没有中间层,也没有销售话术。我习惯远程协作与异步沟通,按里程碑推进,按项目范围报价。我一个人做,是刻意的:项目排期留足余量,从不需要转包——所以第一通电话里跟你聊的人,就是写代码、做测试、把东西交付给你的人。
这些年,我把精力集中在几个最常被找上门的方向:
工作之外,我是一名跑步爱好者,也喜欢和家人一起到处旅行。
如果你有想做的产品,或棘手的工程问题,欢迎 发邮件给我 聊聊。
你对接的就是写代码的人。中间没有客户经理,也不会把活转给什么离岸团队。
习惯异步沟通与跨时区协作,按里程碑推进。
从前端到基础设施,独立扛下完整产品。
AI 大幅加快了开发,但标准还是从前那个——AI 写的代码,由我读过、测过、再上线。
按项目范围估算,清晰透明,不绑长约。
动工之前先写清范围、定好价格。活要是变大了,我们另外商量,而不是盯着小时费率往上跳。
代码在你的仓库、你的账号下,有文档,有正式交接。不存在只有继续付我钱才能维护的黑盒。
需要后续支持,可以有。但它从来不是把活做出来的前提条件。
关于 Agent、自动化,以及把它做出来到底涉及什么,这里直接说答案。
聊天机器人回答问题,Agent 干活。它接得上工具:你的收件箱、你的数据库、某个 API。然后它开始循环:动手,看结果,决定下一步,直到活干完,或者它觉得该请人来看一眼。你要的是“回答我们 FAQ 里的问题”,那是聊天机器人,也便宜。你要的是“读完这个,弄清楚它是什么,放到该放的地方”,那就是 Agent。
归你。代码在你的仓库、你的账号下,有文档,有正式交接。你可以自己维护,也可以雇别人维护。没有会过期的许可,你不付我钱了,也不会有什么东西停摆。
几乎完全取决于两件事:有多少系统要互相说话,以及输入有多乱。两个都有 API 的系统之间跑一条定义清楚的流程,是个小的固定报价项目。同样的流程,输入换成几十家不同供应商发来的扫描 PDF,就是个大得多的项目。简单沟通之后,我按项目报固定价,动工之前你就知道数字。之后的运行成本通常不高,就是 API 用量加托管。
单条流程,一般两到四周。其中大约一周是可用原型,你可以先拿自己的数据试,再决定剩下的怎么做。这是刻意安排的——早点发现想法要改,便宜得多。更大的项目分阶段做,每个阶段结束你都能看到能跑的东西,而不是等到最后。
通常能。现在多数 SaaS 都有 API,这是最顺的情况。老一些的、或者自研的内部系统,一般也能通过数据库连接、文件投递,或者它仅有的那个接口接上。这是最值得先确认的部分,所以我一上来先看它。
很多活是跑在 Claude 或 OpenAI 上的,对多数业务数据来说没问题。如果你的数据不能出境、不能离开自己的机房,我可以评估你的场景适不适合用本地模型。这是真取舍,不是销售话术:本地模型跑起来便宜、数据完全不出门,但能力确实不如前沿模型。往哪边走要看具体任务,我会直接告诉你我的判断。
不一定。搜“AI 公司”一抓一大把,如果是很大的工程,找其中一家可能是对的。我是一个开发者。对单个 Agent 或一条自动化流程来说,这通常意味着一小时而不是一周就能拍板,不用为中间层付钱,你交代需求的人就是写代码的人。如果你的项目真的需要十个人加 7×24 的 SLA,我会直说,并给你指一家公司。
基本都远程,客户分布在各个时区。对这类活来说,时区比邮编重要得多。我的主要工作时间是 06:00–21:00(东八区)。
把你想做的事告诉我,我告诉你值不值得做。不值得的话,我会告诉你该用什么替代。第一次聊不收钱。