和 AI 一起 build 产品。也帮你的生意出海。

我是光飞,全栈工程师、独立开发者。从 2022 年起,我先后参与/打造了彩漩、歌者和 DeckFlow,一直在为 PowerPoint、Keynote 这类 Office / iWork 文档开发工具。现在,我把这些工程经验带进和 AI 的协作:我定目标、给足上下文、设计架构,AI 并行完成编码和部署,最后由我按标准验收。

我也用这套方式,帮非技术背景的普通人把生意做到海外,让海外客户能在网上找到你、看懂你、直接下单。

13年从后端、平台研发到全栈,一直在做产品
22万+22 万+ 用户在用 DeckFlow,文档工作台;我负责后端、文档解析和 AI 工作流
2周MacroSora 上线后,第一位美国客户从 Google 搜到并下单
2位2 小时帮 Talkdry 的老师搭好独立站,学员已能在线付费

日常怎么分工

Claude Code

主要负责开发。一个会话协调架构和任务,其他 agent 分工实现,我集中讨论目标和关键设计。

Codex

负责浏览器操作、账号配置、界面测试和部分代码审查,也会接手编码。

Typeless

用语音交代背景、要求和反馈。在手机上也能推进开发,OfficeLint 就是这样完成的。

现在2026-11

DeckFlow

我在全力做 DeckFlow。它从 PPT 起步,现在要成为一个文档工作台:各种文档都能传上来,解析,提取,随时快速搜到、分享出去;Office 文档可以直接编辑;还能用来生成新文档、给旧文档换新、翻译成其他语言。

人和 AI 都能用它。复杂的事交给完整的工作流,简单的事两三步就能做完;AI agent 则可以通过 CLI skill 直接调用这些能力。

帮生意出海

另一部分时间,我帮没有技术背景、极少使用 AI 的人把生意搬到网上。最近一位中文老师有了自己的网站 Talkdry:海外学生在网上找到这位老师,直接付学费,再通过 Zoom 上课。

也帮有出海业务的人规划财务,搭建收款 → 付款 → 投资增值流程。

做过的东西

2024 — 今

DeckFlowAI 文档工作台

从文档解析,PPT 生成、翻译、换新,正在扩展成一个文档工作台:各类文档都能上传、搜索和分享;Office 文档可以直接编辑;还支持生成、换新和翻译。人通过工作流和小工具使用,AI agent 通过 CLI skill 调用。

截至 2026 年 11 月,用户超过 22 万。

我做了什么

  • 从第一版开始参与迭代,负责后端和平台 API。
  • 负责文档解析:从 Office 和 PDF 中提取内容与结构。翻译、换新、搜索和 agent 工具都建立在这一层之上。
  • 设计 AI 工作流:负责上下文构建和基于 DAG 的流程编排,把复杂的文档任务拆成可以组合、复用的步骤。
2026 · 开发实验

OfficeLint

在山里徒步时,我用手机和语音指挥 AI,把一个文档工具做到了上线。OfficeLint 用来检查、修改和脱敏 Word、Excel、PPT 文件;这次实验想验证的是,离开电脑后,我能把开发过程交给 AI 到什么程度。

六个 Claude Code 会话分工开发,我只和负责架构的会话沟通,由它分派任务并协调部署。Codex 操作浏览器,配置收款、登录服务和云平台。产品已上线,过程有视频记录。

看手机远程开发的过程(视频)

2026 · 自己的业务

MacroSora

为来华就医的外籍用户提供陪诊服务。我从自己熟悉的技术和搜索获客做起:搭建五种语言的网站,把服务、报价、预约和付款放到线上,再对接医院与服务合作方。

上线两周,第一位美国客户通过 Google 找来。经过一周沟通,他决定来中国,随后完成了手术,我们提供了全程陪诊。这次交付验证了从搜索获客、建立信任到线下服务的完整过程,业务还在早期。

2026 · 客户项目

Talkdry

为一位面向海外学员的中文老师搭建独立网课站。他希望有自己的招生和收款入口。我把课程介绍、Stripe 付款和 Zoom 授课接在一起,让社媒上的潜在学员能在一个地方了解课程并付费。

远程用语音指挥 AI,几小时完成开发。已有两位学员通过站上的 Stripe 支付学费,收款流程经过真实订单验证。接下来是持续获客。

2023 — 2024

歌者 PPT

输入话题或资料,生成一份 PPT。团队用两周完成第一版,将当时最先进的 GPT-3.5 生成的文字填入预制模板,上线验证需求。

截至 2026 年 11 月,累计 60 万+ 注册账号。

我负责:后端 API、AI SDK、前后端对接与部署。

2022 — 2023

彩漩 PPT

从零搭建的 PPT 协作与分享平台,也是后来歌者和 DeckFlow 所在团队的早期产品。

我负责:后端开发、前后端对接、部署运维。搭建 CI/CD,把提交代码后的构建和部署自动化。

我怎么判断 AI 做得对不对

  1. 01

    先明确目标,让结果有验收依据。

    工程上先讨论为什么做、做成什么样、如何评价;做 PDF 解析时,我先定义验收标准,建立测试集,构建 Loop,再让 AI 推进实现。

  2. 02

    让 AI 对照原始要求检查完成度。

    经常追问:“最初交给你的任务是什么?有哪些要求?你完成了哪些?真的做完了吗?”让 AI 把实际产出与原始目标逐项对照,找出遗漏。

  3. 03

    人在关键位置检查理由与实现。

    做架构设计时,我让 AI 先把方案画成图,再一起检查:哪些地方过于复杂,有没有更合适的做法。遇到自己还没想清楚的部分,我会反过来让 AI 出 10 道题,帮我知道哪些不知道或者没考虑的。通过这轮问答,把遗漏的需求和约束补进设计,再继续推进。AI 参与提出方案和发现盲点,我需要理解其中的取舍,并作出判断。

  4. 04

    用后续发生的事实,检验 AI 的判断。

    做 MacroSora 时,我想验证海外客户能否通过 SEO、GEO 找到陪诊服务,并愿意进一步沟通。网站上线两周后,第一位美国客户通过 Google 找来,经过一周沟通,最终来华接受服务。这次实际交付,让获客、建立信任和线下服务这几个环节有了第一条完整记录;业务能否持续,还需要更多客户来验证,持续迭代。

  5. 05

    把纠错经验沉淀下来,让下一次少犯同样的错。

    比如 AI 经常犯的错误,那就写成 Skill。项目事实放进持续维护的上下文;可复用的做法和检查要求写成规则。一次验收的发现,会改变下一次 AI 执行任务的方式。

工作之外

喜欢爬山、徒步,也喜欢和不同行业的人聊天。平时继续用 AI 改造自己的生活和工作流程。

联系

有产品想做、业务流程想改,或想聊 AI 协作,可以加我微信 dudu_22,或发邮件到 [email protected]。代码在 GitHub。