独立开发复盘：专注力 App Still 正式发布，一个半月数据与 AI 使用体会

这篇文章分两部分，没有使用 AI 来写，我日常使用备忘录来记录，仅让 AI 帮我转了一下 markdown 格式。 第一部分是独立开发和产品，第二部分聊 AI ，不感兴趣可以跳。

一、独立开发复盘

一个半月前，我在这里发布了一个独立开发的产品贴：做了个帮 ADHD 、拖延、容易走神的人找回专注力的 Mac App ，纯本地送码。当时主要是想找一些有同样需求的朋友帮忙测试。最开始手里只有一个 App 和一个产品页，付费、推广这些事情都没有考虑清楚。当时也想过，如果发出来没人感兴趣，那就当作自己平时使用的一个工具好了。

数据

帖子发出去之后的数据大概是这样：

• 浏览量：V2EX 帖子点击一千多，实际点进去查看的人数大概 400 左右。
• 试用转化：有 37 位 V2EX 社区的朋友留下了邮箱。
• 反馈与迭代：后续和我通过邮件来回沟通的有 9 个用户，主要帮我提 bug 反馈和功能建议，非常感谢他们的反馈。这期间我一共修复和更新了 13 个版本（从 1.0.6 一路更到了 1.1.9 ）。

除了修 bug ，根据和大家邮件沟通的结果，我新加了一些稍微强一点的走神提醒，也重构了部分页面的 UI 。不过现在的 UI 我自己打分的话还是只能给到 6 分左右。

这些数据到底能不能证明这个 App 有真实的市场需求，我其实也不太确定。毕竟测试用户数量还是比较少的，也没有真正验证付费意愿。但这个产品我自己持续使用了大概 3 个月，所以后续只要还有可以优化的地方，或者有什么新的想法，我还是会继续更新 App 的。

产品

再简单介绍一下 Still 。产品的起源来源于很简单的“我想提高自己的专注力”。但经过这 40 天自己和用户的邮件沟通反馈，发现和最初的目标其实有点差距：

1. 靠它直接“提高专注力”是失败的：每个用户最终能不能专注，还是取决于每个人当下的具体状态。借用《 Hooked 》这本书里的概念，这个工具目前还不是 pain killer ，更像是个维生素（现在 App 只能提供长期、缓慢的价值，没有用完立即看到效果的那种程度）。
2. 部分用户只是把它当成 Time Tracker：大家主要用它来记录自己的一天是怎么度过的，从体感上来说，和 Timing 、ActivityWatch 这类工具并没有拉开本质差别。

再谈谈它的价值：

从底层技术原理来说，它和其他 Time Tracker 应该没有本质区别，但每家的具体实现方案我也不了解。我自己在性能、内存占用等方面做了一些优化，但这些并不是用户最直接能感受到的价值。

目前我认为产品主要有三个特点：

1. 使用简单：虽然本质是一个 time tracker 工具，但针对个人，我把核心聚焦到了 Focus 上，这样应用不需要太多的配置，使用上非常简洁。
2. UI 简洁：因为它不是以 time tracker 的图表设计为核心的，所以它的界面也就非常简洁。我参考手机上的每日步数体验，让人一眼就能知道自己今天的专注时间，而不是做一堆分析数据。
3. 针对 Focus 做了一些额外优化：除了统计每天的专注时间，还做了一些走神提醒。包括视觉提醒和语音提醒，希望在用户注意力偏离的时候，能够尽可能把人拉回来。

发布

目前 Still 产品已经正式发布。官网：https://getstill.dev/

如果你平时有记录 Mac 使用时间、了解自己每天工作状态的需求，可以试试看。

• 免费版：永久免费使用所有核心时间追踪和专注提醒功能。
• Pro 版：一次性买断，无订阅费用，早鸟$11.80 。解锁完整的 Summary 历史数据分析页面。

也欢迎反馈 Bug 和功能建议。

这一部分和产品本身关系不大，主要聊聊我自己使用 AI 的一些体验，以及对现在 AI 环境的看法。

1. 我的 AI 编程体验

我整个 App 的开发用到了一部分 AI：写代码用了一些，做设计时用得比较多。

在 coding 上，大的框架和核心逻辑还是由我自己思考设计的； AI 用的最多的部分还是 App 里的 view 层，不过这个也是代码最多的地方，大概 1.8 万行代码，大约占一半的代码总量。其他是一些核心逻辑，测试和脚本文件，基本都在我的控制下，还是写了很久的（中间修修改改肯定也留了不少历史遗留代码，之后还得慢慢优化）。

我 AI 编程截止到目前为止，主要用的还是 gemini-3.8-flash，3.8 没出来前用的是 gemini-3.1-pro 和 3.5-flash。这在各大榜单和社区推荐中都很差，也被叫北美大豆包。

对比 Claude 、Codex 这种确实有时候会抽风。我日常把我的整个开发能流程化的都写成了 spec 文档和脚本，Gemini 总是像记不住一样，即使我 spec 里已经写了流程，它还是会自己尝试重新想方案，这时候就有点恼火。而且我写代码基本没用过联网检索资料，完全是靠模型自带的知识库在写，Gemini 在这块也特别笨，不会自己去搜索资料。

但整体写代码我还是觉得 ok 的，只要你需求清楚。

2. 对独立开发者，Token 不一定值得花

公司里的员工可以大量用高级模型，是因为公司替他兜了商业上的底：token 花了没出成果，亏的是公司。独立开发者没人兜底，成本和收入是直接挂钩的，大量用高级模型不一定收得回来。

而且全自动跑出来的东西，大部分没有商业价值。卡住我的不是模型够不够强，而是做什么。所以如果只是纯 coding ，没有 auto task 之类的需求，用最便宜的就行。

倘若你没有很高的收益，你应该像国内这些工厂老板一样，不惜一切的压缩成本。如果以后环境越来越差，先把钱省下来，控制消费。

3. 软件并没有那么好 Copy

AI 让 copy 看起来很容易，但大多数情况下，copy 的产品是比不上原始开发者的版本。使用上的重点、产品的设计理念，产品不会说话，copy 的人看不出来，也不可能 100% 还原，除非拿到源码。

这几年我常常因为某个工具 App 涨价，试了不少类似的 App ，包括模仿的、开源的。用起来总是差一点，有的后来也开始收费，还会弹很烂的付费提醒。

当然，原版有时候不停涨价也很烦（我个人猜测是赚到钱后开支消费也跟着涨了，不再控制成本，不过这个无从评价对错，看开发者自己在商业化上的选择了）。这时候有一个能完成 80% 功能的替代品，也完全可以接受。