چگونه من از مرتب سازی CVS به ساخت یک SAAS کامل با هوش مصنوعی با کد سنتی صفر رفتم
بیایید یک چیز را مستقیم بگیریم: من یک توسعه دهنده نیستم.
من از راه دور شروع کردم. یک تجارت زیرساخت موفق ایجاد کرد. آن را فروخت سپس یک شرکت مشاوره خریداری کرد که متخصصان را در بانک ها و محیط های شرکت قرار داد. من انتظار نداشتم که وارد نرم افزار شوم – من مردم را مدیریت می کردم.
اما آنچه که من حتی بیشتر از آن انتظار نداشتم این بود که چقدر سریع به یک دیوار برخورد می کردم.
درد فنی نبود – تکراری بود
تا سال 2022 ، من در کار استخدام غرق شدم. ده ها نفر از CVS روزانه ، برگه اکسل ، دعوت های تقویم ، موضوعات قالب بندی ، پیگیری های مصاحبه. اگر تا به حال یک شرکت عملیاتی را بدون یک تیم محصول اختصاصی اداره کرده اید ، این احساس را می دانید: همه چیز احساس می کند که مجرای است.
بنابراین من شروع به خودکار سازی کردم.
در ابتدا ، من استفاده کردم make.com (سپس مجتمع). من برای خواندن CVS ، استخراج اطلاعات ، رتبه بندی نامزدها و یادآوری های تحریک شده ، جریان های با هم را سیم کشی کردم. من استفاده کردم چیز دیگر برای یادداشت ها ، برگه های گوگل برای ذخیره سازی ، و GPT-3 برای خلاصه و امتیاز دهی. این خیلی زیبا نبود ، اما ساعت ها را نجات داد.
جلوی آن نبود. فقط منطق
من در آن زمان آن را “برنامه نویسی Vibe” خواندم – اما این دقیقاً همان چیزی بود که بود: AI و ابزارهای ارکستر ساخت بدون کد ، فقط قصد.
مشتریان شروع به پرسیدن سؤال کردند
تا اواسط سال 2012 ، اتفاق عجیبی رخ داد.
مشتریان دیگر تحت تأثیر توانایی ما در قرار دادن مشاوران قرار نگرفتند. آنها مجذوب ابزارهای داخلی ما بودند که از آنها استفاده می کردیم.
“صبر کنید – شما همه این کارها را بدون تیم DEV انجام می دهید؟”
این زمانی است که من نرم افزار را فهمیدم بود محصول
بنابراین من به آن اسم دادم. من دوباره آن را بازسازی کردم. و من برای تجاری سازی آن آماده شدم.
این زمانی است که لینک متولد شد
از MVP تا V1: ساخته شده با AI ، توسط AI
من با یک ایده شروع نکردم. من با یک مشکل شروع کردم: “من وقت زیادی را صرف مدیریت محتوا و گردش کار نامزد می کنم.” همین بود
هنگامی که من برای تولید Linkeme حرکت کردم ، کل پشته را با استفاده از: بازسازی کردم:
- bolt.new برای UI و Logic Front-end (یک اسپینوف از StackBlitz)
- make.com برای منطق پس زمینه
- GPT-4.1 وت کلود برای نوشتن کپی ، تجزیه و تصمیم گیری
- یک عامل داخلی سفارشی برای رتبه بندی ایده های پست
- بوها موتور CTA که طول/لحن را برای هر سیستم عامل تطبیق می دهد
- یک لایه ترکیب بصری که تصاویر ایجاد می کند با عنوان ، زیرنویس و پوشش برند
- منطق انتشار در سراسر لینکدین ، توییتر ، اینستاگرام ، فیس بوک – با ورودی دستی صفر
به Linkeme URL یا یک موضوع بدهید ، و IT محتوای سازگار با نام تجاری و چند پلتفرمی را تهیه می کند- کاملاً خودکاربشر
نسخه 2.0: زیرساخت های مقیاس پذیر ، همان پرشکوه
با افزایش کشش ، ما مقیاس گرفتیم.
ما معماری را با استفاده از آن بازسازی کردیم AWS بدون سرور – لامبدا ، توابع مرحله ، S3. ما اضافه کردیم عذاب برای صورتحساب و ساخت سیستم چند مستاجر.
اما ما هرگز ذهنیت برنامه نویسی Vibe را از دست ندادیم. با استفاده از cline.dev در داخل در مقابل کد ، ما عوامل LLM را برای ساختن گردش کار ، تشخیص موارد لبه و کد خودآزمایی ارکستر کردیم.
همان هوش مصنوعی که محتوا را ایجاد کرده است ، اکنون خود Linkeme را ساخته است.
چه چیزی برای من تغییر کرد
قبل از پیوند ، من مشاوران را مدیریت کردم.
حالا ، من دویدم easylab ai -یک آژانس اتوماسیون بومی AI که به تیم ها کمک می کند تا گردش کار تکراری را با عوامل هوشمند جایگزین کنند.
ما ابزارهایی مانند:
- ساندرا -استخدام خودکار با تجزیه و تحلیل مبتنی بر LLM
- سیستم عامل های داخلی سفارشی با استفاده از ارکستراسیون AI
- سیستم های کد صفر/کم کد برای شرکتهای کوچک و متوسط که توانایی تیم های DEV را ندارند
همه با همان فلسفه: بدون کد سنتی، فقط طراحی ، ارکستراسیون و اعتبار سنجی.
بنابراین ، آیا این آینده است؟
نه – نه برای همه چیز. اما برای بیشتر نرم افزارهای عملیاتی ، داشبورد ، ابزارهای داخلی ، جریان اتوماسیون؟ کاملا بله
- شما آنچه را می خواهید توصیف می کنید.
- نمایندگان می دانند که چگونه.
- شما نتیجه را تأیید می کنید.
ما دیگر درخواست های کشیده نمی کنیم. ما خروجی AI را مرور می کنیم.
ما جلو نمی نویسیم. ما به طرح ها و جریان ها دستور می دهیم.
و کار می کند.
اگر در حال ساخت با هوش مصنوعی هستید ، یا می خواهید – با یک درد شروع کنید ، نه یک پشته.
این همان چیزی بود که Linkeme بود. به همین دلیل هنوز کار می کند.
👉 linkeme.ai
خوشحالم که به سؤالات پاسخ می دهیم یا عمیق تر به معماری ما شیرجه می شویم. DM باز است.
