他让 AI 全权设计并写完一款应用，结果真的跑起来还能赚钱

如果你还觉得“AI 写代码”只是玩具，这个视频会直接打脸。Riley Brown 几乎没亲手写一行核心代码，把设计、前端、逻辑全部交给 AI，最后做出了一款真实可用、能直接解决传播效果问题的 Web 应用。更重要的是，它揭示了一种正在成型的新工作范式。

最反直觉的一点：这不是 Demo，而是一款“能用”的产品

视频一上来就抛出一个极具争议的前提：我让 AI 设计并构建整个 App，而且它真的成功了。不是 Todo List，也不是玩具级页面，而是一款有明确用户、明确场景、明确价值的工具。

Riley 要解决的问题非常具体：移动应用的屏幕录制视频，在 Twitter 这类平台上表现极差——被裁切、比例奇怪、注意力分散。他发现，只要给视频加上类似 iPhone Mockup 的外框、时间和 Dynamic Island，播放和互动能提升 20 到 50 倍。

于是目标变得异常清晰：用户上传竖屏录制 → 自动生成带手机外框的 3×4 方形视频 → 一键分享到 Twitter。反直觉的地方在于：这么“产品级”的需求，他几乎没碰代码，把决定权交给了 AI。

不是“会不会写代码”，而是“会不会指挥 AI”

整个流程里，人类的角色发生了明显变化。Riley 做的不是实现，而是选择和约束。

第一步，他没有从 Figma 开始，而是用 Mobin 这个设计灵感库“选设计”。这里的关键不是审美，而是降低不确定性——他直接挑选已经被市场验证过的上传组件设计。

第二步，他把截图丢给 v0（vzero.dev），用自然语言描述：哪里要按钮、哪里下拉、哪些只是视觉、哪些暂时不要功能。v0 输出的不是草图，而是一个完整的 Next.js 项目。

第三步，才轮到 Cursor 登场。Riley 在 Cursor 里做的核心动作只有一个：不断用更精确的语言纠偏——“导出的是处理后的视频，不是原视频”“背景不要白色，用这张图”“最终效果要和截图一模一样”。

这里有一句隐含但非常重要的结论：在 vibe coding 时代，产品质量不再取决于你写代码的手速，而取决于你描述结果的清晰度。

Claude + Cursor 的威力：连“分享 Twitter”都顺手做了

视频里最让人震惊的细节之一，是一个几乎被轻描淡写的瞬间：Riley 修完导出逻辑，再次运行应用，发现界面上多了一个“Share on Twitter”按钮。

这不是他明确要求的功能，而是 AI 在理解“使用场景”后自动补全的产品决策。

背后配置也值得注意：他使用的是 Claude 3.7 Sonnet，开启 Max 模式，在 Cursor 中直接运行和修改项目。AI 不只是生成代码片段，而是像一个对上下文有持续记忆的合作者。

最终效果是：用户上传视频 → 自动合成带 iPhone 外框和自定义背景的视频 → 本地导出 → 一键分享。整个链路完整闭环，没有“工程未完成感”。这也是为什么他说：这不是实验，而是一款已经可以拿去用的产品。

真正的变化：一个人，正在做过去一个小团队的事

这条视频真正的价值，不在于“又一个 AI 工具多厉害”，而在于它展示了一种新的生产比例。

过去，要做这样一款产品，你至少需要：设计师、前端工程师、产品经理，外加不断的沟通和返工。现在，这些角色被压缩成一个人 + 三个 AI 工具。

更重要的是，Riley 并没有展示任何高深算法。他的优势只有三点：知道用户痛点、能判断什么好看、能把需求讲清楚。

这意味着什么？意味着很多原本不值得“立项”的小工具，现在突然变得值得一做。不是因为市场变大了，而是因为成本塌了。

总结

这条视频释放的信号非常明确：AI 正在把“做产品”的门槛，从“会不会写代码”拉到“会不会定义问题”。如果你是开发者，你需要练的是 prompt 和判断力；如果你是产品或创作者，现在正是把长期痛点快速工具化的最佳窗口期。一个值得思考的问题是：当执行成本无限接近于零时，真正稀缺的能力，会不会反而变成“你到底知道什么问题值得被解决”？

关键词： AI工具， Cursor， 代码生成， vibe coding， AI应用

事实核查备注： 需要核查：视频发布时间（2025-04-17）；提到的效果提升倍数（20-50倍）是否为作者个人经验；使用的模型版本是否为 Claude 3.7 Sonnet Max；v0 是否直接生成 Next.js 项目。