核心价值: 前4章的所有原则，在这里看到真实的实现。这一章是对话录：从 0 到生产的每一个关键决策。
5.1 产品诞生背景
用户痛点
数字营销人员在用 Meta Ad Library 做竞品分析时的真实问题：
- 每次手动截图，1 个月后找不到了
- 不同时间看同一竞品，不知道他们投什么在变
- 团队协作时无法共享广告素材库
- 无法知道哪种类型的广告运行时间最长
最初的 MVP 问题：
“如果只做一件事，最有价值的是什么？”
答：保存搜索结果，不丢失广告
5.2 AI 协作的实际工作流
真实的一天工作记录
09:00 — 设计（不用 AI，20 分钟）
在 Obsidian 里写设计文档
09:20 — AI 架构评审（Claude，15 分钟） 用"苛刻 PM"Prompt 检查设计
09:35 — 实现（Copilot，2 小时） AI 生成初稿，人工审查修改
11:30 — AI 代码评审 + 测试（45 分钟） 发现问题并修复
5.3 架构演进历史
阶段 1：最简单可用（Month 1）
FastAPI + PostgreSQL + 本地文件存储
阶段 2：生产化（Month 2-3）
新增：JWT 认证 + Stripe 订阅 + Bunny CDN + Redis 缓存
阶段 3：性能优化（Month 4）
Overview API 从 4500ms 优化到 1165ms
5.4 基础设施
当前生产架构
GitHub Actions (CI/CD) → Docker Compose → PostgreSQL + Redis
外网访问: Cloudflare → Caddy → Backend
5.5 关键教训总结
技术决策
- PostgreSQL + SQLAlchemy 撑住了所有复杂需求
- SHA-256 指纹去重节省约 40% CDN 存储
- Redis 缓存收益真实（4500ms → 1000ms）
AI 协作
- copilot-instructions.md 是最高投资回报率的工作
- 让 AI 生成测试比生成业务代码更安全
- 安全问题 AI 必须显式提示才会考虑
结语
一人公司 + AI Agent 不是魔法，是一套严格的工程纪律。
最终的竞争力来源：
- 你比其他人更快地找到真正的用户问题
- 你比其他人更快地把设计转化为生产级代码
- 你比其他人更系统地控制安全和技术债务
AI 是工具，判断力是你的护城河。
上一章 → 第4章：安全边界设计
下一章 → 第6章：多人协作与外包策略