tw93，GitHub ID @tw93，X @HiTw93。一个人，有正职，有家庭，还有个小女儿。却在 13 年里，靠着长假、早起、和游泳池边的笔记本，做出了六款被硅谷 CTO、Pinterest、YC 创始人都在用的开源工具。
六个产品，六个"自己先用烦了"的故事
妙言：找不到顺手的 Markdown 编辑器。本职前端工程师，讨厌 Electron 重框架，学 Swift 自己写。边学边做，做完学会了 Swift，摸透了 Apple 底层渲染性能。到今年快 6 年。
Pake：习惯每年分享电脑上好用工具。那年喜欢用微信读书，没有桌面端，用 UI 框架打包了一个。发出去后大家发现他分享的软件里将近三分之一是自己写的，纷纷来问微信读书怎么打包。代码几百行，顺手开源。没想到在国外比国内火。
潮流周刊：七年前开始带团队，发现技术氛围不够强，立 flag：每天早上看开源工具和技术资讯，整理成内部周刊发在公司语雀上。后来很多人离职问能不能在外面看，顺手放到 GitHub README。半年后国庆在老家，花两天做了个网站，发出去了。
Mole：本地跑了一年的 Shell 脚本，快 1000 行，专门清理程序员电脑垃圾缓存。每年买很多正版清理软件，但觉得太重。去年国庆带宝宝去三亚度假，游泳池边放台电脑，游一圈回来歇着的间隙，写出 Mole 第一个版本。
Kaku：fork 了一个终端工具，本地改了半年，过年期间才发出来。最早用的极轻量终端配得很好看，但 AI 时代必须多窗口，那款不支持。找来找去只有一个项目改得动，就自己动手了。
Kami：做投资，七八年前开始投资美股，本地写了一套多 agent 的投资分析系统，但 AI 生成的报告太丑，按自己审美调了一版。后来看到推特上大家发的报告也不够好看，就开源出去了。
Waza：将近一年、五六个 G 的 Claude 对话记录沉淀出来的工程技能库。用 AI 分析所有对话，按项目维度、时间维度拆解，提炼最佳实践，包括怎么回复海外用户需求、哪些 PR 该合、哪些功能该做。
这个逻辑贯穿了他所有产品：不是先想"我要做什么"，而是先碰到了一个让自己难受的问题，顺手把它解掉。
Mole 为什么 70% 用户在海外？
第一，老外更节俭。欧美用户会把一台 Mac 用很多年，用久了很卡。用 Mole 清了 60G、100G 垃圾，会非常激动，然后疯狂推广。tw93 说老外说话夸张，会直接说"我要给你跪下，你是个天才"。
第二，更懂程序员的"清理"工具。传统清理软件不关心程序员各种开发工具的缓存。CleanMyMac 等出于安全考虑不会去动深层开发缓存。但 Mole 是程序员写给程序员的，知道哪些东西可以清。
第三，开源本身就是最好的产品迭代机制。Mole 有 300 个 PR，100 个贡献者，全是海外用户。每个人的电脑环境不同，国家不同，技术工种不同，这些贡献让 Mole 能清理的东西越来越多，这是任何公司产品都做不到的。
当然也踩过坑。第一版发布时，因为 tw93 自己的环境偏前端，没有数据库相关配置，结果把一个用户 JetBrains 数据库工具里存在 cache 目录的账号密码全清掉了。那个用户很生气，他也很抱歉。这件事让他意识到，很多客户端产品的文件路径规范极其混乱，普通用户不关注，但清理工具必须关注。Mole 后来给 JetBrains 全系产品开了白名单，也因为这个教训越做越严谨。
还有一个细节说明 Mole 的热度：他把两张图片放到 Vercel CDN 加速，不到一周 Vercel 发来紧急通知说他欠了 80 美元。查了一下，就是那两张图片，用了 80T 流量，就几分钟时间。立刻意识到这个 README 有大量的人在访问。
第一款付费产品，每 10 秒收一笔钱
Mole 推出桌面端时，tw93 周一晚上 10 点发布，因为白天在上班。发出去之后，手机大概每 10 秒响一次支付通知，后来连 iPhone 都开始发烫。睡觉前不得不把 Google 的通知全部关掉，不然睡不着。
定价 9 美元终身买断，很多人说他卖太便宜了。也有喷子说"你不就把 CLI 包了一下吗？"他觉得无所谓。他本来就不是靠这个赚钱的。最开心的是有人用了以后愿意主动打赏。免费的东西有人愿意付钱，说明做的东西是有意义的。
支付对接用的是 Dodo Payment，一家印度小哥创立、注册地在美国的支付平台。之前试过 Stripe，走到最后一步要香港身份证，卡死了。Lemon Squeezy 也要求提供公司信息，个人用不了。后来在推特上看到有人推荐 Dodo，花了一个下午接好，发布了。
关于收款，他有一个实操建议：超过 1 万美元，立刻会有很多人来找你核查，非常麻烦。尽量把钱放在香港卡或新加坡卡，不要直接汇回国内。他自己就因为这个折腾了几次，最后把钱退回去重新想办法，不过他夸了招商银行的服务人员会为客户着想。
Waza：把自己的工程经验，变成 AI 的本能
tw93 有一个习惯：每周花一小时，让 AI 分析他过去一周的踩坑记录，然后更新 Waza。
Waza 是他的 Claude Code 技能库，但跟大多数人写的 Skills 不一样，他 70% 是代码，只有 30% 是 Markdown 文档。原因是：MD 只是告诉 AI 怎么干活，代码是让 AI 能基于它去扩展。
他不喜欢那种把 AI 手脚拴住的框架，比如 Superpower、Spec 编程，觉得太重，而且会拖模型能力的后腿。他更愿意把 AI 当朋友，而不是外包或下属。
他说，Claude 4.6、4.7 出来以后，模型能力越来越强，你越约束它，其实是在拖它的后腿。
Waza 里有 8 个 Skill，覆盖的不只是写代码，还有怎么推进项目、怎么做技术方案、怎么写让读者看得懂的文档、怎么画设计稿。因为在他看来，一个工程师只有 30% 的时间在写代码，其余的能力同样重要。
Waza 本身也会自我迭代。它知道自己的迭代方式，所以 tw93 只需要定期喂给它新的踩坑记录，它会自己更新。现在 Waza 也支持了 Codex，因为他自己开始用 Codex 了，所以它也去分析 Codex 的对话记录。
他本地还有一个基于 Waza 的私人 agent，专门帮他处理开源项目的 issue 和 PR。这个 agent 知道他对 Mole 的调性要求，知道哪些功能坚决不能合，哪些 PR 写得有问题但可以改好，哪些直接不合适。他把自己从最耗时间的事情里解放出来，专注于写新功能。
为什么他的东西好看？
很多人用完 tw93 的工具，第一反应是：怎么这么好看？
大学时保研后有大量空闲时间，把图书馆里所有前端和设计相关的书都看完了。设计思维、极简主义、日本设计原理，那个阶段打下的审美底子，后来工作了才慢慢显现出来。
入职后最喜欢跟设计师玩，经常一起讨论设计细节，受他们审美影响很深。后来负责整个部门的 ToB 产品，发现用文档跟人对齐方案，大家理解都不一样。最后发现最有效的办法是直接画一张高保真 Sketch 稿，发群里拉个会，大家立刻就 get 了。为了不让一件事反复讨论，他逼着自己学会了画稿。
还有一个更底层的原因：他是强迫症。刚入职时 QA 同学测不出他写的页面有 bug，他的代码可以免提测直接上线。这个习惯一直延续到做开源产品。做到 75 分没 bug 不够，他要做到 95 分。不是为了炫技，是因为他受不了丑的东西，也不想让用户反复来问他。
最近还在看元至清的中国古画，以及日本设计原理方面的书。他说很多古画看不懂意境，但看画家怎么画马、怎么构图，还是能 get 到一些东西。
关于长期主义
"长期主义能帮你更好地偷懒。"
他在一家公司工作了 11 年没换过。买特斯拉股票是在 100 多美元，买英伟达股票是在 80 多美元，买了以后从来不卖，一年只操作两三次。
他说他很讨厌做判断，因为一旦有多个选项就会很纠结，那几天都会很难受。所以他尽量在需要做判断之前，就把很多事情提前决定好，这样就不用反复纠结了。
长期主义在他这里不是口号，是一种减少决策消耗的生活方式。
他的 GitHub 只有 6 个 pin 位，全占满了，不会再开新坑。他认为，同时做 100 个产品，100 个都做不好。把现有的几个维护好，复利会越来越强。
Mole 发布半年，已经迭代了将近 40 个版本，用的人越来越多，知道这个产品的人越来越多，这才是真正的积累。
他还提到一个反直觉的观察：妙言在真正公布之前，已经迭代了半年多，用户量一直很少。一推出去，数据直接从平线拉起来。酒香也怕巷子深，你还是得在适当的时候把门面讲清楚。
给非技术人用 vibe coding 的建议
非技术人做产品，最大的风险不是写不出代码，而是不懂通识，半年后代码跑不动了，自己也不知道出了什么问题。
他举了个例子：AI 能把一个产品做到 80% 很容易，但从 80% 到 100%，可能要花 80% 的时间。很多人不懂这一点，觉得前端也就这么回事，后端也就这么回事，我什么都不会，app 就写出来了。但这个 app 想从你能用到 100 个人能用，中间有大量你发现不了的 bug，因为你不具备找 bug 的能力。
推荐了几本书：
- 《人月神话》：理解为什么软件项目不能靠堆人解决，AI 时代同样适用
- 《启示录》：理解怎么做产品取舍、怎么定义最小闭环、怎么规划里程碑
- 《左耳听风》（耗子哥的博客和书）：理解一个资深工程师是怎么看问题的
- 《Linux/Unix设计思想》：一本很薄的书，讲原子能力、管道、系统设计的底层逻辑，大学看完以后有种"功力大增"的感觉
核心观点：你不需要会写 React，但你要知道什么时候该用 React、什么时候只需要一个静态服务器。这种判断力，才是 vibe coding 时代真正的护城河。
最值得收藏的观点
在 AI 时代，真正的壁垒不是你做出了什么工具，而是你和 AI 的聊天上下文。
别人可以把你的产品蒸馏走，但没办法蒸馏你踩过的坑、你的判断逻辑、你和 AI 反复打磨出来的那些失败路径。
他特别强调：记录失败比记录成功更重要。成功的东西大家只看结果，失败的路径才能告诉你下次怎么绕开。就像线上系统挂了，你一定会去查挂在哪里，但系统跑得好的时候，没人会去研究它为什么好。
关于记忆系统的设计，他有一个很有意思的框架：按照人类记忆的方式来设计。大语言模型本来就是基于人类语言训练的，所以记忆系统也应该像人一样，有项目上下文记忆（当前在做什么）、短期记忆（最近遇到的卡点）、长期记忆（历史积累）。
他不太推荐直接给 AI 灌知识库，因为知识会过期，灌进去的人可能自己也不知道哪些已经过时了。把你和 AI 的所有对话记录保护好，把 AI 帮你干成和干失败的记录都保存下来。这些东西，才是别人学不走的东西。
出海商业化的几个实操细节
如果你打算做出海产品，他的经验是：
个人身份对接商业资源，天然处于劣势。建议注册一家美国小公司，费用不高，每年记得报税就好。有了美国公司主体，App Store 账号、支付平台、云服务商，都以公司名义对接，中国个人身份的限制就绕开了，税率也会低一些。
支付平台不要自建，也不要用那些知名大平台。Stripe 对中国个人限制很多，走到最后一步会卡死。他推荐 Dodo Payment，印度小哥做的，注册地在美国，响应速度快，能处理全球支付和各国税务合规，包括欧盟要求的 14 天无理由退款政策。
售后系统不要过早做。前期专注把主产品做好，用户量还不大的时候，手工回邮件、手工点退款就够了。很多程序员喜欢把所有东西都自动化，但这个阶段的精力应该全放在产品本身。
这场对话里，tw93 反复说的一件事是：他的所有产品，都是先解自己的问题，然后发现有人跟他有同样的问题，才开源出去的。
这个逻辑听起来简单，但能坚持 13 年、做出 6 个有人用的工具，背后是他对"不做什么"的极度克制，对"做好一件事"的极度专注。
如果你现在也在想做点什么，他的建议是：先找到那个让你自己最难受的问题，把它解掉。不用想太多，先解自己的问题。