# Open-source playbook guides coding agents to build and monetize consumer AI apps

> Original title: 用 Coding Agent 按固定栈做出能赚钱的消费级 AI App

- Source: meng shao
- Published: 2026-10-28T01:02:10.000Z
- Bad Influence: https://badinfluence.news/items/kc0f35bwcz24q1topyqfc4sf4
- Original: https://x.com/shao__meng/status/2115247718608310389

## Summary

Blake Anderson open-sourced ai-app-playbook, a guide that coding agents follow to pick a niche, build, launch, and reach first-month profit. It fixes the stack on Cloudflare services, lists tools to avoid such as Vercel and Firebase, and uses a 35-point scoring gate before building. The playbook's baseline assumes about $30 per year with a trial, roughly $2.70 revenue per download.

## Post

用 Coding Agent 按固定栈做出能赚钱的消费级 AI App

@blakeandersonw 开源的「ai-app-playbook」，是一份给 coding agent 执行的操作规程：人机分工走完选品 → 搭建 → 上架 → 首月盈利；技术栈固定在 Cloudflare 全家桶，并明确列出一长串「别用」。
https://github.com/blakeandersonw/ai-app-playbook

它是什么 - 两层结构：
· 给人看的章节 playbook/00–13：从找 niche、用智能体写代码，到后端、库、登录、模型、客户端、付费、数据、设计、留存、分发、成本、合规。
· 给 Agent 看的 AGENTS.md：Phase 0–14，每步标 [AGENT] / [HUMAN]；动手前有 Gate A（评分够、有需求信号、单位经济说得通才开工）。仓库还带 templates/（Worker、Better Auth、wrangler、应用级 AGENTS.app.md）。用法很直白：clone，空目录里把 Claude Code / OpenCode 指到 AGENTS.md。

产品方向
默认做「对人有用、人愿意付钱」的消费端：健身、专注、学习、平静等。一句模板：对 [谁]，[App] 把 [输入] 变成 [结果]，几秒内完成。 七维打分（痛感、频率、可演示、AI 是核心、愿付费、能触达、低风险），≥25/35 且无单项 1 分才考虑做。明确避开：泛聊天机器人、平台很快免费化的能力、以诊疗建议为核心、没供给的双边市场、靠应用商店硬啃企业销售。

赚钱假设（作者写明是对照基准，不是目标）
默认约 $30/年 + 试用。漏斗粗算：下载 × 30% 开试用 × 30% 付费 × $30 ≈ 每下载 $2.70（约 9% 下载变付费用户）。成本表标注 2026-10-26 牌价；作者称自家栈（Cloudflare + Superwall + Tinybird + DeepSeek 等）在各规模下约占收入 2.5%（不含商店抽成与投放）。对比表里把 Vercel、Supabase、Clerk、前沿大模型等标成「Popular」，倍数差很大。

技术栈（强制）与反栈
· 用：Workers（普通 fetch，不套框架）+ D1 纯 SQL（放大后 PlanetScale via Hyperdrive）+ R2/KV/DO/Queues 等；Better Auth；AI 默认 OpenRouter → DeepSeek（经 AI Gateway），量大可上 http://Vast.ai / RunPod；支付 Superwall（端）+ Stripe（Web）；分析与错误 Tinybird；端：SwiftUI、RN 或 Kotlin、React + Vite；包管理 bun。
· 不用：Vercel、Netlify、Lovable、Bolt、v0、Firebase/Supabase、Clerk/Auth0、Sentry/PostHog、Next.js、Hono、Drizzle/Prisma 等一长串。原则是：栈做不了就停下来问人，别偷偷加依赖。

阶段节奏（摘要）
Gate A 过关后：Brief → 账号与仓库 → 后端与库 → 登录（匿名优先）→ AI（流式、超时兜底、成本记账、evals）→ Web / iOS / Android → 支付与权益校验 → 漏斗事件进 Tinybird → 引导打磨 → 留存（推送、连续打卡、邮件）→ 上架合规 → 冲首批约 1000 下载（短视频、创作者平台 SideShift/Trybe、私信）→ 每周一个漏斗实验 + 一个产品修补。人负责账号、真机签字、发版与生产；智能体不碰生产数据与生产部署。

![](https://badinfluence.news/api/img-proxy?u=https%3A%2F%2Fpbs.twimg.com%2Fmedia%2FHVrelCobYAAsvsw.jpg&mode=thumb&exp=1793404800&sig=e6fdcf4a286a47a3)

## Quoted post @blakeandersonw

> Here's my current tech stack for scaling consumer apps in 2026.
> 
> It's by far the best & cheapest stack for agent-native development ⬇️
> https://github.com/blakeandersonw/ai-app-playbook

https://x.com/blakeandersonw/status/2114760716301557847