一个人撑起 5 款产品的「复利工程」：我那本喂到第 108 次的规则书，原来一直在干这事
哈喽，我是飞飞。
最近刷到一个让我愣了几秒的说法。Every 这家媒体软件公司，他们的 Kieran Klaassen 公开了一套打法，据转述说一个人就能维护 5 款产品，80% 的时间根本不在写代码，全花在想清楚和复盘上。
我第一反应是又一个「一个人公司」的爽文。前阵子我自己刚写过一人公司那一摞，讲的是怎么搭产品矩阵、怎么变现。
但点进去看完我发现，它讲的根本不在赚钱这一层。它说的是一个工程上的真东西：怎么让 AI 越用越懂你这摊活。更巧的是，这套东西我自己已经偷偷干了大半年了，只是一直没给它起过名字。
它叫 Compound Engineering，复利工程。
一个人撑起五款产品
先说 Every 这套打法的骨架，其实简单。
四步一个循环：Plan、Work、Review、Compound。规划，干活，审查，然后复利。前三步你可能天天在做，让 Claude Code 帮你想方案、写代码、再 review 一遍。真正分水岭在第四步那个 Compound。
Kieran 的原话是：把学到的东西，记进 AI 下次会读的文件里。最简单的版本就一句，「add this to claude.md」。
他给了个故事我印象很深。有一次他打开项目，发现 Claude 已经把代码按他的口味改好了，他根本没开口。因为 Claude 从过去三个月的 code review 里，把他的偏好一条条学走了，下次自动就用上。
他说这感觉像作弊。但仔细想想，这哪算作弊，这就是复利在起效。
配套他还开源了一个 Claude Code 插件，GitHub 上据说攒了八千多个 star，Codex、Cursor 也能用。
复利工程到底复利啥
讲到这你可能会问，这跟我平时让 AI 写代码有啥不一样。
差别就在那个「沉淀」的动作。多数人用 AI 是一次性的：这次报错了，让它修好，完事。下次同样的坑，再教一遍。AI 永远是个记不住事的临时工，你永远在重复劳动。
复利工程换了个玩法。你把每次解决问题的法子、定下的规矩、踩过的坑，全写进 CLAUDE.md 这种 AI 每次开工都会读的文件里。它就从临时工变成了一个跟你越处越熟的同事。
这里藏着 AI 时代一个我越想越认的判断。真正的杠杆不是让 AI 帮你写更多代码，是把你每次的判断沉淀成它读得懂的文件。代码产量是线性的，写得再快也就那样；可知识复利是指数的，今天记下的一条规矩，往后每一次它都替你守着。
我也在干同一件事
为啥我看完这么有共鸣，因为这套循环我自己跑了大半年。
我有一条写公众号文章的流水线，挂着十几个 skill，全长在 Claude Code 上，配着一份越喂越厚的 CLAUDE.md 和一摞 memory。从选题、查资料、写稿、检测 AI 味、配图，一直到分发，是一串接力。我每天的活，本质就是这个 Plan-Work-Review-Compound。
最关键的 Compound 那一步，我专门做了个 skill 叫 content-training。每写完一篇，前面那个检测 AI 味的环节会揪出一堆问题：这句太像机器、那个对仗是套路、这个排比有股翻译腔。
这些问题我从不改完就扔。我把它们一条条提炼成通用规则，写进一份叫 WRITING_LESSONS 的文件里。下次再开工，写稿那个 skill 先把这份规则书读一遍，同样的坑就提前绕开了。
你看，这跟 Kieran 那套是一个模子。他往 CLAUDE.md 里记代码口味，我往 WRITING_LESSONS 里记写作口味。载体不一样，内核是同一个动作：把这次学到的，变成下次的起点。
我那本越喂越厚的规则书
这份规则书现在迭代到第 108 次了。
它一开始很薄，就几条。后来一篇篇喂，慢慢长出一整套能用 grep 硬扫的清单：中文破折号不许用、「不是 X 是 Y」那种对仗一篇最多留一处、三联否定的排比要拆、「第一第二第三」的编号陷阱要避开。每一条背后，都是某一篇真踩过的坑，带着当时的反例一起记下来。
更妙的是它能自己长。这套清单我没一条条手敲过。是 content-training 这个 skill 从每篇的检测结果里自动提炼、自动追加进去的，写一篇长一点，写一篇又长一点。我要做的只是偶尔回去把关一下，别让它跑偏。换句话说，连「沉淀」这个动作本身，都被我交给了流水线去自动跑。
变化是实打实的。最早每写一篇，我都得自己瞪着屏幕一句句抠 AI 味，又累又漏。现在初稿一出来，先跑一遍 grep 扫描，大半问题写稿的 skill 自己就规避了，我只用收个尾，盯那些机器扫不出来的细微语感。
这就是复利最爽的地方。同样的坑你只用真正踩明白一次，往后每一篇，都是往一个越滚越大的雪球上再拍一把雪。第 1 篇和第 108 篇，起跑线根本不在一个地方。
堆规则堆出过负债
但我得泼自己一盆冷水，免得你以为照着堆规则就万事大吉。
我踩过一个坑。规则写太死，是会反咬你一口的。我那条扫「不是 X 是 Y」对仗的 grep，写得太宽，结果把正文里「它是不是天天重复、规则是不是清晰」这种正常的疑问句也给揪出来了。这叫假阳性。规则不但没帮上忙，还得我回头一个个人工排除，反倒添乱。
所以复利这事有个前提：你沉淀的得是带判断的经验。无脑往里塞条目，迟早出事。规则之间会打架，会过时，会误伤。一份没人修剪的规则库，攒到最后真未必是资产，弄不好就成了一坨没人敢动的负债。
我现在的做法是，每隔一阵就回去翻一遍 WRITING_LESSONS，把过时的删掉、把太宽的收紧、把重复的合并。沉淀和修剪，得是一对一起做的动作。只进不出的库，迟早压垮你自己。
Compound 不只是往里加，还得定期回去删、去改、去给它划清楚边界。这活儿没法全甩给 AI，得你自己拎着判断守在那。
今天就能开的第一条
说了这么多，给你个今天就能上手的最小动作。
别一上来就整 26 个 agent、23 条工作流，那是人家成熟以后的样子。你就先在项目里开一个文件，叫 CLAUDE.md 也好，solutions.md 也行。往后每解决一个会反复出现的问题，就记一条：「下次遇到这个，这么办。」
就这一条，坚持一个月，你会发现 AI 跟你的默契肉眼可见地往上走。它开始记得你不喜欢什么、习惯怎么干，慢慢从一个要你反复教的工具，变成一个懂你的搭子。
这件事的门槛低到不像话，难的只是你愿不愿意每次多花那三十秒，把刚踩明白的事记下来。
说到底，会用 AI 的人很多，但能让 AI 越用越懂自己的人不多，差的就是这个沉淀的习惯。你的 CLAUDE.md 里现在躺着几条规则？最管用的是哪一条，评论区甩出来让我抄个作业。