一个非程序员用 AI 构建的增长飞轮。没投广告，没互推，没抽奖。
1 月 26 日，10,000 关注者。3 月初，15,000。
40 天，没投广告，没互推，没抽奖。
这篇不是涨粉教程——我没资格写那个。这是一篇复盘，记录这 40 天里我做了什么、什么有效、什么没用，以及一个我自己也没预料到的发现：真正让我涨粉的，不是“做内容”，而是造系统。
10K 之前，我涨了大半年。
每天的流程大概是这样：手动刷 X、Telegram、微信公众号，看到好的英文内容就翻译加点评，偶尔分享自己在 Polymarket 上跑策略的经历。内容质量不差，但增长很慢，因为瓶颈很明显——一个人一天能读多少东西、能写多少字，是有物理上限的。
那时我每天花在“找选题”上的时间，比写推文还多。
2 月中旬，我受不了在五个 App 之间来回切换，决定自己造一个信息聚合工具。
我不是程序员。2025 年底之前，我连 Python 都不会写。所有代码都是用 Claude Code “vibe coding” 出来的——我描述需求，AI 写代码，我测试反馈，如此循环。
这个工具叫 x-reader，能从微信公众号、小红书、Telegram、X 同时抓内容，AI 自动筛选优先级。造它的目的纯粹是自用，但我随手把搭建过程发了条推文。
481 个赞，75 条评论。
评论区一堆人问能不能开源。我花了一天整理代码，开源了。又发了一条：“人生第一个开源项目，年前连 Python 都不会写。”
561 个赞，110 次转发。
我当时没意识到，但回头看，这是飞轮启动的时刻。
开源 x-reader 之后，我开始把更多精力放在搭建工作流上。不是为了发推文，是为了提高自己的效率。但每搭完一个东西，分享过程本身就是一条推文。
Claude Code 的记忆系统是最典型的例子。一开始只是一个 CLAUDE.md 配置文件。用了一个月，发现不够用——AI 的上下文窗口会丢失信息，跨会话记不住之前踩过的坑。于是我加了 today.md 记录当天进度，加了 patterns.md 沉淀踩坑经验，加了 rules/ 存行为规范、docs/ 存按需加载的文档。
不知不觉搭了一个三层记忆架构：热数据（当天）、温数据（项目级）、冷数据（向量检索）。
每一步的搭建过程，我都发了推文。Codex 交叉审代码 901 赞，Agent 记忆系统 407 赞，Obsidian 外脑 293 赞，Skills 生态 343 赞。
3 月 4 日，我读到一篇论文叫 “Everything is Context”，讲 AI agent 的上下文工程。读完有种奇怪的感觉——论文里每一个概念，我都已经在用了，只是我不知道它们叫什么：
我的 today.md，论文叫 Scratchpad。我的 MEMORY.md，论文叫 Fact Repository。我的 rules/，论文叫 Persistent Directives。我的三层检索，论文叫 Hierarchical Memory。
用了三个月，一直说不清自己在搭什么。论文帮我命名了。
我把自己的文件结构和论文概念做了一个对照表发出来。收藏 2000 多，赞接近 2000——收藏比赞多，说明大家不只是“觉得好”，是想回去抄作业。
论文作者 Robert Mao 在评论区说这是他看到的“和流行说法对比最清晰的一篇”。
这不是“看了论文去做”。是做了三个月，论文帮我确认了方向。实践在前，理论在后——这个顺序很重要。
涨粉最快的不是“最好的内容”，是开源和交付物。x-reader 开源两条合计 1000+ 赞，工作流框架开源 628 赞。这些帖子的转化率远高于纯观点输出。
翻译爆款是 outlier，不是飞轮的一部分。2 月 14 日那条 AI 做 TikTok 的翻译拿了 1527 赞，但这种内容不可复制——你需要原作者写出好文章，你还需要第一个看到。这是运气，不是系统。
什么没用：纯论文拆解没有个人视角（62 赞），纯转述没有实战经验的 quote（36 赞），一天发太多条互相稀释。
有人问我一个人怎么做到日更还保持质量。答案是我没有在“做内容”。我在造工具、搭系统、跑策略，这些事情本身就是每天在做的工作。分享只是把过程公开了。
AI 让一个非程序员能造出以前需要团队才能做的东西。这不是夸张——x-reader、记忆系统、多模型交叉验证、自动化内容管线，全是我和 Claude Code 两个人搭的。
粉丝数是仪表盘上的一个数字。真正有价值的是这套系统本身——它让我每天都在学新东西、造新东西。涨粉只是副作用。
下一个目标 20K。但到时候值得写的，应该不是又涨了多少粉，而是又造了什么。