每月 20 美元的技术栈，撑起多个 10K MRR 的产品

原文来源：Steve Hanov's Blog — 独立开发者公开他如何用每月 20 美元的基础设施成本，同时运营多个月收入 1 万美元的产品。

Steve Hanov 是位资深独立开发者，做过你可能用过的 websequencediagrams.com，也做过 niche 小产品。他在文章开头讲了个挺有代表性的场景：昨晚他又被一个 pitch night 拒之门外——不是产品不行，他早有稳定的 MRR 和每天依赖产品的用户，对方只是反问了一句："你还需要融资做什么？"

这句话几乎是独立开发者最受用的夸奖。Steve 的结论是：把成本压到接近零，等于给自己买了和融到一百万美元一样的跑道——没有董事会盯着你烧钱，没有投资人对赌增长，你有充足的时间找到产品市场契合点。

一台 VPS 就够了

2026 年启动一个 Web 应用的"标准姿势"是：开 AWS、配 EKS 集群、搭 RDS、设 NAT Gateway……然后在一个用户都没访问过你的落地页之前，先烧掉 300 美元一个月。

Steve 的做法反着来：在 Linode 或 DigitalOcean 租一台 5 到 10 美元的单核 VPS。1GB 内存对现代 Web 开发者听起来很吓人，但只要你知道自己在做什么就完全够用，不够就加个 swapfile。

"目标是服务请求，不是维护基础设施。"一台服务器的时候，你确切知道日志在哪、为什么崩溃、怎么重启。

Go 是瘦身后的正确语言

1GB 内存的限制下，Python 或 Ruby 光启动解释器、管理 gunicorn worker 就要吃掉一半内存。Steve 的后端全部用 Go 写：性能好、静态类型，而且在 2026 年有个额外优势——LLM 很容易理解 Go 代码。

Go 真正的魔法在部署：没有 pip install 依赖地狱，没有虚拟环境。在笔记本上编译出一个静态链接的单二进制，scp 到 5 美元的服务器上直接跑。一个完整的生产级 HTTP 服务器只需要标准库：

package main
 
import (
	"fmt"
	"net/http"
)
 
func main() {
	http.HandleFunc("/", func(w http.ResponseWriter, r *http.Request) {
		fmt.Fprintf(w, "Hello, your MRR is safe here.")
	})
	// 这台"土豆"机器上轻松扛住每秒上万请求
	http.ListenAndServe(":8080", nil)
}

本地显卡 = 无限 AI 额度

做 eh-trade.ca 时，Steve 需要对几千家公司做深度定性研究，总结海量季度财报。天真方案是把这些全丢给 OpenAI API——可能烧掉几百美元，然后发现 prompt 循环里有逻辑 bug，整个批处理得重跑。

他的做法：在 Facebook Marketplace 花 900 美元淘了张二手 RTX 3090（24GB 显存），跑 VLLM。一次性投入，之后批量任务再也不向 AI 供应商交过路费。

本地 AI 有一条清晰的升级路径：

1. Ollama 起步：一条命令（ollama run qwen3:32b）就能试遍几十个模型，最适合迭代 prompt；
2. VLLM 上生产：Ollama 在并发请求下会成为瓶颈，VLLM 用 PagedAttention 把 8 到 16 个异步请求在 GPU 显存里合并批处理——16 个请求几乎和 1 个请求一样快；
3. Transformer Lab 做进阶：需要预训练或微调时，在本地硬件上搞定。

Steve 还自己写了 laconic（一个针对 8K 上下文窗口优化的 agentic 研究员，像虚拟内存管理器一样把无关对话"换页"出去）和 llmhub（把任何 LLM 抽象成 provider/endpoint/apikey 三件套，本地模型和云端模型统一接口）。

云端模型用 OpenRouter

本地模型扛不住所有场景——给用户提供低延迟聊天时，还是需要 Claude 或 ChatGPT 级别的推理能力。与其在 Anthropic、Google、OpenAI 之间来回切换计费账户、API key 和限流，不如用 OpenRouter：代码里只写一套 OpenAI 兼容接口，就能访问所有前沿模型。更重要的是自动 fallback——Anthropic 周二下午挂掉时（真的会发生），应用自动切到等价的 OpenAI 模型，用户永远看不到错误页，也不用自己写复杂的重试逻辑。

用 Copilot 而不是被炒上天的 AI IDE

Steve 天天用 Claude Opus 4.6，账单却几乎碰不到 60 美元一个月。秘诀是钻了微软定价模型的空子：2023 年买的 GitHub Copilot 订阅，配标准 VS Code，一直用到现在。

关键是微软按请求计费而不是按 token 计费。所谓"一个请求"，就是你敲进聊天框的那句话。就算 agent 接下来花 30 分钟啃完整个代码库、改了几百个文件，你付的仍然是大约 0.04 美元。最优策略是：写一份带严格成功标准的详细 prompt，告诉它"keep going until all errors are fixed"，回车，然后去泡杯咖啡——让微软补贴你的算力成本。

SQLite 当主力数据库

Steve 每个新项目的主数据库都是 sqlite3。这不是疯话：本地 SQLite 文件通过 C 接口或内存通信，比走 TCP 网络跳转去连远程 Postgres 快几个数量级。

"SQLite 不是每次写入都会锁全库吗？"很多人有这个误解。打开 WAL 模式就解决了：

PRAGMA journal_mode=WAL;
PRAGMA synchronous=NORMAL;

读者不再阻塞写者，写者不再阻塞读者。单靠一个 NVMe 硬盘上的 .db 文件，就能轻松处理数千并发用户。

几杯咖啡钱的无限跑道

"技术行业想让你相信，做一个真正的业务需要复杂的编排、巨额的 AWS 账单和数百万风险投资。其实不需要。"一台 VPS、静态编译的二进制、本地 GPU 干批量 AI 活、SQLite 的原始速度——整套技术栈的成本不到每月几杯咖啡。

省下来的每一分钱都是你的跑道。没有融资压力、没有烧钱焦虑，你才有时间真正解决用户的问题，而不是天天盯着 burn rate 发愁。