一人公司做 AI 应用，从前后端到 Agent 编排的取舍

一人公司做 AI 应用，最怕的不是不会写，而是选型分散了本就不多的精力。判断标准只有一个：这件事能不能让你更快地拿到付费用户。这篇按前后端、模型、Agent 编排四层给一份取舍清单。

前后端与数据

前端后端优先选生态最全、AI 编码工具最熟的组合，别在这层玩新花样。Next.js 加 Supabase 是目前覆盖最广的默认答案：Supabase 一个托管服务里就含 Postgres、行级安全、认证、存储和边缘函数，省掉自己搭认证和数据库的几周时间。部署交给 Vercel，零运维起步。对一人公司来说，少养一台服务器就是少一份半夜被叫醒的风险。

# 起步配置
npx create-next-app@latest my-app
cd my-app && npm install @supabase/supabase-js

认证不要自己写。用 Supabase Auth 或 Clerk 这类托管方案，把密码存储、OAuth、找回密码这些脏活外包出去。自己写认证是一人公司最常见的翻车点，而且出了安全事故你一个人兜不住。

模型层

模型按任务分路，别一个模型用到底。高频、低风险的分类摘要路由给便宜的小模型；复杂推理和代码给大模型。这样比全量用旗舰模型省钱得多，也符合一人公司对成本的敏感。具体做法是先想清楚每个调用点的质量下限，再给它配最便宜的、够得着的模型，而不是反过来。

一个最简的分级路由长这样：按任务类型选模型，复杂任务走大模型，简单任务走小模型。

def route(task):
    if task in ("summary", "classify", "extract"):
        return "claude-haiku-5-5"
    return "claude-sonnet-5-5"

这个函数把「什么活配什么模型」固定下来，配合额度上限，账单就不会失控。真正烧钱的地方，往往不是模型单价，而是把本该走小模型的批量活全发给了旗舰。

对比表

Agent 编排

编排层最容易过度设计。如果 agent 就是「一次循环加两个工具」，直接调 SDK 写循环就够了，别上框架。等出现多步状态、条件分支、需要断点续跑，再考虑 LangGraph。它的代价是学习曲线和「图」的复杂度，一人公司没有平台工程师兜底，这一层能晚就晚。判断口诀是：先问「我有没有复杂的状态要管理」，没有就不要图。

成本账

一人公司最敏感的是账单。零收入阶段，Vercel Hobby、Supabase Free、Resend Free 基本零成本，只付 LLM 的 token 钱；早期有收入后，工具月费通常压在几十到一百多美元，LLM 成本看调用量，几十美元很常见。真正要防的不是订阅费，而是模型调用失控——分级路由加硬性额度上限，比事后看账单懊悔强得多。

值不值得用

判断这套组合是否合适，看两点：你有没有被基础设施的琐事消耗掉做产品的时间，以及账单是不是可控。如果选型让你三天两头在配部署、查限流，那就是选错了。还有一个隐藏原则：你自己审不懂的代码，别让 agent 写，尤其是涉及钱和数据的核心路径，写出来你也不敢上线。选型的最终标准，是能不能让你把精力留给产品本身，而不是留给你搭的这套东西。对一人公司，让 AI 帮你写代码可以，但支付、认证、数据删除这三条路径要自己审，别交给 agent 一把梭——这三处出问题直接是法律和钱的事。分阶段看，零收入阶段用免费额度起步，有收入了再按量升级，别一上来就为「未来规模」付今天的钱。反过来，如果你的产品是重后端长任务（长时间跑的 worker、大量并发计算），或者有强合规要求必须数据不出境、必须自建，这套「托管优先」的组合就不合适，该用 Railway 或自建的方式去跑，模型也最好走私有化或本地部署。