跳到主要內容

從零到八千萬美元：Base 44 創辦人 Mayor Schlommo 在六個月內創造的獨立開發者傳奇

這份訪談的內容實在太棒了，將整份 Lenny 訪談 Maor podcast 內容進行整理，分享給正在水深火熱，或者正在 AI 潮流中載浮載沉的大家有個可行性方向。

同時也印證之前 solopreneur 及 1 人 BU 模式其實會逐漸發生，想了解更多，歡迎先將這篇文章讀完。

在科技創業的激烈世界中，一個六個月內從零到估值八千萬美元的故事聽起來像天方夜譚。但這正是以色列獨立創辦人 Mayor Schlommo 和他的 AI 應用程式建構平台 Base 44 所寫下的真實篇章。他沒有募集任何外部資金，在大部分時間裡獨自奮鬥，甚至在過程中經歷了兩次戰爭。他的旅程，是無數創辦人夢寐以求的藍圖。

這篇文章將深入剖析 Mayor 的訪談，揭示他如何將一個簡單的想法，變成被產業巨頭 Wix 收購的成功企業。內容涵蓋他的創業初衷、獨立創辦人的生存法則、從零到數十萬用戶的火箭式成長策略、以及讓他能極速開發的技術秘密。

開端：一個解決身邊問題的夢想

一切的起點並非宏大的商業計畫，而是源於生活中的真實需求。Mayor 的藝術家女友需要一個網站來獲取客戶，而傳統的網站建構工具既繁瑣又缺乏彈性。同時，他為以色列童子軍組織提供志工服務時，發現他們因缺乏開發資源，許多簡單的軟體需求都需付出高昂的委外成本。

曾擔任數據公司 Explorium 執行長並募資超過 1.3 億美元的 Mayor，深知大型語言模型（LLM）的潛力。他意識到：「我知道模型可以寫出這些程式碼，它們只是缺乏合適的基礎設施。」這個洞見點燃了他的熱情。他決定放下過去管理大公司的重擔，重拾他最熱愛的「動手建造」，為身邊的人解決問題。Base 44 就此誕生——一個讓任何人都能透過自然語言描述，快速建構功能完整應用的平台。

獨行俠的力量：獨立創辦人的超能力與挑戰

在長達近六個月的時間裡，Mayor 都是單打獨鬥。他認為，對於有潛力病毒式傳播的消費性產品，獨立創辦並白手起家（Bootstrapping）是絕佳的選擇。

優勢：

  • 更高的財務回報： 無需稀釋股權，創辦人能保留絕大部分的成果。
  • 更低的心理壓力： 不用對投資人負責，能更專注於打造盈利且可持續的業務，實現「預設存活 (Default Alive)」。

挑戰：

  • 巨大的壓力與孤獨： 從伺服器維護到客戶支援，所有重擔都落在一人肩上。Mayor 笑稱，在哥哥婚禮上處理駭客入侵疑雲的驚魂兩小時，讓他的壽命都縮短了。
  • 殘酷的優先級排序： 必須在「想做的事」（寫程式、優化產品）和「必須做的事」（行銷、業務）之間不斷切換和取捨。

為了應對這些挑戰，Mayor 發展出一套高效的工作模式。他利用 RescueTime 等工具來管理患有嚴重 ADHD 的自己，確保深度工作的時間。更重要的是，他利用自己開發的 Base 44 打造了客製化的內部工具，例如一個能根據他的語氣和風格自動生成社群貼文的 AI 助手，極大地提升了生產力。

工商服務

如果你正在看這篇文章，也開始對「怎麼用 AI 幫你加速、放大你的想法」感到興趣，那你絕對不能錯過這場活動👇

🎤 🐻 Coding Bear 台北場｜來聊什麼是 Vibe Coding 台北場

我們將深入分享如何結合 AI 與程式、創意、內容製作，讓你用最自然的方式，讓 AI 成為你的工作室助手。

👉 報名連結：https://codingbear.kktix.cc/events/ai-vibe-coding-2025-07-taipei

📅 時間：7/25（五）18:30

從零到數十萬用戶的火箭式成長引擎

Base 44 的用戶增長並非一蹴可幾，而是經歷了清晰的階段和策略性的嘗試。

  1. 從 3 個朋友開始： 最初，Mayor 說服三位失業的朋友成為他的「白老鼠」。他並非遠端發送產品連結，而是每隔一天就與他們圍坐在一起，親眼觀察他們的使用過程，發現問題後立刻修改、部署。他強調，在確認產品能為一小群人創造價值並引發分享意願之前，絕不進行規模化推廣。

  2. Product Hunt 的起伏： 他的第一次 Product Hunt 發布僅帶來了約 15 位新用戶，以失敗告終。但他並未氣餒，而是將其視為獲取下一批種子用戶的途徑。第二次發布時，強大的社群力量讓 Base 44 的票數一度衝上第一，甚至因數據異常而被平台誤判為機器人攻擊，這也證明了其社群的黏著度。

  3. 「公開建造」的魔力： Build in Public 這是 Base 44 成長的關鍵引爆點。Mayor 聽從朋友的建議，開始在 LinkedIn 上誠實地分享他的建造旅程——包括成功與失敗、技術洞見、以及真實的營收數據。這種透明、不加修飾的分享，與他的目標受眾（其他建造者）產生了強烈共鳴。

  4. 獨特的激勵機制： Mayor 發現用戶熱衷於分享他們用 Base 44 打造的作品。於是他推出了一個絕妙的激勵計畫：只要用戶在社群媒體上分享他們的作品或建造過程，就能獲得額外的平台點數。這個策略不僅降低了行銷成本，更形成了一個強大的有機增長飛輪。

  5. 「為善黑客松」的意外成功： 為了擴大影響力，Mayor 發起了一場「為善黑客松 (Hackathon for Good)」，鼓勵參賽者打造對社會有益的應用。最初僅有 5,000 美元獎金的活動，因其正向的號召力吸引了 3,000 個團隊參與，並陸續獲得 Amazon、Google 等大公司的贊助。這不僅帶來了巨大的品牌曝光，也鞏固了 Base 44 的正面形象。

極速開發的秘密武器：技術堆疊與開發哲學

作為一名獨立開發者，Mayor 的開發速度驚人。他透露自己過去三個月幾乎沒寫過一行 HTML 或 JavaScript，這一切都歸功於他精心設計的技術堆疊和與 AI 協作的哲學。

  • 基礎設施： 他極力推薦 Render.com 作為雲端平台，它簡化了部署和擴展流程。資料庫則選擇了 MongoDB，因為其靈活的 Schema 非常適合由 LLM 驅動、資料結構可能隨時變化的應用。
  • 與 AI 協作的哲學：
    • 最小化 AI 程式碼： 他會為 AI 建立一個高度抽象化的框架和 SDK，讓 AI 在執行任務時只需編寫最少量的程式碼，從而降低出錯率。
    • 拋棄 TypeScript，擁抱 JSX： 他(個人）主觀認為純 JavaScript (JSX) 對於 AI 模型生成前端程式碼更為友好。
    • 智能模型路由： Base 44 會根據用戶的提示（Prompt）分析其意圖，然後將任務分配給最適合的模型（如用 Claude 處理初始 UI 生成，用 Gemini 處理複雜演算法）。

終局與新局：被 Wix 收購的幕後故事

當 Base 44 勢頭正猛時，Wix 的管理層主動找上了 Mayor。對話從友善的建議開始，逐漸發展為收購談判。Mayor 認為，對於小型團隊的收購，創辦人與收購方團隊之間的「化學反應」至關重要。

他處於一個有利的談判位置：無論是否被收購，Base 44 都能成為一個盈利且有趣的事業。這種「無論如何都會很棒」的心態，讓他能從容應對。最終，他接受了 Wix 的收購，交易結構包含 8,000 萬美元的初始付款和一個重要的未來收益分成（Earn-out）部分，這讓他對產品的未來成功仍有著深度的個人和財務投入。

有趣的是，就在簽署文件的當晚，以色列與伊朗的戰爭爆發，為這段傳奇旅程增添了戲劇性的一筆。

結語

Mayor Schlommo 的故事證明了，在 AI 時代，擁有獨特洞見和極快執行力的獨立創辦人，即使面對資金雄厚的巨頭，也完全有能力開創一番事業。

他給所有建造者的最終建議是：「確保你至少有一半的時間，花在你真正熱愛且擅長的『天才領域』。因為這才是讓你每天充滿能量、堅持不懈的關鍵。」

在一個建造工具前所未有強大的時代，Mayor 的經歷鼓舞著每一個人：找到你熱愛解決的問題，動手去建造。你所創造的，或許就將是下一個傳奇。

來源

https://www.lennysnewsletter.com/p/the-base44-bootstrapped-startup-success-story-maor-shlomo

標籤：

留言

張貼留言

這個網誌中的熱門文章

Vibe Coding：為什麼 Junior 更快上手？Senior 要如何追趕？

現象層面（市場觀察） 最近有篇文章討論 junior & senior 開發者在 AI 時代的角色轉變，非常熱門。 身為 Cympack 產品開發團隊 ，我們也一直關注這個議題，在閱讀這篇文章時觀察到一些有趣的現象，對我們來說，這正好反映出 AI 正在改變開發生態，junior 借力 AI 快速成長、senior 則需要在 「架構思維」 與 「多 agent 協作」 中找到新定位，其中有些啟發（insight) 可以跟大家分享。 為什麼 Junior 更容易上手 vibe coding？ 心智負擔低 → Junior 沒有太多傳統 code workflow 的框架包袱 敢於嘗鮮 → Gen Z / 年輕工程師天生習慣用 prompt-based 工具、跟 LLM 互動 少「優雅程式設計」的束縛 → 不太糾結「這樣寫會不會不夠優雅」，反而 embrace 快速迭代、快速出成果 反觀 Senior： 熟悉大型系統設計 有豐富的「工程正統流程」知識（架構設計、測試策略、效能優化、設計模式） 對 AI 生成 code 的品質 / 維護性通常比較保留 部分 10+ 年資深工程師，對 prompt engineering 沒那麼熟練，還在觀望 技能面（未來的關鍵能力） Vibe coding 本質上 = prompt engineering + AI co-pilot 管理能力 能力項目 誰目前比較有優勢？ Prompt 撰寫 / AI 互動 Junior 較強（熟悉 chat-based 流程） 系統設計 / 架構把關 Senior 較強 AI 生成 code 驗證 / Bug 察覺能力 Senior 較強（能看出潛在問題） 快速疊代 / Hackathon 式開發 Junior 較強 長期維護性 / 穩定性 Senior 較強 總結 Junior 確實更快適應 vibe coding，並且更習慣以 「chat-based coding」 的工作流開發。 Senior 擁有驗證 AI 產物與系統設計的深度能力，但若不主動練習 vibe coding，長期會逐漸落後於新一波開發潮流。 就如同在 GAI 技術年會分享，希望帶給各位的感受， 『與 AI 協...
張貼留言
繼續閱讀>>

Vibe Coding 協作到自建 Dev Agent？從 Claude / Codex 到 OpenHands

過去一年，越來越多工程師開始 把 AI 真正帶進工作流程 。從一開始用 ChatGPT、Claude 來問語法問題，到後來很多人愛上 Cursor，直接在編輯器裡讓 AI 幫忙改 code、補 test case、甚至自動整理 PR。這樣的開發體驗，已經大大改變了我們寫程式的方式。 更現實的是，在很多企業內部、政府單位、或涉及機密資料的專案裡， 其實根本不能直接用 Cursor 或雲端 LLM 工具。   畢竟這些服務通常會把資料傳到雲端模型做處理，萬一專案裡有未公開的技術、敏感客戶資料，或是受限於法規 （像金融、醫療、政府標案） ，直接用雲端 AI 工具就會踩 紅線 。  因此，許多團隊反而更希望 「自己架一套 Dev Agent」 ，可以在內網執行，資料完全掌握在自己手上，該整合的內部工具、該讀的私有 repo、該串的 CI/CD pipeline，全部客製化、安全可控。 這時候，像 OpenHands 這樣的開源 Dev Agent 框架就特別有價值。它的出發點不是單純的 AI 助手，而是讓你能夠打造出一個真的可以跑在自己環境裡、可以理解整個開發流程的 AI 工程師。從建置到部署，從 CLI 操作到瀏覽器查詢， 從多檔案編輯到自動測試，全部都能自己完成，甚至還能針對不同專案調整專屬的工作流。 對很多開始探索 AI 協作開發的團隊來說，這是一條 從 「AI 幫你寫一段程式」，走向「AI 幫你解決一整個任務」 的進化路徑。而且，還是在可控、可自定義、安全的環境裡完成的。 🧩 主要概述 OpenHands 是由 All‑Hands AI 開發的開源「軟體開發代理人平台」，能模仿人類工程師從建立程式、修改程式碼、執行指令，到瀏覽網頁、呼叫 API……等一整套開發流程 它提供雲端（OpenHands Cloud）與本地 Docker 運行版本，用戶能配置 LLM（如 Claude、OpenAI、Gemini…) 📚 核心特性與怎麼使用 代理人的工具能力 支援代碼編輯、命令行、執行環境、網頁瀏覽、API 呼叫—接近人類開發者完整技能。其中 OpenHands Cloud 版本提供 $50 試用額度讓大家方便使用，又或者如果自己本機有 docker 的話，可以自己Local 版本透過 Docker 自架環境。 ...
張貼留言
繼續閱讀>>

RAG 和 Prompt 原理超簡單解說！想知道 AI 怎麼找答案看這篇

這篇文章是給對於你已經開始使用所謂的 ChatGPT / Claude / Gemini 之類的 AI 服務，甚至是 Siri (嘿丟，他也是一種 AI 應用服務喔） 簡單來說是非 技術人員， PM，小白，想要趕快惡補的人 ，直接花十分鐘可以看完的一篇科普業配文章。 或者是概念僅止於，AI 這東西會幻想，會有誤差，會對於生活有些幫助但沒有幫助的人們，做個簡單又不是太簡單的介紹，希望用一個非常入門的方式讓你們有個了解。 當然，這篇文章目的很簡單， 就是引流 ，如果你身邊有已經對於 Web 技術開發的人員，歡迎報名分享給他，年末出國不如學一技在身，參加今年我們舉辦最後一場 RAG 實作工作坊，報名連結 ， https://exma.kktix.cc/events/ai-for-dev-course-rag-2 注意： 接下來每個大段落結束都會有一段工商導入，但文章絕對精彩，請注意！ 為了讓各位容易想像，我們將整個世界的資訊，先濃縮到這本『西遊記』的世界觀當中，我們整個世界都在這個 『西遊記』 ，而 大型語言模型 我們用 『書精靈』 來描述。 PS. 我們先預設各位，應該都有聽過，西遊記！如果沒有聽過西遊記的，請右轉出去，謝謝！ 先來談談向量 在《西遊記》的世界裡，我們可以把 向量想像成一種「內容座標」 ，讓系統知道每個角色、場景、法術等的 「位置」和「距離」 。向量幫助語言模型知道不同內容之間的關聯程度。 向量就像內容的「距離」和「位置」 比方說，唐三藏的 「位置」（向量）會接近「佛經」和「取經」 的概念，因為他一路上都是為了取經而前進。孫悟空的 向量位置則會更靠近「金箍棒」和「七十二變」 這些概念，因為這些是他的特徵。 相似內容靠得更近：像「佛經」和「取經」會靠近唐三藏的向量，因為它們彼此有很強的關聯。 相差較大內容會離得較遠：像「取經」和「妖怪」「妖怪的寶藏」就距離比較遠，因為妖怪的寶藏和取經的目標關聯性不大。 是誰決定的這些位置？ 簡單來說，這些位置和關係是模型自己學出來的。語言模型會閱讀大量的資料和這世界觀的資訊，觀察哪些詞語經常一起出現，根據「共同出現的頻率」來決定它們的關係，並且自動生成向量。例如： 如果模型看到 「唐三藏」 總是和 「取經」 一起出現，它就會讓「唐三藏」的向量靠近「取經」。 ...
2 則留言
繼續閱讀>>