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

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...

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。 ...

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」。 ...