大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



2月27日，一篇推特长文在独立开发者圈子里引爆了。

发帖人Ernesto Lopez，21岁，拥有11款B2C应用，月经常性收入（MRR）超过7.3万美元——折合人民币约53万。

他写了一篇手把手的教程式长文，标题是："我们的OpenClaw Agent ‘Eddie’如何帮我们用B2C App赚到7万美金月收入"。

Ernesto在文中逐步拆解了他如何用一个AI Agent替代了过去需要Agency、虚拟助理、内容团队才能完成的营销工作链。

对于任何想用AI赚钱但不知道从何下手的人来说，这篇文章提供了一套完整的可执行系统。

他在推特上公开过自己的收入轨迹：

2023年12月还在领2000美元月薪，2024年2月裸辞，接下来几个月做清洁公司、接零工、失败、重来。

直到2024年下半年开始做B2C应用，收入才开始飞速增长——从月入1244美元，到4个月后7款App、10万用户、4.8万美元MRR，再到现在的11款App、7.3万美元MRR。

他和合伙人Mau Baron一起运营，最知名的产品是Prayer Lock——一款基督教祈祷类应用，用户超过7.3万人。

商业模式很直接：做垂直领域的高质量App，统一定价109.99美元/年，然后依靠网红营销+TikTok/Meta付费广告来获客。

Ernesto反复强调一个理念：先想清楚营销怎么做，再开发App。

他有一套验证清单——

如果至少满足两项，就值得做。

理解了这些背景，你才能明白这个AI Agent出现的逻辑：Ernesto不缺产品，不缺渠道认知，他缺的是规模化执行。

而这恰恰是AI Agent最擅长的。

Ernesto在文中提到了一个关键竞品——Bible Mode，另一款基督教App。

Bible Mode的增长策略很原始但有效：

运营10多个"不出镜内容"（faceless content）账号，每个账号每天发3条帖子，内容是简单的静态图片加文字叠加，配合引导下载的CTA。

仅靠这套打法，Bible Mode做到了月收入2万美元。

但代价是：每月3万美元的Agency管理费。

Ernesto团队做了计算：如果能自动化这套内容流水线，省下的3万美元可以全部投入到付费广告中，而内容带来的自然增长额外还能贡献2万美元月收入。

2025年底，OpenClaw开源了。Ernesto几乎是第一时间反应过来的人之一。用他原话说——"等等，这种内容很容易自动化，而且它能像Bible Mode那样每月多赚2万美金，而我不需要花3万请Agency？"

这个AI Agent就是这样诞生的。

Ernesto的AI Agent是基于OpenClaw搭建的。

OpenClaw是2025年底开源的AI Agent框架，GitHub星标超过15.7万颗，是目前最火的个人AI Agent项目。

和ChatGPT这类对话AI不同，OpenClaw在本地运行、拥有跨对话的持久记忆，最关键的是——它能直接执行任务：控制浏览器、发邮件、操作社交账号、运行脚本。

你通过WhatsApp或Telegram给它发消息，它不只是回复文字，而是去做事。社区已为它开发了5700多个Skill插件，覆盖内容生产、数据分析、社媒管理等各个领域。

Ernesto在评论区被问到底层用什么模型时，他回答是Gemini的最新版本。

Ernesto在文中强调了一个前提：在让Agent自动化之前，你必须先自己把系统跑通。"先手动做，再让AI接管"——这个顺序不能反

。他和Mau Baron在OpenClaw出现之前就已经建立了完整的营销体系，AI是在已有流程上做加速的，而不是从零搭建的。

这是AI最核心的功能，也是Ernesto描述最详细的部分。

整个流程分为几步：

首先，Ernesto给AI设定了筛选参数。

他以Prayer Lock为例：目标是基督教内容创作者，粉丝在1万到5万之间，平均视频播放量超过1万。这个区间很讲究——太大的网红谈不下来也太贵，太小的网红带不了量，1万到5万是投资回报比**的"腰部网红"区间。

然后，他和Mau Baron把AI连接到了Prayer Lock的Instagram账号上，并为它编写了一个包含逐步指令的Skill（OpenClaw的技能插件），告诉它怎么在信息流中浏览、识别和筛选符合条件的网红。

接下来是关键步骤：AI不只是找到人，它还能自动抓取网红个人简介中的联系邮箱。然后，团队给AI接入了邮件账号的权限，让它自动发送外联邮件和Instagram私信。

执行规模是：每天约1000封邮件 + 100条DM。

这个数字是什么概念？

Ernesto之前雇了一个虚拟助理（VA）专门做这件事，VA的效率是每天100条DM，月费400美元。AI一上线就做到了10倍的触达量，同时成本仅仅只有API调用费。

Ernesto补充说，下一步的目标是让AI不仅发送初始外联邮件，还能像他本人一样跟进对话、回复私信、最终关闭合作。

他说这套系统"还没有100%打磨好，但已经非常接近了"。

这是受Bible Mode启发的核心增长引擎。

Ernesto让AI接管了4个不同的社交媒体内容账号。AI使用的是Oliver Henry（推特ID @oliverhenry）开发的"Larry Skill"——这是OpenClaw社区最知名的内容自动化Skill之一，Oliver的Agent Larry曾在一周内创造800万+播放量。

内容形式是所谓的"无脸内容"（faceless content）：静态图片+文字叠加。不需要真人出镜，不需要拍视频，就是用固定的模板不断产出。Ernesto总结了背后的公式——"Same hook, Same framework, New words"（相同的钩子，相同的框架，替换新的文字）。这就是那些能拿到数百万播放的匿名页面背后的秘密。

但Ernesto没有止步于此。他在文中提到了两个进阶方向：

第一，训练AI掌握角色一致性。他举了一个例子——有一个粉色卡通女孩形象的AI账号，仅靠这个固定角色就积累了5000万+播放。如果AI能生成风格一致的角色形象，内容的辨识度和黏性会大幅提升。

第二，训练AI学习所在垂直领域里表现最好的钩子。也就是说，AI不仅在执行层面自动化，还在策略层面从数据中学习什么样的内容最有效。

发布端使用的是@jackfriks开发的工具，让AI能自动向4个账号同步发布内容。

Ernesto还引用了另一位开发者Alex Nguyen（@alexcooldev）的案例作为佐证——Alex仅靠无脸内容就把他的学习类App做到了月入2.4万美元。

此外，他提到团队在OpenClaw之前就已经用另一种方式自动化了YouTube频道。

合伙人Mau Baron此前把Prayer Lock的YouTube频道做到了接近10万粉丝（即将获得YouTube银牌播放按钮），现在有了OpenClaw，他们计划同时运营多个YouTube频道并把X（原Twitter）也加入矩阵。

当一款App拥有超过10万用户时，客服邮箱会被淹没。用户反馈、投诉、bug报告、功能请求……每天大量涌入。

Ernesto对这个系统的描述相对简洁——因为它确实"相当直接"。AI被训练来读取所有发送到客服邮箱的邮件，并根据训练好的处理规则自动回复。Ernesto说，大多数情况AI都能独立应对。只有在它无法判断的情况下，才会通过Telegram给Ernesto和Mau Baron发送通知，由人工接管。据他说，这种需要介入的情况"很少发生"。

这个系统的价值不只是节省时间。对于B2C应用来说，客服响应速度直接影响App Store的评分和留存率。一个24/7在线、秒级响应的AI客服，其效果远超一个每天工作8小时、可能还需要睡觉的人类助理。

Ernesto说，你会惊讶有多少App创始人对自己的核心指标完全没概念。

他训练AI连接了两个数据源：一个是Singular——一个移动归因和分析平台，可以追踪TikTok和Meta等渠道的广告效果；另一个是应用后台的综合数据。

每天早上，当Ernesto和Mau Baron喝着咖啡的时候，AI会自动推送一份日报，覆盖以下内容：

• 网红合作视频的播放量表现
• 自然流量 vs 付费广告各贡献了多少销售
• 收入与支出的对比
• 哪些广告素材或自然内容表现最好，值得加倍投入
  
  

用Ernesto的话说，这份日报包含了"我们做出下一步决策所需要的一切信息"。把数据收集和初步分析交给Agent，人只需要做判断和决策——这可能是最接近"CEO工作方式"的状态。

在拆解完这四大系统之后，Ernesto在文末给出了一些总结性判断：

不要忽视任何营销渠道。 他举了一个例子：团队最近在X（推特）上做了一条App推广视频，获得了360万播放量。虽然实际转化不如预期，但也带来了几百个新用户。他的态度是"任何增长都是受欢迎的"。

OpenClaw不是。 Ernesto明确说了，OpenClaw就是一个工具。它比以往任何工具都能接触到更多系统，能帮你省下大量时间和金钱，但前提是"你训练对了"。它能自动化你的大部分工作流，但如果你自己都没把流程想清楚，Agent也帮不了你。

对于不知道怎么设置OpenClaw的人， Ernesto推荐了两条路径：

一是下载Quick Claw（由@_MaxBlade开发的简化版安装器）

二是他自己在Whop平台上发布的教程——"Apps That Scale"社区中有一篇专门的OpenClaw设置指南。

这条推文的评论区有上百条回复。其中两条最有参考价值。

@cashflxws（用户名woosh）提出了一个实际瓶颈。 他说："训练OpenClaw才是最慢的环节。"他的观点是，与其从零训练Agent来生产内容，不如直接利用已有的内容创作者——那些"像世界末日一样疯狂产出内容"的现成创作者。如果这么做，第一个月就有可能达到1万美元MRR。但他也承认Ernesto说的VA替代方案确实能节省大量时间。

这个评论点出了一个核心取舍：自动化的初期投入 vs 外包的即时效果。Agent的训练周期是一次性成本，但如果你追求速度，先用人后用Agent可能是更务实的路径。

Alex Nguyen（@alexcooldev）用自身案例做了验证。 他引用了Ernesto的帖子并说："这篇帖子完全正确。从我的经验来看，OpenClaw最大的影响就是营销自动化。"他正在逐步用OpenClaw替换掉之前雇佣的学生内容团队，当前月收入2.4万美元，目标是做到5万到10万。Alex特别强调了一点——"我是独立开发者，不是VC支持的公司，利润比虚荣收入更重要。"

Alex的案例佐证了Ernesto的核心论点：对于独立开发者来说，AI Agent的价值不在于炫技，而在于把过去每月数千美元的人力外包成本收回来，直接转化为利润。

Ernesto的案例不是孤例。

根据McKinsey 2025年AI状况报告，62%的组织至少在试验AI Agent。

Gartner预测到2026年底，40%的企业应用将内置任务型AI Agent。AI Agent市场规模预计从2025年的78亿美元增长到2030年的526亿美元，年复合增长率46.3%。

但最有趣的不是大公司的数据。而是像Ernesto这样21岁的个体开发者，正在用Agent把"一人公司"的天花板拉高到一个前所未有的位置。

传统路径下，一个人做App，营销这一环几乎必然需要外包——请Agency做内容每月3万美元，雇VA找网红每月400美元，用SaaS工具管理社媒每月几百美元，每一层都是成本。

Ernesto用一个Agent把这些全部收回来，他的利润结构因此发生了根本性变化。

他在另一篇帖子里总结了自己的App成功公式：

做出好产品（不要做垃圾），定价109.99美元/年，网红营销+Spark Ads，像对待家人一样对待创作者，为一切建立系统，持续A/B测试，不要独自战斗（除非你不得不）。