她从未写过一行代码，两个月后 App 月收入达到 30 万美元

本文根据 Yuma Ueno 于 2026 年 8 月 5 日发表在 Medium 的文章改编整理。原文：She Had Never Written a Line of Code. Two Months Later, Her App Was Making $300,000 a Month. 文中的收入、用户和社交媒体数据均为原作者的公开叙述与分析，本文未对其进行独立审计。

Sarah Perl 今年 25 岁，此前从未写过一行代码：没有兴趣项目，没有参加过编程训练营，也没有技术背景。

2026 年初，她开始使用 Claude Code，并配合 Claude 和 Google AI Studio 做设计与辅助工作，亲手构建了一款 iPhone 应用。原文称，产品上线两个月后，月度经常性收入（MRR）突破了 30 万美元。

最简单的解释是：她本来就是网红。她在 TikTok 有 280 万粉丝，在 Instagram 还有约 137 万粉丝，产品当然容易成功。

但 Yuma Ueno 认为，这个解释漏掉了最关键的一半。大量拥有数百万粉丝的创作者推出产品后依然无人问津；关注并不会自动变成收入，更不会在如此短的时间内形成这种规模。Sarah 的受众也不是凭空出现，而是五年持续发布、测试和迭代内容的结果。

一切从一条几乎没认真策划的视频开始

Sarah 在布鲁克林一间小公寓长大。家里经济紧张，她对金钱最早的记忆往往与痛苦和争吵有关。高中期间，她拼命存钱，以全 A 成绩毕业并进入梦想学校。她想成为教师，却要一边读两个专业、一边做两份兼职来承担学费。

一位好友后来送给她一本关于思维方式的书。她开始阅读更多自我成长内容，并感到生活逐渐发生变化。这段经历后来成为她内容事业和产品方向的基础。

有一天，她在镜头前抽了一张塔罗牌并发布到 TikTok。当时账号不到 150 名粉丝。她没有反复分析数据，发完就把手机放下，和朋友出门了。

再次查看时，视频已有 3 万播放，随后升到 5 万、10 万，最终超过 90 万。

看似随机，其实包含完整的传播机制

Sarah 自己说当时没有想太多，但从结构上看，这条视频几乎是一个标准的短视频增长模型。

她拍了三个版本的“抽一张牌”视频，并告诉观众：你停在哪张牌上，那就是你此刻应该收到的信息。这一设计同时创造了三个效果：

• 留存：观众知道结果稍后才出现，因此有理由看到结尾；
• 互动：不同人得到不同的牌，会在评论区分享自己的结果；
• 无限供给：牌和解读可以不断变化，同一个核心形式能够持续生产。

真正值得注意的是结果的随机性。三条视频中，一条获得约 94 万播放，另外两条只有 4.8 万和 3.5 万。创作者、主题和发布时间几乎相同，结果却相差约 20 倍。它说明，与其耗费大量时间猜哪一条会爆，不如增加高质量实验的数量。

Sarah 接下来做对的事情，是锁定“抽牌并解读信息”这个核心，只改变呈现方式。在一个版本里，她洗牌时“意外”甩出一张牌，然后就解读那一张。这个小事故带来了运动感，也让视频显得未经编排。那条视频最终超过 500 万播放。

从塔罗内容到 23 岁的百万美元生意

视频走红后，她的私信里不断出现两类问题：怎样实现自己想要的生活？怎样获得成功人士的思维方式？她无法逐一回答，于是把内容打包成一门名为 Manifest Magic 的在线课程。

原作者坦言自己并不相信塔罗或“显化”，但个人立场并不改变市场需求。Sarah 从一天做两份工作赚约 100 美元，发展到高峰日收入超过 5 万美元；TikTok 粉丝超过 280 万，Instagram 与 YouTube 合计后，全平台受众超过 400 万。到 23 岁时，她仅靠课程就建立了一项百万美元级业务。

这并不是故事的终点，而是她创建软件的前置条件：她已经知道受众是谁、他们为什么感到困扰，以及愿意为什么结果付费。

因为现有产品不够好，她用 AI 自己做了一个

Sarah 本人长期使用自我成长类 App，却不满意市场上的产品。它们通常把同样的通用内容提供给所有用户，无法根据个人目标生成真正有针对性的体验。

她确信自己能做得更好，唯一的问题是完全不知道怎样开发软件。AI 编程工具让这个障碍不再是绝对门槛。

她用 Claude Code 完成主要开发，并使用普通 Claude 和 Google AI Studio 处理设计与支持工作。第一个可以运行的 MVP 只用了两天。把原型打磨成真正的生产级 App 仍然花了两到三个月，这部分并没有因为 AI 而消失，但过去会直接阻止非技术创始人的起步门槛大幅降低了。

最终产品名为 Stella — Manifest Anything。用户输入目标和愿望，AI 围绕这些信息生成引导式音频，并每天发送个性化肯定语。它把原本依赖 Sarah 本人交付的课程，变成了一套可以规模化运行的软件体验。

38 屏 Onboarding：摩擦为什么反而帮助转化

原作者长期研究高收入消费类 App 的 Onboarding，而 Stella 的流程是他见过最费力的之一：用户要经过 38 个页面才会看到付费墙。

很多个性化 App 也会提出大量问题，但通常使用选择题，让用户轻点即可继续。Stella 却大量使用自由文本问题，要求用户停下来思考并亲手输入目标、恐惧、夜间最在意的事情，甚至伴侣的名字。

按照常见产品原则，这种摩擦似乎会摧毁完成率。但在高度个人化的自我成长场景中，它可能产生相反效果：当用户已经花十分钟写下目标、关系和内心恐惧，就投入了时间和情绪。此时离开，意味着承认前面的投入没有结果。

也就是说，摩擦本身变成了承诺机制。付费墙随后在投入达到高点时出现，免费试用按钮旁还配有倒计时，进一步推动决策。

这里需要保持谨慎：长流程、情绪投入和倒计时并不适用于所有产品，也可能引发透明度与用户体验问题。值得学习的不是机械复制 38 屏，而是让收集的信息真正用于个性化，并通过实验验证摩擦是否创造价值。

真正的启示：AI 降低了开发门槛，却没有替你解决分发

很多人会把这个故事概括为“AI 让任何人都能做 App”。这句话没有错，却只解释了一半。

另一半是，Sarah 在开始卖软件之前，已经花了五年练习如何让陌生人停下来、产生情绪并采取行动。App 是最后一步，不是第一步。绝大多数创业者的顺序恰好相反：先造产品，再四处寻找可能需要它的人。

她也不是靠一次爆款就停止努力。原作者研究她最近的内容后发现，即使已经拥有顶级影响力，她仍然以很高的频率和明确方法持续推广自己的 App。对普通创始人来说，这意味着产品上线并不是营销的终点，而是分发系统开始工作的时刻。

当做出一个 MVP 从几个月缩短到一个周末，稀缺能力就会变化。代码仍然重要，但它不再是唯一护城河。更难复制的能力可能变成：

• 持续理解一个具体人群的痛点和语言；
• 用大量内容实验发现能引发共鸣的形式；
• 把高频问题产品化，而不是只提供一次性回答；
• 设计让用户投入、获得个性化结果并愿意付费的路径；
• 在产品上线后持续运营分发，而不是等待自然增长。

给非技术创始人的可执行路径

1. 先找已经存在的需求：整理受众反复提出的问题，不要从“我想做一个 App”开始。
2. 先验证内容，再开发功能：用帖子、视频、课程或人工服务测试人们是否愿意投入时间与金钱。
3. 用 AI 快速做 MVP：把最核心的一种结果做出来，尽快让真实用户使用。
4. 区分原型与生产：两天 MVP 不等于两天完成产品，支付、隐私、可靠性、审核和用户支持仍需要认真处理。
5. 让 Onboarding 服务于个性化：只询问会改变最终体验的问题，并测试每一步的价值。
6. 把分发当成产品的一部分：内容形式、评论互动、私信自动化和 App 下载路径需要一起设计。

AI 让“谁能做产品”的范围扩大了，但并没有让成功变得自动。Sarah Perl 的案例之所以值得研究，不是因为她不会写代码却按下了生成按钮，而是因为她把多年积累的受众洞察、内容分发和商业需求，连接到了更快的软件生产能力上。

原作者还在完整拆解中进一步分析了 Stella 的推广视频、评论到 App Store 下载的自动化私信路径，以及新账号从零增长的方法。

作者与来源：Yuma Ueno。本文为中文改编整理，人物经历、公开数字、产品流程和图片主要来自原文。