一个人、开源模型，与百万用户的AI应用方法论

Together AI 开发者关系负责人 Hassan El Mghari，用自己四年、每月一个项目的实战经历，拆解了如何用开源模型快速构建 AI 应用，并让其中一部分真正触达百万用户。这不仅是技术分享，更是一套可复制的构建与试错方法论。

从“每月一个应用”开始的长期实验

为什么同样是做 AI 应用，有的人永远停留在 Demo，而有的人却能不断做出被真实用户使用的产品？Hassan El Mghari 的答案很朴素：长期、高频、公开地去做。

他在演讲一开始就提到，过去四年里，他“平均每个月会做一个 AI 应用”，而且几乎所有项目都是开源的。这并不是因为每个想法一开始就很成熟，而是因为他把做应用当成一场持续的实验。有些项目只有几千人用过，有些却达到了“百万级用户”，而这背后并没有某种神秘公式。

Hassan 直言不讳地说：“在某个阶段，它就是一个数字游戏（numbers game）。”你必须不断尝试不同方向，才能等到那个真正击中需求的产品出现。这个表态本身就很反直觉——在创业叙事里，我们更习惯听到“精准洞察”“一击即中”，而不是承认运气和试错的存在。

更重要的是，他刻意把所有代码放在 GitHub 上。这样做一方面是工程师的本能，另一方面也是自我约束：当你知道项目会被别人看到，你会更认真地把它做完。这种“公开构建”的方式，贯穿了他后面所有关于技术栈、架构和产品流程的选择。

为什么现在是用开源模型做应用的历史性窗口

在 Hassan 看来，当前是一个非常罕见的时间窗口。他用了一个很重的词："historic time"。原因并不复杂，但两点同时发生，才真正改变了游戏规则。

第一，构建门槛被显著拉低了。他提到，像 Cursor、Windsurf 这样的 IDE AI 助手，可以直接在编辑器里帮你补全和重构代码；Bolt、Vzero、Lovable 这类 AI builder，可以在很短时间内把想法变成可运行的原型；而聊天式 AI 本身，则成了“随时可用的技术导师”。你甚至可以直接对它说：“我第一次做 Swift 应用，带我从头走一遍。”

第二，是模型能力的爆炸式演进。Hassan 强调，几乎“每周都有突破性的模型发布”，而且这些模型越来越多地以开源形式出现。这意味着个人开发者和小团队，第一次拥有了接近大公司的能力上限。

在他所在的 Together AI 平台上，可以直接通过 API 调用不同类型的开源模型：聊天模型如 Quen 3，推理模型如 Deepsecar1，还有图像模型 Flux Context，以及视觉、音频等多模态模型。同时，这些模型既可以跑在共享推理 API 上，也可以部署到专用实例，甚至进行微调。这种灵活性，是他能够快速试错、快速上线的重要前提。

一套被反复验证的应用架构

当你要同时维护多个 AI 应用时，最重要的不是炫技，而是稳定、可复用的架构。Hassan 在演讲中坦言：“很多应用最终长得都很像。”而这正是他刻意为之的结果。

这套架构几乎可以用一句话概括：用户输入 → AI 模型 → 后处理 → 返回结果。用户可能输入一段文字，也可能上传一张图片；请求会被送到 Together AI 上的某个模型；模型返回结果后，再经过一层轻量的逻辑处理，比如格式化、过滤或组合多次调用的结果。

在技术栈选择上，他几乎保持高度一致：Next.js + TypeScript 作为全栈框架，Together AI 负责模型推理，Vercel 用于部署和托管。这种“熟到不用思考”的技术组合，让他能把注意力集中在产品本身，而不是基础设施的细节上。

他特别强调，架构的统一性带来的最大好处，是速度。“你越快把一个想法 drill down 成一个能跑的东西，就越快知道它值不值得继续。”在一个充满不确定性的领域里，速度本身就是护城河。

找需求、做演示、再看世界的反馈

Hassan 早期并不是一开始就知道该做什么。他分享了一个非常具体、也非常工程师化的做法：去 Twitter 搜索那些抱怨“我需要一个能做 X 的工具”的帖子。

这些零散的需求，本身未必能支撑一家创业公司，但非常适合用来做轻量级 AI 应用。演讲中，他快速演示了多个项目，包括文本处理、OCR（文字识别）等场景。每个 Demo 都只讲几十秒，因为重点不在炫耀功能，而在证明“这个东西真的有人会用”。

当应用上线后，他并不会立刻投入大量优化，而是先观察数据和反馈。“先看看会发生什么（see what happens）。”这是他在结尾反复强调的一句话。只有当用户自然增长、反馈集中指向某些核心需求时，他才会选择继续打磨。

这种做法的底层逻辑很清晰：在 AI 应用时代，构建成本已经足够低，真正稀缺的是注意力和真实使用。与其在脑中反复推演，不如尽快把东西丢进现实世界。

总结

Hassan El Mghari 的分享，并不是在教你“如何做出下一个爆款 AI 应用”，而是在展示一种更可持续的路径：用开源模型，用稳定的技术栈，用高频试错去换取低概率的成功。对开发者来说，最大的启发或许在于——当构建本身已经足够容易时，真正重要的是你是否愿意不断构建，并且足够快地面对真实世界的反馈。

关键词： 开源模型， AI应用， Together AI， 多模态， 开发者方法论

事实核查备注： 演讲者：Hassan El Mghari；公司：Together AI；时间：2025-07-15；提及模型：Quen 3、Deepsecar1、Flux Context；技术栈：Next.js、TypeScript、Vercel；工具：Cursor；主题：开源模型、推理、多模态、微调、OCR