STRAŦUM：我用 75 天做出的 9-Agent 营销应用（单人开发，还病了 10 天）
我在 75 天内做出了一个 9-agent 营销平台，它会从每次对话中持续学习——你只要把业务告诉一个 agent，9 个 agent 会一起变聪明。
还记得我那篇 9 月文章 吗？我当时轻描淡写地说，自己在周日午睡间隙“速通”一个 10-agent 营销平台。4 周时已有 3 个 agent 可用，目标 10 月进 alpha。
还有那篇 10 月调试噩梦：我在那里公布了 STRAŦUM 这个名字，并提到 9 个 agent 里已经做了 8 个。
现在是 11 月了。是时候把这东西真正发出来了。
当前状态：
- ✅ 平台名：STRAŦUM（Intelligence Over Execution）
- ✅ 9/9 AI agents 已完成并集成
- ✅ 面向 SMEs 与 agencies 的多租户架构
- ✅ 完整品牌规范与设计系统
- ✅ Private-alpha 测试阶段：现在进行中
没有策略的营销执行，只是昂贵噪音
大多数平台都承诺“执行更快”。但没有方向的速度，只会更快烧预算。
STRAŦUM 不一样：11 个战略框架，9 个 AI agents，会随每次对话增长的智能。
这具体意味着：
11 个战略框架，应用到你的业务：
SWOT Analysis、Porter's Five Forces、Blue Ocean Strategy、BCG Matrix、VRIO、McKinsey 7S、OKRs、Three Horizons、ICE Prioritization、Business Model Canvas、Jobs to Be Done。
Progressive Learning：告诉一个 Agent，九个都知道
和静态工具不同，STRAŦUM 的 AI agents 会在每次对话中持续学习你的业务。你用得越多，洞察越聪明、越贴合。
工作方式：
Day 1 - 自动洞察捕获：
你的业务上下文只需讲一次。agents 会给出战略框架，并自动捕获市场、竞争与客户的关键洞察。你不用点“Save”，智能会自然积累。
Week 1 - 跨 Agent 智能共享：
每次对话都会写入 Learning History。你今天在 Strategy Agent 里讲欧洲扩张？下周 Content Agent 已经知道。agents 会引用历史洞察，给出越来越个性化的建议。无需重复解释上下文。
Ongoing - 预测式智能：
当知识库变丰富后，agents 会预判你的需求并预填上下文。高置信洞察（≥90%）会自动批准；低置信洞察会等待你审核。你始终掌控全局——可查看完整 Learning History，也可删除任何你不想保留的洞察。
5 分钟 Quick Wins：
第一次会话就拿到可执行洞察，不用等到第五周。
演进路径：从 DIALØGUE 到 STRAŦUM
做 DIALØGUE 教会我如何交付 AI 产品。做 STRAŦUM 教会我如何构建平台。
DIALØGUE（8 个月，2025/01-2025/08）：
- 一种用户类型：个人播客创作者
- 一条工作流：Research → Script → Audio generation
- 14 个微服务：从 Lambda 迁移到 Cloud Run
- 简单认证：单一用户类型的 JWT
- 单一收入流：Credit packs（$4.99-$19.99）
- 业务模型：B2C，单租户
STRAŦUM（75 天，2025/08-2025/11）：
- 两类用户：SMEs + Agencies（每家代理管理 5-15 个客户）
- 9 个专用 agents：每个都有多工具，且共享智能
- 45+ 数据库表：完整多租户数据隔离
- 复杂认证：Organization → Client → Campaign 层级
- 业务模型：B2B + B2C，多租户 SaaS
为什么多租户架构难 10 倍
DIALØGUE 一次只服务一个用户生成播客。STRAŦUM 要处理代理公司同时管理多个竞争客户的营销智能。
挑战在于：管理多客户的代理公司需要：
- 彻底数据隔离（Client 1 不能看到 Client 2）
- 层级上下文（organization → client → campaign）
- 跨-agent 智能共享（但只在 campaign 边界内）
- Schema 路由（SME 用 public schema，agency 用 agency schema）
- 覆盖 45+ 表的 Row Level Security
举个例子：策略师用 Business Strategy Agent 给 Client 1 做分析，这份分析必须被隔离。切到 Persona Agent 时，它应能拉到 Client 1 的策略——但绝不能看到 Client 2。品牌规范还要继续传递到 Content Agent，确保每一条内容都用 Client 1 的语气，而不是 Client 2。
这需要数据库函数、物化视图、基于 trigger 的实时更新，以及老实说，比我预期多得多的 SQL。
光多租户架构，我就在 72 天里做了 200+ commits。这不是一个功能，而是一套影响全栈每层的架构哲学。
一些数字（因为我忍不住）
75 天。从 8 月 20 日到 11 月 3 日。代价如下：
开发速度：
- Git commits：1,000+（实际 1,075）- 日均 14.5 次提交
- 代码行数：约 200,000（Python: 62k，TypeScript: 98k，SQL: 41k）
- 数据库迁移：214 个连续 migrations
- 完成 agents：9/9（核心 agent 全部上线）
技术复杂度：
- 数据库表：45+ 张，全部有 RLS 策略
- RLS 策略：26 张表共 83 条，多租户安全
- 外键索引：新增 98 个（Postgres 不会自动建！）
- 色彩 token 迁移：1 天内改 200+ 文件、700+ 处
- 重大架构转向：3 次（ADK→Direct API、Nuclear Migration、Database-First）
性能提升：
- 延迟下降：AI 响应快了 72%（hybrid function calling）
- RLS 优化：借助策略缓存，查询提速 10-100 倍
- 包体积：通过代码分割减少 92%
现实面：
- 多租户引发的导航 bug：23 个（2 天修完）
- 生病损失天数：10 天（仍按计划发）
- 休假天数：8 天（海边 ≠ 调试）
- 咖啡摄入：别问
- 差点放弃次数：0 :P
- Claude Code / Gemini 2.5 Pro 救场次数：已经数不清
我又学到了什么
1. 多租户很难
数据隔离不是“每张表加个 org_id”就结束。你必须想透：
- 这份数据该在哪个 schema？（SME 用 public，agency 用 agency）
- 删除 campaign 时怎么办？（archived_at 软删除，而非硬删）
- 权限如何级联？（组织管理员 vs 客户经理 vs campaign 协作者）
例子：11 月 1 日我一天修了 23 个导航 bug。问题是 agency 用户在客户间切换时 URL 上下文会断。SME 路由是 /persona/session/123，但 agency 路由必须是 /clients/[client-slug]/agents/persona/session/123。每个 agent 页面都要重构，才能在导航时保留 client 上下文。
这就是 72 天 200+ commits 的多租户代价。不是功能点，而是贯穿全栈的架构理念。
2. 生病 10 天会直接打断节奏
我提到的 10 月上线目标？是的，我病了。看不了屏幕，写不了代码，只能……等。
单人开发意味着没人替你顶上。但也意味着没有团队压力逼你在未准备好时硬发。我选择了“做对”，而不是“先快”。
3. AI 辅助开发是真的（但不是魔法）
我 9 月那次 speed-run 没夸张。Claude Code 和 Gemini CLI 让我把本来要几天的架构重构，压到几个小时。
9 月 14 日的一个例子：
08:04 AM - Migrated frontend to standardized API client
11:34 AM - Centralized route configuration (no hardcoded URLs)
1:00 PM - Standardized all 10 agent pages
4:38 PM - All agents integrated with context system
5:03 PM - Testing & Polish (92% bundle size reduction)
六个大改，一天周日完成。期间还去教会、买菜、吃午饭、睡午觉、玩 iPad 游戏。
但关键是：AI 没替我设计架构，没替我拍板多租户模式，也没替我调那次 HTTP/HTTPS 噩梦。它是放大器，不是代写器。这个认知在我 开始做原生 iOS 应用但并不懂 Swift 时变得更清晰：Claude Code 一晚能搭 7,568 行骨架，但产品品味决策依旧是我的。
决定 STRAŦUM 走向的 3 次转向
构建这个平台过程中，有三个关键架构决策直接改变了路线：
Pivot 1：直连 Gemini API（Day 2 - 8 月 21 日）
第 2 天我放弃了 Google ADK（Gemini 的 SDK wrapper），转成直接 API。ADK 的会话管理限制和多租户架构冲突。迁移花了 24 小时。早期转向成本低，晚期转向成本高。
Pivot 2：从 Day 1 就做多租户
我本可以只做 SME。最终我选择支持代理公司管理多客户。这一决定增加了 3 个月复杂度：schema 路由、数据隔离、client 上下文传播。但也打开了 enterprise 销售可能——管理 5-15 客户的代理公司，付费能力天然高于单个小企业。单客户 10X 收入潜力，能解释 3X 开发成本。
Pivot 3：Nuclear Migration（10 月 11-22 日）
到 10 月时，我有 9 张独立 intelligence 表（每种 agent 一张）。每加一个 agent，就要新 migration、新 API、新前端查询。我把 9 张表合并成一张统一表，采用弹性 schema-less 内容。迁移花了 11 天。现在加新 agent 只要几小时，不再是几天。
这些不是技术失败，而是战略决策。AI 让我执行更快，但架构决策是我自己做的。
目前有效的部分
- 9 个 AI 营销 agents，应用 11 个战略框架
- 多租户数据隔离，代理公司可安全管理多客户
- Progressive learning 系统，campaign 内跨-agent 智能共享
- 全 agent 对话支持实时 SSE 流式输出
- 交互式 persona 访谈，可采集细颗粒用户洞察
- 营销策略链路，从业务战略桥接到战术执行
这是一套可运行的平台，不是 PPT。Private alpha 意味着已经有真实用户在测试。
Private Alpha：申请早期访问
STRAŦUM 已上线，当前通过邀请制接收早期测试者。我在找：
- 小企业或初创团队（1-10 人），需要战略营销智能
- 管理多客户的营销代理公司，希望更高效的策略工具
- 愿意通过反馈共同塑造产品的早期采用者
在 这里申请。我会亲自审核每个请求，24-48 小时内发放访问。
你会得到：
- 9 个 AI 营销 agents + 11 个战略框架
- 多 campaign 管理（agency 可管理多客户）
- 每次对话都变聪明的 progressive learning 系统
- 可直接联系我提反馈和功能需求
你可以预期：
- Private alpha = 会根据用户反馈持续演化
- 我会快速响应 bug 与功能请求
- Solo founder = 真诚、亲手、贴近式支持
更大的愿景
在广告行业 20 年，我反复看到同一个事实：优秀营销策略昂贵且稀缺。代理公司每月收费五位数，优秀策略师年薪六位数。solo founder 和小团队通常被挡在门外。
那如果战略营销智能可以被 AI 增强 呢？不是替代，而是增强。让 AI 负责框架、研究和结构化思考，人类负责创意、直觉、那种真正让营销有效的 je ne sais quoi。
这就是 STRAŦUM。Intelligence over execution。Strategy over tactics。Thought partner over ghostwriter。
它完美吗？当然不。它有用吗？我真心觉得有。
最后的话（以及：为什么我坚持公开构建）
做 STRAŦUM 比做 DIALØGUE 更难。更复杂、更贵、也有更多夜晚让我怀疑“真的有人要吗”。
但支撑我继续做下去的，和做 DIALØGUE 时是同一个原因：因为我自己就想要这个产品。
还有一个原因是，把这一路记录下来——包括胜利、调试噩梦、23 个导航 bug、3 次架构转向、214 个数据库 migration——能让其他 solo builder 看见什么是可能的。
75 天前，一个人做带多租户架构的 9-agent 营销平台，看上去几乎不可能。今天，我已经在邀请大家实测。
改变了什么？更强的 AI 工具，尤其是 Claude Code。
你也在单人做一个高难度项目吗？或者正在考虑？很想听听你在做什么、卡在哪里。按我的经验，最难的通常不是代码，而是决定开始。
致敬，
Chandler
想试试 STRAŦUM？去 Request 一个邀请。
