生产力实验报告: 一个人，如何用 AI 杠杆快速上线一个网络灾备 SaaS ？

曾经年少轻狂，学网络工程师搞 CCIE，天天嚷着要"技术成就梦想"。如今人到中年遇到 AI，赤子之心，依然不变。

为什么要写这篇文章？因为针对同一个"网络配置自动备份"的需求，我前前后后搞了三次，横跨两年。这两年里 AI 技术高速发展，第三次折腾算是一个里程碑，有些经验和思考值得及时沉淀下来，相信也能帮到有需要的朋友。

这篇文章写给两类人：一类是深知网络设备配置丢失有多痛的“网络攻城师”们；另一类是对全球化 AI Coding、Serverless 部署这套东西感兴趣，但还在门口张望的探索者。两年前我对这些也是一知半解，现在略懂皮毛，都是逐渐摸索出来的。

分享一个我很认同的理念：

Don't learn to build, build to learn - 干中学。 （还得是中文精辟）

回看前两次的迭代： 第一次，《我用 AI 做了个系统：0基础也能搞软件开发了吗？》，那时候的 AI 像个多动症，编码结果有点“随机”，写出来的东西勉强能看，不一定能用:

第二次，《XConfKit 项目的后续：开源》，能在本地跑起来了，但也仅此而已:

第三次，就是现在的 XCONF.AI（https://xconf.ai），一个真正跑通了的 SaaS 系统 MVP。

前两次我对 AI 写生产代码这件事本身就半信半疑，做出来的东西也就是个能跑的 Demo，自己心里清楚离能用还差得远。第三次索性把目标拉到了自己都觉得不太可能的高度——做一个真正能注册、能上线、能跑通的最小化 SaaS。

一、 需求和用户

需求说起来很简单：网络设备配置的自动备份。但实际干过网络运维和项目交付的人都知道，配置丢失是最让人崩溃的事故之一。不是硬件故障把配置带走了，就是割接的时候一个误操作把配置覆写了。出了事就是排障、花极大精力重建配置、各方扯皮。

这个工具主要解决两类人的问题： 一类是手里管着多台设备的网工和运维团队； 另一类是对安全合规要求很高，没法接受把 SSH 密码明文扔到第三方云上的网络管理员和 MSP。

跟前两次在本地跑 Demo 不一样，这次是直接奔着全球化、Serverless、CDN 部署、对象存储加 SaaS 多租户的架构去做。从用户自注册到设备上线到配置备份，整个流程跑通。

三次都不变的是，非常克制地收敛需求。不做大而全，就把最疼的几个点打透。另外这次我花了较多精力在产品的视觉和用户体验上。我自己对产品审美有追求，平时也喜欢观察，网络运维工具不代表就该做得粗糙，任何产品只要是给人用的，都要精益求精。

二、 技术架构

底座就两个：Cloudflare + Supabase。当然还有 Resend 以及极其重要的GitHub在背后支撑，细节如下：

前端静态资源托管在 Cloudflare Pages 的边缘网络上。在全球化云平台部署有一个很实际的好处：暂时不需要考虑监管的事情，开发到上线非常丝滑，不会被打断。全球 CDN 和安全防护也都是现成的。

后端 API 与云函数则全部运行在 Supabase Edge Functions 上，由 Supabase 提供底层数据存储、身份验证与租户隔离。邮件系统用的 Resend，实现了 @xconf.ai 发送域名后缀。客户端 Agent 用 Go 语言写的，在 GitHub 上完全开源。

说到开源，这个项目受益于开源非常多。比如多厂商交互规范与过滤规则借鉴了优秀开源项目 Oxidized 的设计启发，配置对比（Diff）用的就是开源组件，我在网站比较醒目的地方做了致敬，也严格遵循了开源协议。

测试阶段，手头没有物理设备，就用网络设备模拟器 GNS3 和虚拟机搭了仿真环境（跑的都是真实镜像，效果跟真机差不多）。本地仿真能力起了关键作用，可以一次性拉起将近 10 台路由器加多台虚拟机联合测试。

因为路由器和虚拟机（如 Multipass）都支持命令行，AI 可以直接上手操作，代替人去跑： 改代码 - 测试 - 报错 - 再改 - 再测 这种循环，效率非常高。当然，人最后还是要验收。

三、关于 AI Native

前两次用的是 Cursor，这次换成了 Google AntiGravity（用的 Google AI Ultra Plan）。说实话，它在某些场景下不如全球顶级模型强（是谁你懂的），但胜在非常稳定，推理速度极快。对有一定技术背景的人来说，够用了。

大学专业是信息安全，虽然老师教的东西快忘光了，但做这个产品的时候，我还是尽可能把安全性往高了拉：密码在本地内存里就做了脱敏，配置上传前在本地用 AES-256-GCM 加密，SaaS 后台拿到的只有密文，解密只发生在浏览器本地沙盒里，走的 WebCrypto 接口，且用于解密的 AGENT_KEY 仅存在于用户本地。

在整个开发部署过程中，Cloudflare 和 Supabase 对命令行的支持非常完美。这是 AI 时代命令行的巨大优势——只要有完整的官方文档（或者说 Skill），AI 就能在编码、部署、排错这些环节自己跑起来。我更多的是定方向、把关体验、做最后的验收。

既然产品本身是靠 AI 能力做出来的，那我在设计的时候就原生考虑了：AI 怎么用这个产品？AI 怎么部署？AI 怎么排错？AI 怎么运维？我想这就是 AI Native 吧。

四、 花了多少成本？

最大的成本是时间。平时周末和节假日，除了运动和陪家人，我几乎把所有闲暇时间都花在了学习 AI 上。这个项目是我学 AI 重要的一环，当然也是我乐意的，对 AI 确实有着近乎狂热的兴趣。

XCONF.AI 花钱的部分？目前只花了一笔：在 Cloudflare 上买了一个域名。没了。

也是高性价比的地方（自行对比 狗爹）

这里不得不说，全球化云服务的免费额度大得超出想象。我给大家梳理了一份清单（建议收藏）：

• Cloudflare
  Pages & CDN：静态网页流量、全球带宽完全免费，支持无上限的静态流量分发；
  R2 对象存储：提供每月 10 GB 免费空间，且零流量流出费（这非常重要）；
  Workers AI：提供每天 10,000 Neurons 的免费 GPU 算力（实际上并不多，使用时要注意）。

• Supabase
  数据库与存储：500 MB 数据库、1 GB 存储空间；
  边缘函数（Edge Functions）：免费提供 Deno 边缘函数运行环境（用以支撑 API 接口与网关）；
  身份验证（Auth）：每月支持最多 50,000 个活跃用户的注册登录。
• Resend：每月 3,000 封免费邮件（每日限额 100 封），支持 1 个自定义发送域名。

这套配额我觉得绰绰有余。

五、 几点思考

• 第一，做出来的东西远超我的预期。动手之前我以为单兵作战顶多折腾个玩具，结果现在系统稳定运行，在仿真环境里跑过了稳定性、安全性、内存泄漏这些测试，而且这些测试基本都是 AI 自动完成的。
• 第二，命令行和结构化的操作手册，是你的产品能不能被 AI 顺畅使用的前提。想让 AI 帮你干活，你得先把说明书写好。
• 第三，花时间最多的不是写代码。代码都是 AI 写的。花最多时间的是产品的"小战略"：用户到底是谁？解决什么问题？创造什么价值？用户体验要做到什么程度？AI 在某些事情上的能力已经远超人类时，人类需要持续积累的能力到底是什么？这里不管是个人还是组织，都需要深度思考，迅速行动，甚至自我革命，这么说，一点都不夸张。

Farhan Thawar | Cursor Compile 26

• 第四，全球化的 Marketing 是个大课题。怎么在全球化的舞台上展示产品？在 Cloudflare 后台，我每天都能看到各种来自全球的 AI Agent 在爬 xconf.ai 网站。

做完这个项目，我最大的感触不是技术本身，而是对 AI 时代个体能力边界的重新认知。

• 第五，你的野心到底有多大？ 今年是 Agent 元年。每个人都可以借 AI 的杠杆指挥一支虚拟大军、千军万马，而且这支大军的能力还在高速进化。我们到底要干什么？想干成什么？目标够不够高？能不能带着这支大军到达目标？
• 说回来，这次单兵作战里沉淀下来的方法论和认知，最终都会回到我们自己的业务里去。当一个组织用这种思维去重新审视自己的流程和系统时，释放出来的东西会很多。

XCONF.AI 是网工生涯的一次怀旧，也是一份 AI 生产力实验报告。让我们ALL IN AI !

直达 xconf.ai 官网 ↗