做独立开发者一年半了，工具栈换了好几轮。从最开始什么都试，到现在基本稳定下来。分享一下我目前在用的 AI 相关工具，每个都说说为什么选它、花多少钱。

完整工具栈

类别	工具	月费	用途
编程 IDE	Cursor Pro	¥135	日常写代码
终端 AI	Claude Code	¥0（API 计费）	复杂重构、项目级任务
API 管理	ofox.ai	按量 ≈¥200	统一 AI API 入口
设计	v0.dev	¥0（免费额度）	UI 原型生成
文案	ChatGPT Plus	¥140	写文档、想方案
部署	Vercel	¥0-135	前端部署
数据库	Supabase	¥0-180	PostgreSQL + Auth

每月 AI 相关支出大概 ¥500-700。

编程：Cursor + Claude Code

Cursor Pro：日常写代码的主力。Tab 补全 + Cmd+K 编辑 + Chat 三板斧基本覆盖了 80% 的编程场景。

我的 .cursorrules 配置（精简版）：

## 代码风格
- TypeScript strict mode
- 函数式风格优先，避免 class
- 组件用 function 声明，不用箭头函数
- 错误处理用 Result pattern，不用 try/catch

## 项目约定
- API 路由在 app/api/ 下
- 组件在 components/ 下，页面级组件在 app/ 下
- 数据库操作统一用 Drizzle ORM
- 样式用 Tailwind，不写 CSS 文件

## 禁止
- 不要用 any
- 不要用 console.log 做错误处理
- 不要在组件里直接调数据库

Claude Code：Cursor 搞不定的复杂任务交给它。比如：

• 跨多个文件的重构
• 看整个项目结构给架构建议
• 写迁移脚本

两个工具配合使用，日常小改用 Cursor，大改用 Claude Code。

API 管理：为什么用聚合平台

我的产品里同时用了好几个模型：

• 对话功能 → GPT-4o-mini（便宜快速）
• 代码生成 → Claude Sonnet（代码质量好）
• 图片分析 → GPT-4o（多模态）
• 文本 embedding → text-embedding-3-small

以前每家单独管 key，单独充值，每月对 4 份账单，烦得要死。现在全走 ofox.ai，一个 key，一份账单，API 兼容 OpenAI 格式。

// lib/ai.ts — 项目里统一的 AI 客户端
import OpenAI from "openai";

export const ai = new OpenAI({
  apiKey: process.env.OFOX_API_KEY,
  baseURL: "https://api.ofox.ai/v1",
});

// 按场景封装
export async function chatComplete(prompt: string, model = "gpt-4o-mini") {
  const res = await ai.chat.completions.create({
    model,
    messages: [{ role: "user", content: prompt }],
    max_tokens: 1000,
  });
  return res.choices[0].message.content;
}

export async function codeGenerate(prompt: string) {
  return chatComplete(prompt, "claude-sonnet-4-5");
}

export async function analyzeImage(imageUrl: string, prompt: string) {
  const res = await ai.chat.completions.create({
    model: "gpt-4o",
    messages: [{
      role: "user",
      content: [
        { type: "text", text: prompt },
        { type: "image_url", image_url: { url: imageUrl } },
      ],
    }],
    max_tokens: 500,
  });
  return res.choices[0].message.content;
}

前端开发：v0.dev

Vercel 的 v0.dev 用来快速生成 UI 组件。我的用法是：

1. 用 v0 生成初始组件
2. 复制到项目里
3. 用 Cursor 微调细节

比自己从零写 UI 快 5 倍。

数据库：Supabase

选 Supabase 不是因为 AI，但它和 AI 配合很好：

• 自带 pgvector 扩展，不用单独搞向量数据库
• Row Level Security 做权限控制
• 免费额度够个人项目用

// 存储 embedding 的表
// CREATE TABLE documents (
//   id SERIAL PRIMARY KEY,
//   content TEXT,
//   embedding VECTOR(1536)
// );

import { createClient } from "@supabase/supabase-js";

const supabase = createClient(process.env.SUPABASE_URL!, process.env.SUPABASE_KEY!);

// 语义搜索
async function semanticSearch(queryEmbedding: number[], limit = 5) {
  const { data } = await supabase.rpc("match_documents", {
    query_embedding: queryEmbedding,
    match_count: limit,
  });
  return data;
}

成本控制心得

策略	效果
简单任务用 mini 模型	省 70% API 费用
相同请求加 Redis 缓存	省 20%
Cursor 免费的 Copilot++ 够用就不升 Pro	省 ¥135/月
Supabase/Vercel 用免费额度	省 ¥300+/月

我踩过的坑

坑 1：工具太多反而低效

最早我同时用 Cursor + Windsurf + Copilot + Cline，四个 AI 编程工具。结果每个都没深度用，切来切去浪费时间。现在只留 Cursor + Claude Code。

坑 2：过度依赖 AI 生成

有段时间我让 AI 写所有代码，包括架构设计。结果项目长到一定规模后，AI 给的架构建议越来越不靠谱。现在的原则是：架构自己定，实现交给 AI。

坑 3：不看 AI 生成的代码

“AI 写的应该没问题吧”——这个心态坑了我两次。一次是 AI 把 API Key 硬编码在前端代码里，一次是生成了有 SQL 注入的查询。永远 review AI 的输出。

小结

独立开发者的 AI 工具栈不需要多复杂：一个好的 AI IDE + 一个统一的 API 入口 + 几个 SaaS 服务就够了。关键是把每个工具用深，而不是什么新工具都试一遍。

每月 ¥500-700 的 AI 工具支出，换来的是一个人能干三个人的活。这个 ROI 对独立开发者来说很划算。