Mole 开发者：850款软件实测打磨细节，7.3万 Star
编辑点评 · AI 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）
这是一个独立开发 Mac 清理工具 Mole 从 0 做到 7.3 万 Star 的实战复盘。核心数字是 GitHub Star 72.9K（A·实测），以及通过人工+AI 实测 850 款 Mac 软件、30 多款 AI 工具积累的清理规则。对搞钱意味着什么：这是典型的“用 AI 杠杆做脏活累活”降低研发成本、通过极致细节建立信任壁垒的 SaaS 案例，证明细分工具也有高价值市场。下一步：参考其“人机协作测试法”优化你的产品测试流程，或借鉴其“免费版引流+付费版功能”的冷启动路径。
- 学习人机协作测试法，用 AI 批量处理脏活累活
- 参考其免费官网指南引流，再转化付费用户的路径
- 关注 AI 工具本地数据清理需求，切入细分赛道
- 避免全删风险，建立数据保留与安全确认机制
- 用极致细节（如图标、文案）建立产品口碑壁垒
一、这是什么机会
Mole 是一款主打“彻底清理”的 Mac/Windows 系统维护工具。目标用户是深受 App 残留、AI 工具臃肿数据及系统冗余文件困扰的开发者与极客。营收模式为开源 CLI 引流，搭配官网付费解锁自动化清理、批量管理及安全恢复功能，通过极致可靠的底层规则库建立付费信任壁垒。
二、独立判断
值得做，尤其是针对 AI 工具日益膨胀的本地数据痛点。核心壁垒不在算法，而在对数百款软件残留路径的人工+AI 实测覆盖度，以及处理“误删风险”的安全机制。原文事实显示，850 款软件实测仅补充了 13 类通用规则，证明“靠猜”不可行，必须靠“装用卸”积累脏活。推断：随着 AI Coding 工具普及，其产生的日志、模型缓存、废弃 worktree 将成为新的巨大清理市场，先入者能定义标准。
三、冷启动路径
第一步验证动作：挑选 10 款最常用的国产/国外 AI 编程工具（如 Cursor, Claude, Qoder 等），手动安装、重度使用、卸载，记录残留目录与文件。成本量级：极低（时间成本 1-2 周，无资金门槛）。周期：2 周内产出第一版清理规则与博客引流文，观察自然下载量与用户反馈，验证“AI 工具残留”是否真有痛感。
四、最大风险与避坑
致命坑：误删用户珍贵数据（如未同步的会话、特定配置）。应对：建立“黑名单机制”与“恢复副本”，对高价值数据（如会话历史）默认不清理，仅提供压缩/归档选项；对低价值缓存做严格路径校验，删除前强制预览。
五、案例复盘（别人怎么做的）
- 用 AI 跑脏活： 将 300 款软件分 30 组，让 AI Agent 借助 Computer Use 能力自动下载、安装、检查残留、卸载。AI 甚至自动编写了自动化测试脚本，开发者只需处理弹窗权限，大幅降低人力。
- 真实使用 AI 工具： 针对 30 款 AI 工具，不仅安装，还登录账号、跑代码、建索引。发现只有真实使用才会产生会话日志（如 62GB 的 opencode.db），只装不用的测试法失效。
- 建立“残留在册”： 每装一个工具，AI 自动对比前后目录变化，记录写入 /usr/local/bin 或 ~/.local/bin 的命令链接，卸载后扫描这些死链接，确保 100% 清除。
- 精细化安全分级： 会话数据提供 15-120 天可选保留期，删除前留副本；Worktree 仅在 Git 确认无未提交改动时显示；opencode.db 仅做数据库页压缩，不删对话；大文件（虚拟机、备份）只提示大小，禁止一键删除。
- 开源引流+付费转化： 850 款软件的中英文卸载指南全部放官网免费，未付费用户可照着手动操作，降低用户戒心，再转化付费版自动清理功能。
六、双轨可执行性
跨境：可行。Mac/Windows 清理是欧美独立开发者强需求，可参考 Mole 的“开源 CLI + 官网指南 + 付费自动化”路径，重点攻克 AI 工具残留这一新兴痛点。国内：可行。国内 AI 编程工具（Qoder, iFlow 等）用户增多，且普遍存在本地数据臃肿、卸载残留严重的问题，可切入“AI 开发者环境瘦身”细分赛道，但需注意国内用户对“杀软”概念的警惕，需强调数据透明与可恢复性。
原文 · Tw93 Blog：阅读原文 →
