7.3w Star 验证：单人 AI 暴力测 850 款软件
截至发稿，Mac 清理工具 Mole 的 GitHub Star 数已突破 7.3w。开发者 Tw93 分享了他利用 AI Agent 暴力安装、卸载并测试 850 款软件的复盘过程。这种做法解决了清理规则不全的痛点，也揭示了单人开发利用 AI 跨越人力瓶颈的新路径。对关注效率工具变现的人来说，这套“数据壁垒+单机工具”的逻辑极具参考价值。
单人如何用 AI 暴力跑通 850 款软件测试？
核心是用 AI Agent 批量执行安装、登录、运行、卸载全流程。Tw93 团队下载了 100G 安装包，分 30 组让 AI 跑真实项目，而非仅仅安装。实测发现某国产工具启动占 4.49GB 内存，某些工具卸载后目录会因后台进程未关而“复活”。最终沉淀出 13 类通用规则和 90 条精确路径，修正了 30 多个误判。
冷启动做这个生意，最该防的是什么？
最大风险是误删用户关键文件。Tw93 的处理逻辑是高风险操作强制人工确认，默认不清理多软件共用的缓存。自动化的反噬是坑点，AI 生成的规则必须经人工复核关键路径，不能盲信 Agent 结论。系统数据清理上，不硬凑 Apple 显示的大小，而是实测壁纸缓存等可清理项，避免误导。
普通开发者能复制这套打法吗？
门槛在数据积累而非代码。建议从垂类切入，比如先搞定 50 个 VSCode 插件的残留路径，成本主要是 2-4 周的时间。发布带指南的网页版验证需求，再写自动化测试脚本降低人力成本。将清理指南挂在官网免费查，即使不用工具也能建立 SEO 流量入口和品牌信任。双轨制下，Mac 版可直接在 GitHub 开源社区推赞助，Win 版针对国内开发者捆绑 AI 清理功能做推广。
常见问题
问：AI 工具占用系统资源的具体数据哪里来？
答：据 Tw93 博客披露，是 AI Agent 登录账号后跑真实项目测出的，比如 4.49GB 内存占用是实测值，非估算。
问：这套 850 款软件数据能直接商用吗？
答：作者将中英文手动清理指南挂在官网免费查看。数据是公开资产，但直接照搬可能侵犯其品牌，建议参考方法论自建数据。
问：单人开发做这种工具的时间成本大概多少？
答：按案例拆解，跑 50 个案例约需 2-4 周。完整 850 款的全流程测试耗时未明示，但补发 400 多封未激活 license 邮件仅用了国庆一天，说明流程已高度自动化。
来源 · Tw93 Blog：阅读原文 →
