Groselia

构建不再是瓶颈。被看见才是。

AI 让做软件的成本一落千丈。一个没有工程背景的创始人，现在一个周末就能上线一款产品，其他人也一样。没有变便宜的，是让别人注意到它。分发是一项持续的运营，而不是一个任务：每天发帖，八个平台各要各的格式，回复每一条评论，还要读懂每个应用口径都不一样的数字。

创业公司为此付出代价的方式有三种：雇一个现在还养不起的团队；把十几个各管一摊的工具拼凑在一起；或者什么都不发，用增长来买单。Groselia 就是为了成为第四种选择。

Groselia 换了四次形态，才找到今天的样子。每一次转向都留下了有用的，扔掉了其余的。

1. 

   2025 年底 – 2026 年 2 月

   Argibee

   一个 AI 品牌设计平台。它在 2025 年底以原型起步，2026 年 2 月成为一家真正的公司。它没找到自己的市场，但它的品牌套件引擎成了之后一切的骨架。

2. 

   2026 年 4 月

   动态视频

   Groselia 最早是用 After Effects 模板做苹果风格的发布视频。我亲手把整条流程验证了一遍，然后发现它没法在保证质量的前提下规模化。

3. 

   2026 年 6 月

   Link Vector 的 pre-seed 投资

   我们加入了 Link School of Business 的 Startup School，一个为期 100 天、以真人秀形式拍摄的创始人项目（观看这一季 ↗）。项目以一场 Demo Day 收尾，我在台上路演了 Groselia，我们也拿到了 pre-seed：来自 Link Vector 的 R$100k 投资，它是 Link School of Business 的加速器，也是我的母校。

   

4. 2026 年 8 月

   营销界的 Lovable

   用一场对话代替一张表单：描述你的营销活动，Groselia 来规划、撰写并发布。一个带工具的聊天智能体，而不是一堆机器人。

5. 2026 年 9 月

   一位社交媒体经理

   客户并不想让 AI 替他们做内容。他们想要的是自己的照片被好好发出去，评论有人回。我们砍掉了生成功能，专心把渠道运营做深。

6. 

   现在

   服务即软件

   我们卖的是工作成果，不是工具。我们的团队在平台上运营每个客户的社交媒体，让一个人就能干过去一整个代理公司的活。

公开构建

我们从一开始就公开构建。还叫 Argibee 的时候，我们就在 YouTube 上分享这段历程，从 Argibee 候补名单上线，到第一次展示 Groselia 的视频。后面的故事，一集一集都在我们的频道上 ↗.

我希望 Groselia 的品牌足够大胆：在官网、在应用里、在我们社交媒体的每一篇帖子里，都能让人停下来多看一眼。无论人们在哪里遇到它，都应该被打动，生出一点欣赏，并因为刚刚看到的东西而想要雇用我们。最重要的是，它必须让科技创业公司觉得惊艳，因为那是我们身处的生态，也是我们最先服务的客户。

整个品牌我都是在 Codex 里用 Figma 插件设计的：标志、字体以及它和符号按正确比例的组合、图像、SVG 图标库、文字样式和一套有条理的色板。每个决定都放在同一块画板上，量好尺寸，方便比较和争论。

符号

符号最先诞生，也一直留了下来。三片柔和的花瓣围绕中心旋转，它从公司最早的版本一路沿用至今，新标志是围绕它而建，而不是盖过它：它的几何形状只被复制和缩放，从未重画。

文字标志

文字标志用的是 TT Commons Pro Bold，小写，转成矢量轮廓，在哪里渲染都一样。按默认字距放在符号旁边显得松散，所以我把它收紧到 −4% 字距：在 160px 下，每个字母额外左移 6.4 个单位。听起来微不足道，但它让整个词从 564 个单位缩到 520，读起来成了一个整体。

以 H 为单位的网格

一切都以 H 为单位来度量，也就是文字标志的可见高度，网格是 H/10。这样标志缩放时，没人需要再凭肉眼去调。

上下排列的标志我画了六个方案，三种符号尺寸（1.50H、1.75H、2.00H）对两种间距（0.15H、0.25H），最后我们选了 B：1.75H 的符号，在文字上方 0.15H。横向的那版我比较了 0.20H 到 0.35H 的间距，最终定为 1.10H 的符号，间距 0.35H。

横向

符号 1.10H · 间距 0.35H

上下排列

符号 1.75H · 间距 0.15H

符号

原始比例，0.93 : 1

Colour

The palette is fifteen colours, loud on purpose. But the logo only ever comes in four treatments: blue symbol with black text, blue with white, all black and all white. The other colours are grounds, never the symbol.

To prove that, I put the symbol and both lockups on twelve backgrounds, 24 studies each, and kept the ones where its silhouette survives. On blue grounds the symbol goes monochrome. Click a colour to copy it.

字体排印

TT Commons Pro 包揽了所有工作：从 Light 到 ExtraBold 六种字重，从 12 到 96px 的十一级字号，还有真正的斜体。我把文件里全部 688 个文字图层都迁移到了它上面，于是品牌手册、应用和官网现在用同一种声音说话。

应用图标

应用图标是品牌唯一走向 3D 的地方：瓷质的符号，层层叠叠，光从上方打下，带一点光泽。在后来一次更新中，我把里面的符号缩小了 10%，让它在方块里有呼吸感。它还有一个和文字标志搭配的专属组合，方块为 1.5H。

一个 3D 物件的世界

标志周围住着一群 3D 小物件：长着晃动大眼睛的爱心、聊天气泡、井号、闪光。它们是品牌在官网和帖子里的声音，而且从不安静：它们会漂浮，在网站上还会跟着光标做出反应。这里的也一样：推它们一把，或者把一个拉回来再松手。

Neo 涂鸦

所有扁平的东西交给 Neo，我们的图标集：粗黑描边，用色板里的颜色填充，再加一道白色高光。在官网上，每个图标起初都是白色小方块里的普通线条图标，鼠标悬停时变成涂鸦，各个部件一个接一个出现：圆盘弹出，条形落下，高光描出。这些就是官网自己的涂鸦和动画，原样搬了过来。悬停一个试试。

在 Groselia 里，一切都靠在一个聊天框里打字完成。你写下要发什么、什么时候发，它就去排期、发布、回复评论，并告诉你什么效果好。工作以一份方案的形式交到所有者手里等待批准，而不是一打需要操作的界面。

核心功能

• 贴个链接就有品牌套件

  粘贴一个网站，连接你的账号。Groselia 会抓取网站、读取你过去的帖子，自动填好标志、颜色、字体、语气和受众。

• 一场对话

  一个拥有 41 个工具的 AI 智能体，会给你的素材写文案，根据你自己的互动数据挑选时间，读取数据并起草回复，然后把这一切打包成一份方案。

• 覆盖八个平台的日历

  Instagram、LinkedIn、TikTok、YouTube、X、Facebook、Threads 和 Reddit，每个都用原生格式，过去的帖子也会导入，日历永远不会是空的。

• 每条评论都有回复

  所有平台的评论和私信都在一个收件箱里，回复用品牌的语气起草，任何敏感内容都留给真人处理。

• 用大白话讲的数据洞察

  所有账号的触达、播放和互动，坦诚说明每个平台提供什么、不提供什么，还能回答“什么效果好？”。

• 周期与审批

  工作按周期进行。每个周期以一次会议开场，以一份 AI 根据数据撰写的报告收尾，每篇帖子都可以等客户批准后再发。

用 AI 智能体打造

我把 AI 智能体当作我的工程团队来打造 Groselia。Codex 和 Claude Code 写代码，每个改动都在自己的分支上；而我负责设计、审查每一个合并请求，并决定哪些内容上线。

我的大部分提示词是用 Wispr Flow 说出来的，而不是打出来的。好的提示词是一份又长又详细的需求说明，用说的，我能以思考的速度把它交代清楚。

• 

  Codex

  编程智能体

• 

  Claude Code

  编程智能体

• 

  Wispr Flow

  语音输入

官网是品牌放开嗓门的地方。我用 Next.js 设计并搭建了它。它有十七种语言，访客注册时，还会把他们的语言一并交给应用。

一个可以把玩的首屏

页面加载时标志旋转登场，然后是首屏：漂浮的 3D 道具，会随鼠标倾斜，被光标推来推去，还有一段滚动场景，最后落在“为你而生”。

groselia.com

真实的应用，重建一遍

“走进你的 Groselia”按原样展示平台，用代码根据应用自己的界面和一个演示品牌重建而成。

groselia.com

博客

关于运营社交媒体的笔记。文章就是普通的 MDX 文件，每种语言一个，不用 CMS，每篇都有自己的订阅源和结构化数据，让搜索引擎和 AI 助手能正确读懂。

groselia.com

能筛选潜在客户的表单

每个“预约通话”都会在日历之前先弹出一张简短的表单：你是谁、在哪里发帖、需要什么、预算多少。每一步都会随填随存进我们的数据库，所以就连填了一半的答案我们也能看到，表单填完后还会在 Slack 上通知我们团队。

groselia.com

始终响应式

每个页面都专门为手机设计过，而不只是缩小了事。在没有悬停的地方，各个区块会在滚到屏幕中间时“醒来”。

架构

平台是我自己搭的，AI 是我的搭档。应用用 React 和 Vite，官网用 Next.js，两者都建在同一个 Supabase 项目上：带行级安全的 Postgres、认证、实时和存储，再加 47 个 Edge Functions。慢的或定时的任务跑在 Trigger.dev 上，社交平台通过一个统一的发布 API 接入，Stripe 负责套餐、银行卡和巴西的 boleto。

另外还有一个 MCP 服务器和一个 Codex 插件，所以可以在 AI 智能体里直接使用 Groselia：同样的品牌、帖子和草稿，以工具的形式提供。

在哪里使用

Web 应用官网MCP 服务器

↓

核心

Supabase

认证PostgresRealtime存储Edge Functions

↓

背后

前沿大模型Trigger.dev发布 APIStripePostHog

应用、官网和 MCP 服务器都托管在 Vercel 上。

悬停或点按一个方框，看看它做什么、和谁通信。

一篇帖子的旅程

要看清各个部分如何配合，最好的办法是跟着一篇帖子走一遍：从聊天里的一句话，到它在数据洞察里的数字。逐步点击，或者让它自动播放。

智能体

智能体运行在市场上最好的模型上，来自 Anthropic、OpenAI 等服务商，整体是一个带工具循环的流式 Edge Function。模型有 41 个自己的工具，外加网络搜索和网页抓取，每一轮最多八跳。难点从来不是模型，而是确保智能体永远知道此时此刻什么是真的。

所以每一轮，在模型看到消息之前，函数都会从数据库重建上下文：账户所有者时区的日期和时间、品牌的记忆文档、实时日历、进行中的方案、上传的文档，以及较早消息的滚动摘要。提示词中稳定的部分缓存一小时；这一部分从不缓存，所以不会过时。

其余的部分由两条规则决定。凡是公开的或不可撤销的操作，都要进入一份由所有者批准的方案，绝不直接执行。而且只有本轮由工具创建的帖子才算存在，这终结了智能体描述它根本没做过的工作的日子。智能体也不绑定某一个模型：当一个更小、更便宜的模型足够好时，我就把聊天切了过去，降低每次对话的成本。

上下文，每一轮都重新构建

指令和工具缓存一小时

日期和时间按账户所有者的时区

记忆文档偏好、该做和不该做的事

实时日历每篇帖子及其状态

进行中的方案已提议和已批准的

到目前为止的故事滚动更新的摘要

→大模型顶级模型 · 最多 8 跳→

工具调用

✓get_posting_times

✓get_insights

✓propose_plan

方案，等待批准

新季豆周：3 篇帖子，4 条回复

// Volatile block: time + memory + live calendar + active plans + rolling summary.
// Rebuilt each turn (never cached) so the agent always sees current state.
const volatileSystem = () => {
  const parts = [
    nowBlock,
    renderMemories(memories),
    renderCalendar(calendar, todayISO),
    renderPlans(plans),
  ]
  if (documents.length) parts.push(renderDocuments(documents))
  if (rollingSummary) parts.push(`STORY SO FAR (summary of earlier messages in THIS conversation):\n${rollingSummary}`)
  // … then a line for each of the brand's other conversations
  return parts.join('\n\n')
}

数据模型

大约 55 张表，分成几个清晰的组。一个工作区有成员和品牌；其他一切都挂在品牌下面，这样行级安全在任何地方都只需回答一个问题：这个人是不是这个品牌的成员？

可靠性与安全

Groselia 是往真实账号上发布内容的，所以代价最高的故障是：一篇帖子发了两次，或者一篇帖子悄无声息地没发出去。大部分工程工作都花在这里。

有一段时间，我本地的应用和线上的共用同一个生产数据库，有一次一个迁移跑在了部署前面，把线上的品牌套件页面清空了。从那以后，后端工作都先在 Supabase 分支上进行，再和需要它的代码一起合并到生产环境。

质量与工作流

140 个测试文件里约有 1,000 个测试用例，覆盖应用、MCP 服务器和 Edge Functions。有些检查存在，是因为某处曾经坏过：只要 17 种语言里任何一种缺了键，一致性测试就会让构建失败；MCP 的数据库测试套件用合成数据运行，结束时全部回滚。

智能体也有自己的评测。其中一项会向线上的智能体提出一组固定的、关于某个品牌表现的问题，每个都在新对话里问，然后检查它是否用正确的时间段读取了数据洞察，以及它的回答是否和数据洞察页面显示的数字一致。

一个人提交了 520 多个合并请求，靠的是把 AI 智能体当成一个团队来用。每个改动都有自己的分支，在自己的 git worktree 里，所以 Claude Code 和 Codex 能同时做好几件事而互不干扰。每个都会跑测试和类型检查，开一个小的合并请求，在我读过之前什么都不会合并。

每一个看起来都像界面上的 bug，结果却都藏着更深的原因：数据流的形状、一个时间戳、一个平台真正提供了什么、一个时钟。

export function sameInstant(a: string | null | undefined, b: string | null | undefined): boolean {
  if (a == null && b == null) return true;
  if (a == null || b == null) return false;
  if (a === b) return true;
  const ta = Date.parse(a);
  const tb = Date.parse(b);
  return Number.isFinite(ta) && Number.isFinite(tb) && ta === tb;
}