可销售软件的最小可行单元 – 在 LLM 时代，构建胜过购买

可销售软件的最小可行单元 – 在 LLM 时代，构建胜过购买

TL;DR – 对大多数 SaaS 来说，购买仍然胜过构建

即使有能够生成代码的大语言模型（LLM），许多软件产品的授权费用仍然比内部重建更便宜，因为提示、细化以及持续维护的总成本往往超过订阅费用。产品既足够新颖以抵御廉价的 LLM 复制，又定价合理的甜点区被称为 可行性区。Brandur 使用这一框架论证他的 River 作业队列服务可以作为可持续业务生存。

1. LLM 降低但未消除构建成本

“虽然 LLM 让软件构建成本大幅下降，但并没有降到零。”

  • 构建仍然需要迭代反馈循环：提示 → 生成 → 审核 → 精炼。通常需要数十次循环才能让输出达到质量标准。
  • 持续维护（错误修复、功能添加）仍然是人为成本。最昂贵的因素是监督模型输出的工程师的兼职劳动。
  • 示例计算：年薪 $200 k 的工程师成本约 $96/小时。要取代每月 $400 的 Jira 许可证，工程师每月在 LLM 生成的维护上花费 不超过 4 小时 才能收支平衡。即使是慷慨估计的每月 2 小时，也会导致 37 个月的回本期，这在实际中并不现实。

2. 构建阈值 – 何时重建变得可行

“对于每座位每月 $500 的 Salesforce 许可证（≈ $25k/月，50 座位），你可以全职资助 1.5 名工程师来克隆该产品。”

  • 高价、复杂的 SaaS（如 Salesforce）可以跨越阈值，使得许可证费用足以支持全职内部重建工作。
  • 该阈值并非静态，会随 SaaS 定价变化以及 LLM 生产力提升而移动。
  • 评论者指出，即使是昂贵的 SaaS 也隐藏着集成、合规、灾难恢复等成本，这些成本可能再次倾向于购买。

3. 可行性区

“可行性区的软件满足两个条件：(1) 足够新颖，使得 LLM 重建并非易事；(2) 定价不至于高得让重建显而易见更便宜。”

  • 新颖性：需要深度领域专业知识、复杂性能调优或大量 API 设计的功能，LLM 更难准确复制。
  • 合理定价：如果订阅费用低于提示和维护的累计成本，购买仍是理性选择。
  • 原文中的图示将这一甜点区表现为低复杂度、低成本工具（DIY 简单）与高复杂度、高成本平台（DIY 合理）之间的带状区域。
产品 许可证费用 匹配所需工程师工时/每月 需要的工程师数 购买? 构建?
Jira $400/月 4.2 小时 0.02 ✔
Salesforce（50 座位） $25k/月 260 小时 1.5 ✔

社区见解

  • @zingar：即使 LLM 降低了前期工作量，维护副项目的持续动力往往超过其实际价值。
  • @ahamilton454：现实中的迭代成本高于乐观估计，“几天内完成”在质量约束下很少成立。
  • @monkeydust：共享的社区贡献产生的外部性是单个重建所缺失的，强化了购买的价值。
  • @bze12：更低成本的替代品（如 Linear 替代 Jira）可以把可行性区向下移动。
  • @jwitchel：复杂的 SaaS 平台包含数千工程师年限的工作，LLM 无法神奇地取代这种深度。
  • @ThePhysicist：许多企业产品本质上是包装在管理层之上的开源库，真正的成本在于合规、单点登录、审计日志等。

4. River 案例研究

“River 是一个开源的 Go + Postgres 作业队列，提供免费层和付费的 Pro 版本，后者提供高级功能和计费。”

  • 新颖性：高级工作流、顺序作业以及并发受限作业都是为性能而设计，LLM 难以以相同精度复制。
  • 定价：分层定价从 $125/月（最多 20 位开发者） 起，规模扩大时呈次线性增长。这使 River 在中小型开发团队中 comfortably 位于可行性区。
  • Brandur 计划全职投入 River，押注订阅收入将超过 LLM 辅助开发和维护的累计成本。

5. 对工程师和决策者的实用要点

  1. 量化真实拥有成本——包括许可证、集成、合规以及上下文切换的隐藏劳动。
  2. 评估新颖性——如果产品的核心差异化需要深度工程洞察，LLM 替代的可能性就低。
  3. 使用可行性区作为决策矩阵——在成本‑与‑复杂度图上绘制目标 SaaS，判断购买或构建的经济合理性。
  4. 不要让对 AI 的乐观取代现实——迭代提示仍需熟练监督；为此类劳动预留预算。
  5. 考虑社区外部性——购买往往能获得更广泛的功能、插件和共享维护生态。

文章开头提到一位 LinkedIn 用户用 Claude 生成的内部跟踪器替代了每月 $400 的 Jira 费用，展示了“构建”的诱惑。然而，详细的成本分析表明，对大多数中等价位 SaaS 来说，数学仍然倾向于购买——除非产品正处于新颖性与价格恰好匹配的狭窄可行性区。

Sources