Case Distillery
Issue #011 Jul 02, 2026 · Indie Operator Case

Issue #011 — 一台 droplet 撑起 $3.4K MRR：MCP 是新的分发渠道，80% 的流量来自 LLM 推荐

这个案子：巴尔干一个 devops 程序员，用 Twitter 调度器把副业跑到超过全职工资。

他在做什么。 一个白天做 devops 全职、晚上写代码的巴尔干程序员，2025 年做了一个 X/Twitter 自动化工具——排期发帖、分析数据、告诉你几点发帖数据最好、给你想创作 idea。上线一年，251 个付费用户，$3,400 MRR。这已经超过了当地 1300-1500 EUR 的平均月薪。

背景。 全职 devops 工程师，副业开发者身份低调到连产品名都不肯在 Reddit 帖子里透露。副业每天投入 2-3 小时最多——「主要看当天要处理多少 support ticket」。

产品。 X/Twitter 全套自动化：定时发帖 + 分析仪表盘 + 最佳发帖时间推荐 + AI 生成内容 idea。反直觉细节：他 3 月接入了 MCP（Model Context Protocol，Anthropic 那套让 Claude 直接调外部工具的协议），从此 Claude/ChatGPT 用户可以用一句话「帮我排期这周的推特」直接调他的工具——这个动作后来带来了整个增长曲线的拐点。

定价。 月付订阅制，ARPU 约 $13.5/月（$3,400 ÷ 251）。低单价、走量、无一次性大单。

关键数字。 - 第 1 个月（2025 年 12 月）：$12，1 个客户 - 第 2 个月：$30 - 第 3 个月：$230（真实痛点开始显现） - 第 4 个月（3 月）：$2,200（接入 MCP，Claude 用户涌入） - 第 5 个月：$3,000 - 第 6 个月：$4,200（历史高点） - 第 7 个月（6 月，当前）：$3,400，251 个订阅 - 6 月对比 5 月流失约 19%——一个 $12 SaaS 该有的 churn 水平 - 流量结构：80% 来自 Google 搜索 + LLM 推荐（ChatGPT / Claude），20% 来自 Twitter/Reddit 自推 - 运维时间：每天 2-3 小时上限 - 从 $12 到 $3.4K MRR，用了 7 个月

技术栈。 Docker Compose + Digital Ocean 单台 droplet，两套环境用 DNS 切换做发布。整个技术栈的钱一个月不超过 $50。

打法。 前 3 个月几乎没人买单，他自己私信了最早的 10 个客户，一个一个问「你到底想要什么，我该改什么」。3 月接入 MCP 之后 Claude/ChatGPT 生态里的重度用户开始把他当基础设施用。真正的引擎不是社群自推，是 SEO + GEO——你在 ChatGPT 问「how to automate X posts」，他的名字会被 LLM 提出来。

为什么跑得通（以及大多数人会漏掉的事）

前三个月的「什么都没有」不是失败，是市场调研。 12 月 $12，1 月 $30，2 月 $230——大多数人在这里已经放弃了。他做的动作很土：私信前 10 个客户，问「你到底缺什么」。他没有用户画像文档，没有 Jobs-to-be-Done 框架，就是笨办法。这三个月你在外面看，是他在挣扎；在里面看，是他在读需求。前 30 个客户不是你的收入，是你的产品经理。

MCP 那一下不是运气，是「让工具嵌入到用户已经在用的更强工具里」。 X/Twitter 调度器市场早就是一片红海——Hypefury、Typefully、Buffer 都在打。他没有 UI 优势，没有品牌，没有钱做 ads。但他 3 月做了一个别人还没做的动作：让 Claude 能直接调他的 API。这意味着一个每天用 Claude 写内容的重度用户，现在可以说一句「排期发出去」，绕开所有 UI。当你的产品变成别人工作流里的一格，用户就不会走了。 这跟花叔说的「把经验封装成可复用技能」是一个逻辑，只不过他封装的是「排期动作」本身。

80% 的流量来自 SEO + LLM 推荐——这是分水岭。 你要是 2024 年做 SaaS，SEO 还是主战场。2026 年再看，Google 搜索量在往 ChatGPT/Claude 迁移，一个新用户很可能是先问 LLM「有没有好用的 X 自动化工具」，然后 LLM 给出名字。他没明说他怎么做的 GEO（生成引擎优化），但只要你在 LLM 训练数据 + 检索索引里被反复提到，你就是被推荐的那个。LLM 是新的 Google，Google 是新的 Yellow Pages。

单台 droplet + Docker Compose，是他每月能留下 $3,000 的原因。 251 个用户跑在一台 Digital Ocean droplet 上，$50/月的服务器费用，毛利率大概 94%+。同样规模的产品用 Vercel + Supabase + Auth0 stack 起步，一个月轻松 $500+ 基础设施成本。他有 devops 背景所以能做到，这就是他的成本护城河——大多数创业者的隐性亏损，来自被托管服务喂养出来的路径依赖。

蒸馏后的判断

第一个真实模式，是分发范式在悄悄换血。过去五年独立开发者的标准打法是 Twitter 起号 + Product Hunt 一波 + SEO 长期。现在的新增量在哪？在 ChatGPT / Claude / Perplexity 的推荐结果里，在 MCP / OpenAI Functions / Anthropic Tools 的工具目录里。他 20% 靠社群自推，80% 靠 LLM 生态自带流量——这个比例过去一年在悄悄反转。你的产品能不能被 LLM「知道」并「推荐」，比你能不能被 Google 收录更关键。别再优化 meta description 了，去优化你在 LLM 里的存在感。

第二个判断关于未来 18 个月。Twitter 自动化这个类目会继续内卷，但内卷的维度会变。用户不再比谁的排期 UI 好看，比的是谁在 Claude 里输入「schedule my week」时会被优先叫出来。谁先跟 Anthropic / OpenAI / Perplexity 的工具生态深度绑定，谁就抢先一步把自己变成基础设施。他现在坐在那个位置上，但也不牢——18 个月后 Anthropic 官方随时可能出个 first-party 排期工具，把他挤出去。他的窗口期是现在到 2027 年年中。

第三段是他自己没看到的护城河——真正保护他的不是 MCP 集成，是那 251 个每月付 $13 的低单价用户构成的「集体使用行为数据」。他现在有全球 251 个用户在他工具里发帖、看分析、A/B 测试发帖时间。这些数据每天都在告诉他：什么时段发帖 CTR 最高、哪类内容传播最快、哪种发帖节奏留存最好。他要是把这些数据回喂给 AI 生成模块，做一个「基于全平台 251 个账号真实数据训练出的 X 内容推荐引擎」——那就不是一个 Twitter 调度器了，是一个跨账号的策略网络。这个东西 Anthropic 官方做不出来，Buffer 也做不出来，因为他们没有他这个 niche 的活跃行为数据流。他坐在护城河上但没意识到自己在坐。

第四段说给你听。海外华人独立开发者最容易被这个 case 误导的地方是「巴尔干工资低所以他容易赢」。这是错的分析。真正能复用的不是他的地理套利，是他的三层布局：低单价 + 高 LLM 曝光 + 自建极简 stack。你在多伦多、悉尼、新加坡做副业，只要满足这三条，$3K MRR 也是 $3K MRR。他的模式 90% 可复用，10% 是当地生活成本让他不用那么焦虑地追增长——但焦虑本身不是产品的护城河。

偷他的剧本

底线判断

前 3 个月的 $12、$30、$230，看着像失败，其实是最贵的产品调研。第 4 个月的爆发不是运气，是 MCP 那个开关。Google 是老 Yellow Pages，LLM 才是新分发。他手里真正的护城河不是那台 droplet，是 251 个用户每天喂给他的行为数据流——他自己还没意识到。18 个月后这个 case 会被两件事决定：Anthropic 会不会出官方排期工具，以及他会不会把行为数据回喂进 AI 内容生成里。