I-Lang 是一套为 AI 编程设计的结构化通信协议。这篇手册面向零编程基础的读者，覆盖协议基础、AI 协作架构、人格系统、选品调研、产品开发、部署上线、冷启动、安全层、变现定价、自动化运营，从产品构思到上线变现的完整操作指南。

工具链概览

第一章 I-Lang 协议基础

I-Lang 定义了 88 个标准动词、29 个修饰符和 14 个实体类型，用于精确描述人对 AI 的指令。

传统方式是用自然语言描述需求，由模型自行理解。简单任务够用，复杂项目就容易跑偏。I-Lang 通过结构化标签消除推断环节——每一类信息都有专属标签，模型直接按标签读取，不需要猜测。

以"创建一个博客网站"为例，I-Lang 写法：

::ILANG::v4.0
[GOAL] CREA personal-blog-site
[SPEC]
  INCL page: article-list, article-detail, about
  INCL style: responsive, clean-typography
[TECH] USE next.js, tailwind-css
[DEPLOY] TRGT vultr-vps
[CONSTRAINT]
  LANG zh-CN
  COST 50元/年
  TIME 1hour

I-Lang 的三大优势：

• 语义无歧义：[GOAL] 标记目标，[SPEC] 标记规格，[CONSTRAINT] 标记约束。模型不会把约束条件误读为功能需求。
• Token 消耗更低：结构化表达省去连接词、修饰语和语气词，同等信息量的 token 消耗降低 40% 到 60%。
• 可复用：I-Lang 指令可以保存为模板，换个参数就能用于不同项目。

常用标签速览

常用动词

完整的动词表和修饰符表在 I-Lang v4.0 协议规范里：ilang.ai

第二章 太阳系架构：多 AI 协作与 Context Engineering

大部分人用 AI 是一对一模式：打开窗口、提需求、拿回答。进阶用户会在一个窗口里保持长对话，但这种模式有两个瓶颈：你本人成为瓶颈，所有任务都要你发起、审核、推进；长对话 Context Bloat（上下文膨胀），模型自动压缩历史，关键细节被模糊。

太阳系架构是一种多 AI 实例协作体系。你是太阳，不直接处理执行层任务。围绕你的是多颗行星，每颗是一个独立 AI 实例，承担特定职责：

Context Engineering（上下文工程）核心法则

在多实例协作中，决定哪些资料进 RAM（上下文窗口）、哪些不放，比写一句漂亮的 prompt 重要十倍。把 AI 当成会失忆的实习生，你是它的操作系统。

• 默认模板：一段最小可复现代码加一句明确要求
• 精装 Context：只贴出关键错误行、报错 stack、相关函数 6-15 行，并说明期望行为
• 长对话失控就开新对话：AI 出现稀释或反复错误时，开新会话并写"项目现状摘要"重装关键条件
• AI 说不知道就给它工具：要求 AI 上网查或提供官方文档片段，不要把二手信息强喂给它

Verification-before-completion（完成前验证）

不要盲目相信 AI 生成的代码。强制要求 AI 在说"完成"之前，先执行能证明完成的命令（运行测试、curl API、性能 benchmark 等）。

第三章 SOUL 文件：AI 人格与记忆系统

SOUL 文件采用 I-Lang 协议格式，将信息分为三层：

• PUBLIC 层（公开层）：存放基础信息，不含敏感数据，所有项目、所有模型之间通用
• PRIVATE 层（私有层）：存放当前项目的详细信息，项目状态、技术栈、决策记录、待办事项，动态更新
• SOUL 层（灵魂层）：存放你个人的判断标准、行为偏好和工作规则

第四章 选品调研与需求验证

AI 编程的技术门槛已经被抹平，判断力成为核心竞争力。做没人愿意付费的"伪需求"是最大的误区。

Niche-Awesome 六步调研流程：

1. 方向锁定：明确目标用户画像与场景。自查：有人愿意为此付钱吗？问题具体且可衡量吗？用户会反复遇到吗？
2. 趋势验证：用 Google Trends 确认需求是否真实存在且处于增长趋势
3. 竞品分析：用 SimilarWeb/Ahrefs 找出头部竞品，分析流量来源和功能边界
4. 痛点挖掘：Reddit/用户访谈，苏格拉底式需求梳理，持续迭代直到形成 SPEC
5. 变现模式预判：边际成本低做一次性买断；边际成本高做订阅制或按量付费
6. 生成结构化报告：用 I-Lang 指令生成最终的调研报告

第五章 产品开发：SPEC 驱动与 ZeroCode

将第四章生成的 SPEC 输入给 ZeroCode（或通过 Manus 编排）。核心原则：先验证用户与付费意愿，再做复杂功能。

::ILANG::v4.0
[GOAL] CREA resume-builder-mvp
[SPEC]
  INCL module: template-selector, form-input, live-preview, pdf-export
  INCL auth: clerk-integration
  INCL payment: stripe-checkout
[TECH]
  USE framework: next.js-14-app-router
  USE styling: tailwind-css
[DEPLOY] TRGT vultr-vps
[CONSTRAINT]
  LANG zh-CN
  MVP-SCOPE: 只做核心流程（选模板→填信息→预览→支付→导出）
  EXCL: 社交分享、AI自动填写、多语言支持
  TIME 3hours

MVP 常见错误：在外壳（漂亮落地页、复杂登录）上花太多时间而核心功能薄弱；延迟接入支付。没有支付就不是生意。

第六章 部署上线与落地页验证

国内中小项目推荐腾讯云轻量服务器，海外产品推荐 Vultr 或直接用 Manus 的一站式部署。

在开发完整功能前，先用落地页验证需求。首屏三问（8 秒法）：这是什么？给谁用？为什么我要掏钱？

只留一个明确的行动号召（CTA）。邮箱收集或预约付款，不要同时给三个按钮。

第七章 增长策略与冷启动

冷启动三层漏斗：

• 第零层：找 3-10 个最接近的目标用户，验证痛点，快速出 MVP，带着尴尬上线
• 第一层：找 1-2 个高度相关的圈子，用"礼物心态"触达，提供解决示例
• 放大层：验证成功后，选 Product Hunt、Hacker News、X 等渠道放大

第八章 安全层

三个实操技巧：

• 使用更具体的技术性描述，明确技术细节、使用场景和合规声明
• 将大需求拆分为独立子任务，用 [TASK] 标签拆分，每个子任务上下文干净
• 选择能力天花板最高的模型，安全层约束之下剩余能力最强的一次通过率最高

第九章 变现路径与定价策略

上线初期最重要的监控指标：试用→付费转化率、付费留存率、活跃频次、ARPU/MRR 增长。

第十章 自动化运营

把 AI 配置为员工而非工具：

• 员工手册（规则文件）：SOUL 文件或 CLAUDE.md，定义身份和通用规则
• 岗位/SOP（Skill）：任务步骤、输出标准、异常上报
• 工位与权限（MCP）：赋予 AI 操作工具、API、浏览器或数据库的权限

浏览器自动化七步法：先手动完整做一遍并记录交互 → 拆成最小单元 → 写成 SPEC → 配置自动化工具 → 发给 AI 盯跑一遍发现问题即改 SPEC → 稳定后封装成 Skill → 设为定时任务（cron）。

整个过程中你的 SOUL 文件在持续生长。每一个决策、每一条经验、每一个教训都沉淀在里面。你不是在学习一门编程语言，而是在学习一套与 AI 长期协作的方法论，并建立自己的自动化商业系统。