手写代码经验、传统工程师身份、早期 GitHub 使用经验。
Creator Story · landscape
ZaraZhangRui产品营销出身的 AI builder 与创作者
Zara Zhang
她如何在约一年内从 2,000 到 80,000 关注者？答案不只是高频发帖，而是背景能力、公开学习、真实作品与公共观点的组合。
1359公开推文
2014-11—2026-08研究区间
X: 2k → 80k主要语言
01
01 / WHO SHE IS
她不是突然出现的
“AI 网红”
Zara 在长春长大、中学就读于新加坡，2017 年毕业于哈佛心理学专业。她做过科技记者、风险投资分析师、企业软件产品营销，也长期经营中英文内容。
- 哈佛心理学 · Phi Beta Kappa
- The Information 中国科技报道实习
- GGV Capital 投资分析师
- 字节跳动企业 SaaS 产品营销与 AI 产品
- 主持中英文播客，长期跨文化写作
“Zara graduated from Harvard University Phi Beta Kappa with a degree in psychology.”打开来源 ↗
02
02 / HIDDEN ADVANTAGES
“不会写代码”是真的，
但“从零开始”并不准确
她缺少传统编程训练，却早已具备理解用户、包装产品、采访人物、跨文化表达和组织信息的能力。AI 放大的正是这些已有能力。
心理学、投资研究、科技写作、产品营销、播客采访和中英日语言能力。
“Code is the medium, HTML is the canvas.”打开来源 ↗
03
03 / THE 80K TIMELINE
一年增长轨迹：
2k → 80k
这些节点来自她本人公开披露，并非估算的粉丝曲线。增长不是一次爆款完成，而是多个阶段持续叠加。
- 2025-06 · 开始规律发布时约 2k
- 2025-11 · 三个月增长约 10k
- 2025-12 · 27k
- 2026-01 · 接近 40k
- 2026-03 · 50k
- 2026-06 · 70k
- 2026-07 · 80k
“Just reached 80k followers… all signal, no noise, no slop, no hacks.”184 likes · 在 X 查看 ↗
04
04 / HER OWN PLAYBOOK
前三个月，她具体做了什么？
她本人将最初 10k 增长归纳为四个可操作动作。重要的不是孤立技巧，而是它们共同建立了一个高质量反馈环境。
- 训练信息流：取关标题党，主动关注 builder
- 真实互动：回复不用 AI 代写
- 每天至少发布三次，保持口语化
- 公开学习：把播客、文章和实验所得当作公共笔记
- 连续坚持三个月
“Tune your feed. Engage authentically. Post at least 3 times a day. Learn in public.”380 likes · 在 X 查看 ↗
05
05 / WHAT THE DATA ADDS
但“每天发三条”
不是完整答案
我们的 1,359 条推文显示：真正的增长拐点约在 2025 年 10–11 月。高频增加了实验次数，但传播跨越来自内容找到了稳定的市场。
- 2025：点赞中位数约 13
- 2025-10：单月约 144 条，开始密集实验
- 2026：点赞中位数约 95
- 2026 原创内容：点赞中位数约 164
- 频率负责寻找方向，内容市场匹配负责放大结果
06
06 / CONTENT-MARKET FIT
最强内容不是介绍产品，
而是解释时代矛盾
她先通过构建获得一线观察，再把观察提升成学习、工作和能力变化的公共问题。读者分享的不是一个工具，而是“这也正在发生在我身上”。
我做了什么、有哪些能力、在哪里使用。受众通常局限于正在找工具的人。
AI 让作业更容易，却让第一份工作更难。具体故事进入，反常识矛盾结束。
“AI made homework easier but made proving you deserve a job exponentially harder.”21616 likes · 在 X 查看 ↗
07
07 / OPEN SOURCE AS LEVERAGE
开源不是内容主体，
而是高效率的证据节点
明确涉及 GitHub、repo、open source 或 stars 的内容约占原创推文 3.3%，点赞中位表现却约为全部原创的 5.9 倍。
- 工具有用，因此值得保存和分享
- 公开代码证明她真的构建了作品
- stars 让成长变得可见、可连续讲述
- 500 → 1k → 10k → 20k 成为剧情节点
- 反馈和改进继续制造下一次内容
“Last year I barely knew how GitHub worked. Now I have 10k followers on GitHub — and still can't write code by hand.”4965 likes · 在 X 查看 ↗
08
08 / THE REAL FLYWHEEL
她真正建立的是
一个成长飞轮
每次构建并非内容之外的工作，而是同时产生学习、作品、观察、可信度和下一轮反馈。
- 真实痛点 → 玩工具、与人交谈
- 快速构建 → 出现可展示的结果
- 结果 → 提炼比功能更大的判断
- 观点传播 → 获得关注与讨论
- 开源 → 建立证据与分发
- 反馈 → 形成下一次产品和内容
“You don't need to choose between making things and talking about things. They fuel each other.”191 likes · 在 X 查看 ↗
09
09 / LEARNABLE PRINCIPLE
可以复制的第一件事：
把学习变成构建
不要等到“准备好”才开始。选择一个自己的问题，先借助 AI 做出最小作品，再把不理解的部分变成下一轮学习任务。
“Learning in the AI age should be build first, learn later.”212 likes · 在 X 查看 ↗
10
10 / APPLY IT TO YOUR WORK
对你的产品，
可以如何迁移？
不要复制 Zara 的选题，而要复制她把真实问题转化为作品和公共观点的过程。
不只发布功能。公开验证：学习者缺的不是更多课程，而是把真正想看的内容变成可重复、可内化的练习。
不只总结一个账号。找出增长拐点、内容机制、证据限制，以及用户可以采取的下一步行动。
11
11 / WHAT NOT TO COPY
这些条件，
不能机械照搬
她的增长也依赖长期积累与特定环境。忽略这些条件，就会把成长方法误读成发帖技巧。
- 产品营销和写作能力不是一年形成的
- 哈佛、投资与字节经历提供了身份和信息优势
- 英语和硅谷 AI 圈扩大了传播市场
- 非程序员身份张力属于她本人
- AI 高速发展的窗口不可重复
- 高频发布只有在真实学习和构建发生时才有价值
“Almost every AI power user I know is MORE stressed and busier after using AI, not less.”2645 likes · 在 X 查看 ↗
12
12 / YOUR 30-DAY EXPERIMENT
不要复制她的答案。
复制她获得答案的过程。
30 天后要得到的不是 80k 粉丝，而是一条属于你的、被真实作品和用户反馈验证过的成长主线。
- 第 1 周：记录 10 个自己的真实问题，选择一个
- 第 2 周：用 AI 做出可演示的最小工具
- 第 3 周：连续分享痛点、过程、失败和结果
- 第 4 周：分析反馈，提炼一个比功能更大的观点
- 复盘：什么获得回应？它揭示了用户的什么需要？
“Keep learning. Keep building. Keep sharing. Don't stop.”504 likes · 在 X 查看 ↗