一个人，就是一家公司：AI驱动型个体OPC就业图鉴

PROLOGUE / BACKGROUND

当AI进入工作流，个体如何重新组织自己

过去，公司是一种把人、岗位、流程和风险集中在一起的组织。

一个人进入公司，通常意味着进入一个岗位：运营、文案、程序员、设计师、销售、客服、项目经理。公司把任务拆开，再交给不同的人；公司提供办公空间、客户、流程、薪水和安全感，也规定了一个人在组织中的位置。

AI进入工作之后，
这个结构开始松动。

变化并不总是以"一个职业消失"的方式发生。更常见的情况是，一份工作被拆成更小的任务：写一段代码、起草一版文案、整理一份表格、生成一个营销方案、回复一批客户、剪出一条短视频、搭建一个产品原型。过去，这些任务往往分散在不同岗位、不同部门和不同外包团队之间；现在，它们中的一部分可以被AI工具、自动化流程和数字平台重新接管。

这不是中国独有的变化。2024年，微软与LinkedIn在31个国家调查了3.1万名知识工作者，发现75%的知识工作者已经在工作中使用AI，其中46%是在此前六个月内才开始使用。斯坦福《AI Index 2025》也记录到，2024年报告使用AI的组织比例升至78%，高于2023年的55%。

微软《Global AI Diffusion: Q1 2026 Trends and Insights》以15—64岁人口为统计对象，测算各经济体在报告期内使用过生成式AI产品的人口比例。2026年第一季度，全球平均水平为17.8%，已有26个经济体超过30%。阿联酋和新加坡分别达到70.1%和63.4%，位于全球前列；美国为31.3%，中国为16.4%。

一份工作，
开始被拆成更小的任务。

国际劳工组织对生成式AI与就业的研究给出了更细的解释：生成式AI更可能通过自动化部分任务来改变职业，而不是直接接管整个职位。也就是说，AI对就业的影响并不只是"替代人"，更是重新分配任务、改变岗位内容和组织方式。

当工作被拆开，一个问题就出现了：如果一家公司内部的许多执行任务可以被AI完成，一个人是否有可能用更小的组织形式，完成过去需要多人协作的工作？

这正是OPC进入视野的地方。

这里的OPC，并不是法律意义上的"一人有限公司"，也不等同于传统个体户。它指的是：个人或十人以下微型团队，借助AI工具、自动化流程与数字平台，完成产品开发、内容生产、市场营销、客户服务和商业交付等工作的AI驱动型个体就业形态。

在中国，这种变化还有另一层背景。CNNIC第57次《中国互联网络发展状况统计报告》显示，截至2025年12月，中国生成式人工智能用户规模达6.02亿人，较2024年底增长141.7%，普及率达42.8%。当AI使用从技术圈扩散到更广泛的人群，"一人公司""超级个体""OPC社区"不再只是社交平台上的流行词，也开始成为一种可被观察的就业现象。

在全球AI进入工作流的背景下，年轻人如何重新组织自己的技能、时间、工具和收入？而中国的城市、平台与政策，又如何回应这种正在出现的新就业形态？

为此，我们整理了中国OPC社区样本、国内外OPC个例、海外创业社区材料、小红书"一人公司"相关笔记，并访谈了多位AI创业者和一人公司从业者。它们共同构成了这份"AI驱动型个体OPC就业图鉴"。

75%

知识工作者已经在工作中使用AI

75%

知识工作者已经在工作中使用AI

微软与LinkedIn 2024 全球职场趋势报告：在31个国家调查了3.1万名知识工作者。

78%

报告使用AI的组织比例

斯坦福《AI Index 2025》：2024年报告使用AI的组织比例升至78%，高于2023年的55%。

6.02亿

中国生成式人工智能用户规模

CNNIC第57次《中国互联网络发展状况统计报告》。

CNNIC第57次《中国互联网络发展状况统计报告》显示，截至2025年12月，中国生成式人工智能用户规模达6.02亿人，较2024年底增长141.7%，普及率达42.8%。

AI如何进入工作流时间线 — 数据来源：微软/LinkedIn 2024 全球职场趋势报告、斯坦福《AI Index 2025》、CNNIC 第57次统计报告。

ARCHIVE 01 / WORKFLOW

当工作被拆开，一个人开始管理流程

工作拆解装置

观察一份工作如何从岗位，被拆成任务，再被AI与人类判断重新分配。

STATE 01 / 传统岗位

执行　·　责任

AI是我的‘高级实习生’
它负责‘怎么做’的初稿，
我负责‘做什么’
和‘能不能这样做’。
——陈东方，14年电商运营经验

观察 / OBSERVATION
AI是能力放大器，不是能力替代品。
它放大的不是空白，而是原本就存在的
判断、经验、表达、技术和资源连接能力。
——根据张晨曦（Nature）访谈内容整理

陈东方的一天，通常从一条客户需求开始。

客户发来需求后，他先把问题交给Claude，让它生成技术方案框架。确认方向后，AI继续写项目骨架、核心函数和测试用例。遇到Bug，他把报错贴回去，让AI分析原因。最后，真正判断架构是否合理、项目能不能接、价格怎么报、风险在哪里的人，仍然是他自己。

陈东方有14年电商运营经验，现在以"一人公司"的方式运行自己的业务：Python/Flask后端开发、AI应用开发、自动化系统接单，也做自己的AI视频生成SaaS和个人IP内容。在他的估算里，AI让商务运营成本降低了40%—50%；过去一个项目可能需要10天，现在5—6天可以完成。但客户沟通、需求判断、项目筛选、合同、敏感数据和最终责任，仍然不能交给AI。

这个场景解释了OPC最核心的变化：不是人突然拥有了公司里所有岗位的能力，而是岗位背后的任务被重新分配了。

过去，一家公司需要初级开发、文案、项目经理、客服、运营和外包团队来共同完成一条业务链。现在，其中一部分执行环节可以被AI压缩到一个人的工作台上。陈东方仍然是一个人，但他的工作台上多了Claude、DeepSeek API、Cursor、OpenClaw，也多了自动化系统、内容平台和客户需求。

人没有消失。但人的位置变了。

过去，人更多是在流程里完成任务。现在，一部分人开始设计流程，并把任务分配给AI。

Nature关注的是Agent to Agent协作：陌生Agent如何发现彼此、如何交互，本地Agent又如何配合开发。他的项目进入杭州OPC产业园场景，为企业内部协同及社区服务提供智能撮合系统。AI不是把人从能力要求中解放出来，而是把能力要求提前了。

但Nature并不认为AI会让每个人都轻松成为创业者。在他的判断里，AI降低了执行门槛，让更多人可以开始尝试；与此同时，它也提高了真正跑出来所需要的综合能力。AI是能力放大器，不是能力替代品。它放大的不是空白，而是原本就存在的判断、经验、表达、技术和资源连接能力。

过去，很多人在岗位里慢慢学习流程。现在，一部分年轻人需要更早理解流程、设计流程，并用AI执行流程。

ARCHIVE 02 / IMAGINATION

一人公司的职业想象如何被社交平台放大

在小红书上，"一人公司"首先不是一个工商概念，而是一种关于工作的想象。

"不上班""轻资产""副业""接单""个人IP""AI工具""年入百万""超级个体"常常出现在同一组标题里。它们共同构成了一种很吸引年轻人的叙事：不一定进入一个组织，也可以把自己的技能、工具和内容组合成一份收入。

我们采集的相关笔记里，"自由职业""轻资产""超级个体""个体创业"等表达，与"AI工具""个人IP""变现""接单"频繁交织在一起。与此同时，"风险""支出""成本""避坑""失败""焦虑"也没有缺席。

这说明，社交平台上的"一人公司"并不只是成功学。它更像当代年轻人在就业不确定性中，对另一种职业路径的试探。

[ SUPPLEMENT / HEAT TREND ]

数据来源：小红书公开笔记发布时间与互动数据整理。

公开案例进一步放大了这种想象。

在我们整理的国外OPC个例中，收入跨度被拉得很开：有些产品仍停留在月收入几百或几千美元的试错阶段；有些独立SaaS进入百万美元ARR区间；Chatbase这类由早期一人启动的产品，年经常性收入达到900万至1000万美元；Arcads.ai这样的小团队AI广告平台，ARR进入千万美元级；Base44则以一人公司形态被Wix以8000万美元现金收购。

这一组案例不能被解释为"OPC平均收入很高"。恰恰相反，它提醒我们：OPC不是一种稳定收入模型，而是一条跨度极大的收入阶梯。少数人抵达高估值和高营收，大多数人仍处在副业、接单、小产品和持续试错之间。

阿星的经历更接近这条阶梯中间的现实。

她做AI教培相关业务，采用“核心+项目制”的协作方式，固定核心成员约3—4人，项目制成员约10人。2024年，她的营收约20万元；2025年约30万至40万元；2026年计划冲击100万元。但这并不是人人可复制的故事。在她看来，行业里真正年入百万者并不普遍，AI工具使用本身也不是壁垒，技术功底、表达能力、商业思维和获客渠道才是决定一个人能不能走下去的东西。

这也是“OPC就业图鉴”需要呈现的复杂性：在传统就业路径之外，确实出现了一些新的可能；但这些可能仍然需要技能、判断、客户、现金流和风险意识。

L01

试错阶段

月收入几百美元 / 几千元人民币

（区间描述，无具名案例）

L02

副业收入

月入几千美元 / 月入数万元人民币

阿星

L03

稳定产品

ARR 10万—100万美元

（区间描述，无具名案例）

L04

高增长产品

ARR 100万—1000万美元

Chatbase

Arcads.ai

L05

明星案例

千万美元ARR / 高额收购

Base44

数据来源：公开报道与项目页面整理；阿星案例来自访谈。

工作流重组实验

选择一个起点，看一个技能如何被组织成一份交付。

01 / 选择起点能力

02 / 拆开工作任务

03 / 选择收入路径

04 / 接入城市资源

你的路径更接近：产品化 OPC

起点能力：

收入路径：

优先资源：

最需要补上的能力：

这不是通往成功的地图，而是一张理解自己如何开始的草图。

Joshua的经历，展示的是另一条路径：从个人能力到产品化。

他原本有财务金融背景，曾在支付和SaaS行业做战略投资，后来进入Web3社群运营，并积累了约20万粉丝的X平台IP。2025年后，他开始系统学习AI。2026年，他基于Codex开发"童锦程 Skill"，项目获得2000+ GitHub Star。后来他发现，普通用户并不擅长直接和Chatbot对话，于是把Skill封装成小程序：用户上传聊天截图或描述情境，就能生成建议回复。这个小程序以300元认证成本上线，目前已有1000多名用户，日活100+，付费率约2%—3%。

这不是一个"灵感变现"的简单故事。

真正支撑它运行的，是一条被AI压缩过的工作流：信息抓取、选题筛选、风格化生成、人工精修、客户分层、SOP跟进。AI承担了许多执行环节，但业务量也随之扩大。Joshua在访谈中提到，AI承担了约60%—70%的执行工作，可他的总工作时长并没有减少，反而因为业务增长而增加。

这说明，AI节省的是单个动作的时间，却可能让一个人承接更多机会、更多客户和更多不确定性。

个人经验

从长期经验中辨认可复用的判断。

Skill 开发

把经验和表达方式封装为可复用的提示与流程。

小程序封装

把复杂交互变成普通用户可理解的入口。

用户反馈

以真实使用验证场景与付费意愿。

付费转化

低认证成本上线，观察日活与付费率。

过去，能力通常以简历、岗位、作品集的形式被展示。现在，它也可能被封装成一个工具、一个服务、一个自动化流程、一个小程序、一个内容账号，或者一个持续迭代的产品。

把Joshua放到更大的案例集中看，他并不特殊。在我们整理的国内外案例里，AI应用开发、AIGC广告、跨境电商、AI教培、独立SaaS、自动化咨询、个人IP、数字产品都出现了相似逻辑：一个人或极小团队，用AI压缩早期团队规模，用平台获得客户，用产品或服务完成变现。

国内样本里也能看到这种路径。有人做面向大学生的AI就业平台，提供岗位匹配、简历优化和AI模拟面试；有人做高端AI广告影片和创意设计；有人从跨境电商切入，主打细分品类；有人做政企AI应用开发；也有人围绕民族音乐、AI留学选校、数字文创、可信数据空间等方向建立产品或服务。

这些项目表面上属于不同赛道，背后却有相似逻辑：先找到一个具体问题，再用AI和自动化工具降低早期交付成本，最后把能力包装成可以出售的产品、服务或内容。

就业不再只是"找到岗位"，也可能是"找到一个可被解决的问题"。

数据来源：国内外OPC公开案例整理归纳。

数据来源：中国与海外OPC公开案例整理归纳。

ARCHIVE 03 / CITY INTERFACE

城市如何接住AI时代的个体就业者

如果说海外许多创业社区更像连接网络，中国OPC社区则更像城市接口。

伦敦、柏林、阿姆斯特丹、里斯本、东京、新加坡、班加罗尔、曼谷、墨尔本等地的创业社区，常见关键词是Meetup、路演、导师、数字游民聚会、创始人网络、联合办公和志愿者生态。它们帮助个体找到人、机会和信息。

中国的OPC社区呈现出另一种特征。它不只是把人聚在一起，还把工位、免租、算力券、模型券、资金补贴、人才公寓、政府订单、场景开放和产业链对接，打包进一个可以被进入的空间。

我们清洗出的中国OPC社区样本覆盖78个城市。它们并没有平均铺开，而是沿着已有产业基础和城市群网络集中出现：长三角最为密集，苏州、武汉、杭州、北京、深圳、南京等城市成为主要节点。

[ CHART / MAP ]1

数据来源：中国OPC社区样本清洗整理（覆盖78个城市）。

在613条社区记录中，AI应用构成最主要的产业方向；AIGC内容、文化创意和智能制造形成另一组重要赛道；跨境电商、企业服务、机器人、直播电商、生物医药等方向则共同构成长尾。虽然它们指向的不是同一种产品，也不是同一种收入方式，但都在尝试用AI和极小团队重组早期生产与交付。

OPC社区赛道分布 — 数据来源：opc_communities_cleaned_figure3.csv。

赛道不同，意味着个体需要的生产工具、交付条件、客户渠道和公共资源也不同。城市并不是在真空中选择赛道，它们往往沿着原有的产业基础，把某些方向与特定的政策工具连接起来。

长三角的社区密度更高，也更容易形成跨城市的产业协作；部分制造业基础较强的城市，将OPC与智能制造、机器人和产业数字化联系起来；互联网和内容产业更集中的城市，则更常出现AI应用、AIGC内容、企业服务与直播电商。

数据来源：城市OPC政策文本与产业标签整理归纳。

若继续进入单个赛道，办公、算力、资金、住房和业务资源的覆盖程度仍然存在差异。

办公空间是多数赛道共同需要的基础条件，算力与模型支持却更直接地进入AI应用和AIGC内容的生产过程；跨境电商和直播电商更依赖渠道、供应链与客户资源；智能制造、生物医药等方向，则可能进一步需要设备、测试场景和产业协同。

因此，政策是否有效，不能只看城市提供了多少项支持，还要看这些支持是否与具体赛道的工作方式匹配。

不同赛道需要怎样的支持 — 数据来源：opc_communities_cleaned_figure3.csv。

这样看，问题就从“城市提供了哪些模块”，进一步变成“这些模块具体解决什么”。

空间工位 / 注册地址 / 免租空间

算力算力券 / 模型券 / AI工具支持

资金补贴 / 奖励 / 基金 / 贷款

市场订单 / 场景 / 企业对接 / 政府采购

生活住房 / 人才公寓 / 留城成本

城市里的OPC社区首先提供的是“开始的地方”。办公空间几乎成为标配，免费工位、注册地址、共享办公、直播间和影棚，是许多OPC接触城市资源的第一站。再往后，是资金、算力、模型券和工具支持；更进一步，才是订单、客户、场景和住房补贴。

办公解决“在哪里开始”。

算力解决“怎么生产”。

资金解决“怎么撑过早期”。

业务资源解决“卖给谁”。

住房解决“能不能留下”。

这些资源真正指向的，不只是创业便利，更是就业门槛。对一个刚毕业不久、没有太多资本积累的年轻人来说，能否找到低成本试错空间，能否获得工具支持，能否接触真实客户，直接决定了他是否有机会把技能变成收入。

OPC需要的不只是空间，还需要让人、Agent、企业需求和社区服务相互发现。社区不再只是提供办公桌，而是在尝试组织一种新的协作关系。

当五类资源被放回具体城市中，它们形成了不同组合：有些城市首先提供空间和算力，有些进一步延伸到资金、住房与业务资源。

数据来源：城市OPC社区运营方与政策文本整理归纳。

数据来源：城市OPC政策文本量化评分整理。

但是，政策模块看起来越完整，并不意味着个体真正能够获得的支持越充分。

这些政策文本里有两种语言。一种具体到：免租几个月、算力券多少钱、模型券额度多少、人才公寓多久、订单对接多少个。另一种则比较概括：资源赋能、生态支持、创业服务、对接机会。

进一步拆开政策文本可以看到，同一个模块内部，也包含完全不同的工具。资金支持可能表现为补贴、奖励、专项基金、贷款贴息或税费减免；算力支持可能表现为算力券、模型券、智算平台接入或免费工具账号；住房支持则可能是人才公寓、租房补贴、优惠长租或短期住宿。

这些方式不能只按“有没有”来理解。一个十亿元规模的产业基金，与面向单个主体的二十万元奖励，并不是同一种支持；一张短期免费工位券，与三年低成本办公，也对应着完全不同的试错周期。

从一张工位到第一笔订单 — 数据来源：opc_communities_cleaned_figure3.csv。

对年轻从业者来说，比政策名称是否丰富、总体金额是否庞大更重要的是：谁可以申请，单个主体究竟能够获得多少，支持可以持续多久，兑现路径是否明确，以及资源能否真正落到早期个体和微型团队身上。

阿星谈到AI创业时提醒过一个类似的问题：行业里不缺热闹的话术，缺的是可持续的营收、真实需求和获客能力。放到政策层面也是如此。支持OPC，不能只制造概念，还要降低真实的试错成本。

点击面板翻转

政策不是看起来越多越好，
关键是年轻人是否真的用得上。

不同工位、算力、资金、住房与业务资源背后，还对应着不同的组织主体。

在运营方信息明确的社区中，产业园运营和政府主导构成重要力量，混合运营、民营机构、国资平台、高校科研机构和大厂生态也参与其中。

谁在托起OPC社区 — 数据来源：opc_communities_cleaned_figure3.csv。

在海外，这种社区并没有一种统一模板。它们有的依托实体空间，有的完全在线；有的免费开放，有的采用申请制、会员制或邀请制；有的关注投资和企业成长，有的更看重同伴关系、经验交流和生活方式。

在中国，OPC社区并不是完全由个体自发形成的创业网络，而更像一个由城市主动搭建的资源接口。

这种差异并不意味着哪一种模式更好。

它首先说明，不同环境中的个体面对的难题并不相同。一个已经拥有成熟创业生态的城市，可能更需要减少独立工作者的孤立感，让他们进入人际网络；而对于仍处在项目起步阶段的年轻从业者来说，低成本空间、工具额度、工商服务和第一批订单，也可能决定一次尝试能否真正开始。

在中国，不同运营主体提供资源的侧重点也不一致。产业园、政府、国资、民营机构、高校和大厂与OPC社区链接的方式不同，对办公、算力、资金、住房和业务资源的配置也呈现出不同倾向。

还有一个更现实的问题：一个公司只有一个人，还需要多大的空间？

AI让个人和微型团队的工作流程变得更轻，但从运营主体和空间配置来看，城市承接这种新形态时，仍然大量依托园区、孵化器和共享办公等传统载体。在已披露工位数的社区样本中，许多空间并不是只有几张桌子的微型节点，而仍然接近传统园区、共享办公或孵化器的规模逻辑。

一个人公司的“小”，更多体现在组织人数和执行流程上；它仍然需要空间、制度、客户和市场来承接。

对年轻人来说，它提供了一种保护：一个低租金空间、一场真实路演、一次客户对接、一张可申请的算力券，都可能让一次就业试探不至于在最早期就失败。

数据来源：已披露工位数的OPC社区样本整理。

把这些社区放在一起看，中国OPC社区没有形成统一模板。它们承接的赛道不同，政策工具不同，运营主体和空间规模也不同。有些社区首先提供工位和注册地址，有些进一步接入算力、模型和资金，还有一些试图连接订单、客户、产业链和生活保障。

这些差异说明，城市真正需要接住的并不是一个抽象的“超级个体”概念，而是处在不同赛道、不同发展阶段和不同资源条件中的具体从业者。

空间只是入口。能否获得与自身业务相匹配的工具、资金、客户和协作网络，才决定一次就业试探能否继续向前。

EPILOGUE / TAKEAWAY

方向盘仍然在你手里

OPC最容易被误读成一种新的成功学：一个人、几台工具、几个提示词，就能成为一家公司。

但四位受访者的经历并不支持这种叙事。

陈东方关心的是项目能不能接，代码能不能跑。
Joshua关心的是用户是否真的愿意为一个小程序付费。
张晨曦关心的是Agent协作如何落到真实场景。
阿星关心的是行业热度之后，是否还有稳定营收和获客能力。

他们共同指向一个更朴素的事实：AI降低了执行门槛，却没有改变就业的基本问题。

一个人仍然要回答：我会什么？我能解决谁的问题？我如何被看见？我如何获得信任？我如何把能力变成稳定的生意？我如何承担失败的后果？

过去，就业常常被理解为找到一个岗位。但在AI时代，就业也可能意味着找到一种组织自己能力的方式。

有人仍然会进入公司，在岗位中使用AI提高效率。有人会在副业中试探市场，把一个技能变成服务。有人会把经验封装成工具、小程序、课程或内容产品。有人会进入社区、园区或平台，在外部资源中寻找第一批客户。也有人会尝试之后发现，这条路并不适合自己，再回到更稳定的组织中。

这些选择没有高低之分。

OPC真正提供的启示，不是鼓励所有年轻人都去创业，而是让我们看到：在传统岗位之外，职业能力可以有新的组织方式。一个人可以先从一个技能、一个问题、一个客户、一个小工具开始，慢慢建立自己的工作流。它不一定马上成为公司，也不一定立即带来高收入，但它可能让年轻人在不确定的就业环境里，多一种试错的方向。

陈东方在访谈最后用了一个比喻："我是开车的人，AI是导航仪。"导航仪可以提示路线和路况，但方向盘仍然在他手里。

AI时代真正值得讨论的，不是人会不会被工具取代，而是当工具越来越强，人还能不能重新握住方向盘。

所谓"一个人，就是一家公司"，并不是说一个人必须变成公司。它真正指向的是：当工作被AI重新拆开，年轻人也许可以不再只等待一个岗位来定义自己，而是学习如何定义自己的能力、时间、工具和未来。

技能工具客户平台城市风险生活

年轻人不是只等待岗位定义自己，
而是学习组织自己的能力。

方向盘仍然在你手里。

OPC不是鼓励所有年轻人都成为老板。它真正提供的启示，是在传统岗位之外，职业能力也可以有新的组织方式。一个人可以从一个技能、一个问题、一个客户、一个小工具开始，慢慢建立自己的工作流。它未必马上成为公司，也未必立即带来高收入，但它可能让年轻人在不确定的就业环境里，多一种试错的方向。

METHOD / 方法与数据说明

数据来源

微软/LinkedIn 2024 全球职场趋势报告；斯坦福《AI Index 2025》；CNNIC第57次《中国互联网络发展状况统计报告》；小红书公开笔记文本采样；国内外OPC公开报道与项目页面；中国OPC社区样本清洗整理；对陈东方、Joshua、张晨曦（Nature）、阿星等受访者的访谈。

采集时间

公开统计数据覆盖2022–2025年关键节点；社区样本与访谈材料整理于作品调研周期内；小红书笔记为阶段性公开文本采样。

样本口径

OPC指个人或十人以下微型团队，借助AI工具、自动化流程与数字平台完成交付的AI驱动型个体就业形态，非法律意义上的"一人有限公司"。中国OPC社区样本覆盖78个城市，非全国普查。

字段解释

ARR/MRR为经常性收入口径；收购金额与年度营收不可直接换算比较；政策模块包括空间、算力、资金、市场、生活五类接口；图表中"结构示意""示意分布"标注表示非精确占比或坐标。

清洗方法

社区样本去重与城市归属标准化；政策文本按模块归纳；小红书笔记人工提取高频共现词；公开案例收入按原文口径保留，不做跨口径换算。

局限性

公开案例存在幸存者偏差，不能代表OPC从业者平均收入；部分城市政策图表因真实明细数据未就绪，仅作高保真占位；社交平台词墙为归纳性分析，非精确词频统计。读者应将本图鉴理解为调查性叙事框架，而非统计年鉴。

文案撰写：王佳一

可视化处理：范懿瑾王佳一姜澍妍

网页搭建：王佳一

一个人，
就是一家公司

从任意入口开始阅读