English العربية Deutsch Español Français हिन्दी Italiano 日本語 한국어 Português (BR) Русский Türkçe 中文

模块 S：主权配置

STREETS 开发者收入课程 — 免费模块 第 1-2 周 | 6 节课 | 交付成果：你的主权技术栈文档

"你的设备就是你的商业基础设施。请以这样的标准来配置它。"

你已经拥有了大多数人一辈子都不会拥有的最强大的收入工具：一台开发者工作站，加上网络连接、本地算力，以及将这一切串联起来的技能。

大多数开发者把自己的设备当成消费品对待——用来打游戏、写代码、上网浏览。但那台机器——就是你桌子底下的那一台——可以运行推理、提供 API 服务、处理数据，并且在你睡觉的时候全天候为你创造收入。

这个模块要让你用全新的视角审视你已经拥有的一切。不是问"我能构建什么？"而是问"我能卖什么？"

在这两周结束时，你将拥有：

没有空谈。没有"只要相信自己"。实实在在的数字、实实在在的命令、实实在在的决策。

让我们开始吧。

第 1 课：设备审计

"你不需要 4090。重要的是这些。"

你的机器是一项商业资产

当一家公司评估其基础设施时，它不只是列出规格参数——它会将能力映射到收入机会。这正是你现在要做的事情。

打开终端，依次运行以下命令。记下每一个数字。你在第 6 课编写主权技术栈文档时会用到它们。

硬件清单

CPU

# Linux/Mac
lscpu | grep "Model name\|CPU(s)\|Thread(s)"
# or
cat /proc/cpuinfo | grep "model name" | head -1
nproc

# Windows (PowerShell)
Get-CimInstance -ClassName Win32_Processor | Select-Object Name, NumberOfCores, NumberOfLogicalProcessors

# macOS
sysctl -n machdep.cpu.brand_string
sysctl -n hw.ncpu

对收入的影响：

RAM

# Linux
free -h

# macOS
sysctl -n hw.memsize | awk '{print $0/1073741824 " GB"}'

# Windows (PowerShell)
(Get-CimInstance -ClassName Win32_ComputerSystem).TotalPhysicalMemory / 1GB

对收入的影响：

GPU

# NVIDIA
nvidia-smi

# Check VRAM specifically
nvidia-smi --query-gpu=name,memory.total,memory.free --format=csv

# AMD (Linux)
rocm-smi

# macOS (Apple Silicon)
system_profiler SPDisplaysDataType

对收入的影响：

这是人们最纠结的一项参数，以下是实话：你的 GPU 决定了你的本地 LLM 层级，而你的本地 LLM 层级决定了哪些收入流运行得最快。 但它并不决定你能否赚钱。

VRAM LLM 能力 收入相关性
0（仅 CPU） 7B 模型，约 5 tokens/秒 批处理、异步工作。慢但可用。
6-8 GB（RTX 3060 等） 7B 模型约 30 tok/秒，13B 量化版 对大多数自动化收入流来说足够了。
12 GB（RTX 3060 12GB、4070） 13B 全速，30B 量化版 最佳平衡点。大多数收入引擎在这里运行良好。
16-24 GB（RTX 4090、3090） 30B-70B 模型 高端层级。提供他人无法在本地匹配的质量。
48 GB 以上（双 GPU、A6000） 70B+ 全速运行 企业级本地推理。严重的竞争优势。
Apple Silicon 32GB+（M2/M3 Pro/Max） 使用统一内存运行 30B+ 出色的效率。功耗低于同等 NVIDIA 方案。

未检测到独立 GPU。 你将使用 CPU 运行推理，这意味着 7B 模型约 5-12 tokens/秒。对于批处理和异步工作来说没问题。使用 API 调用来弥补面向客户输出时的速度差距。

说句实话： 如果你有一块 RTX 3060 12GB，你的条件已经优于 95% 试图用 AI 赚钱的开发者。别再等 4090 了。RTX 3060 12GB 就是本地 AI 界的本田思域——可靠、高效、能胜任工作。你升级显卡的钱不如花在 API 额度上，用于面向客户的高质量输出，而让本地模型处理繁重的基础工作。

存储

# Linux/Mac
df -h

# Windows (PowerShell)
Get-PSDrive -PSProvider FileSystem | Select-Object Name, @{N='Used(GB)';E={[math]::Round($_.Used/1GB,1)}}, @{N='Free(GB)';E={[math]::Round($_.Free/1GB,1)}}

对收入的影响：

网络

# Quick speed test (install speedtest-cli if needed)
# pip install speedtest-cli
speedtest-cli --simple

# Or just check your plan
# Upload speed matters more than download for serving

对收入的影响：

运行时间

这是没人会考虑的参数，但它区分了爱好者和睡觉也能赚钱的人。

问问你自己：

如果你不能 24/7 运行，也没关系——本课程中很多收入流是你手动触发的异步批处理作业。但真正能产生被动收入的那些，需要持续运行。

快速运行时间设置（如果你需要的话）：

# Enable Wake-on-LAN (check BIOS)
# Set up SSH access
sudo systemctl enable ssh  # Linux

# Auto-restart on crash (systemd service example)
# /etc/systemd/system/my-income-worker.service
[Unit]
Description=Income Worker Process
After=network.target

[Service]
Type=simple
ExecStart=/usr/local/bin/my-worker
Restart=always
RestartSec=10

[Install]
WantedBy=multi-user.target

电费计算

人们要么忽视这件事，要么把它灾难化。让我们做真正的数学计算。

测量你的实际功耗：

# If you have a Kill-A-Watt meter or smart plug with monitoring:
# Measure at idle, at load (running inference), and at max (GPU full utilization)

# Rough estimates if you don't have a meter:
# Desktop (no GPU, idle): 60-100W
# Desktop (mid-range GPU, idle): 80-130W
# Desktop (high-end GPU, idle): 100-180W
# Desktop (GPU under inference load): add 50-80% of GPU TDP
# Laptop: 15-45W
# Mac Mini M2: 7-15W (seriously)
# Apple Silicon laptop: 10-30W

月度费用计算：

Monthly cost = (Watts / 1000) x Hours x Price per kWh

Example: Desktop with RTX 3060, running inference 8 hours/day, idle 16 hours/day
- Inference: (250W / 1000) x 8h x 30 days x $0.12/kWh = $7.20/month
- Idle: (100W / 1000) x 16h x 30 days x $0.12/kWh = $5.76/month
- Total: ~$13/month

Example: Same rig, 24/7 inference
- (250W / 1000) x 24h x 30 days x $0.12/kWh = $21.60/month

Example: Mac Mini M2, 24/7
- (12W / 1000) x 24h x 30 days x $0.12/kWh = $1.04/month

美国平均电费约 $0.12/kWh。请查看你的实际费率——差异很大。加州可能是 $0.25/kWh。一些欧洲国家高达 $0.35/kWh。美国中西部部分地区只要 $0.08/kWh。

重点是： 24/7 运行你的设备进行收入创造，电费大约在每月 $1 到 $30 之间。如果你的收入流连这都覆盖不了，问题不在电费——在于收入流本身。

按收入引擎类型划分的最低配置要求

以下是完整 STREETS 课程的预览方向。现在，先看看你的设备处于哪个水平：

收入引擎 CPU RAM GPU 存储 网络
内容自动化（博客文章、邮件通讯） 4 核以上 16 GB 可选（API 备选） 50 GB 可用 10 Mbps 上行
数据处理服务 8 核以上 32 GB 可选 200 GB 可用 50 Mbps 上行
本地 AI API 服务 8 核以上 32 GB 8+ GB VRAM 100 GB 可用 50 Mbps 上行
代码生成工具 8 核以上 16 GB 8+ GB VRAM 或 API 50 GB 可用 10 Mbps 上行
文档处理 4 核以上 16 GB 可选 100 GB 可用 10 Mbps 上行
自主智能体 8 核以上 32 GB 12+ GB VRAM 100 GB 可用 50 Mbps 上行

常见错误： "我需要先升级硬件才能开始。"不。先用你手上有的东西开始。用 API 调用来弥补硬件覆盖不了的差距。等收入证明了升级的必要性再升级——而不是之前。

第 1 课检查点

你现在应该已经记录了：

保留这些数字。你将在第 6 课中把它们填入你的主权技术栈文档。

在完整的 STREETS 课程中，模块 R（收入引擎）为你提供上述每种引擎类型的具体、分步操作指南——包括构建和部署它们的确切代码。

第 2 课：本地 LLM 技术栈

"将 Ollama 配置为生产用途——不仅仅是聊天。"

为什么本地 LLM 对收入很重要

每次你调用 OpenAI API，你都在付租金。每次你在本地运行模型，初始配置完成后推理就是免费的。数学很简单：

如果你在构建处理数千请求的服务，每百万 token $0 和 $5-$15 的差距就是利润和持平之间的差距。

但这里有一个大多数人忽略的细微之处：本地模型和 API 模型在收入技术栈中扮演不同角色。 本地模型处理批量工作。API 模型处理对质量要求严格的、面向客户的输出。你的技术栈两者都需要。

安装 Ollama

Ollama 是基础。它把你的机器变成一台拥有干净 API 的本地推理服务器。

# Linux
curl -fsSL https://ollama.com/install.sh | sh

# macOS
# Download from https://ollama.com or:
brew install ollama

# Windows
# Download installer from https://ollama.com
# Or use winget:
winget install Ollama.Ollama

验证安装：

ollama --version
# Should show version 0.5.x or higher (check https://ollama.com/download for latest)

# Start the server (if not auto-started)
ollama serve

# In another terminal, test it:
ollama run llama3.1:8b "Say hello in exactly 5 words"

版本说明： Ollama 更新频繁。本模块中的模型命令和参数已在 Ollama v0.5.x（2026 年初）上验证。如果你阅读本文的时间较晚，请访问 ollama.com/download 获取最新版本，以及 ollama.com/library 查看当前模型名称。核心概念不会改变，但具体的模型标签（例如 llama3.1:8b）可能会被更新的版本取代。

模型选择指南

不要见到什么模型就下载。要有策略。以下是该拉取什么以及何时使用每个模型。

层级 1：主力模型（7B-8B 模型）

# Pull your workhorse model
ollama pull llama3.1:8b
# Alternative: mistral (good for European languages)
ollama pull mistral:7b

适用于：

典型性能：

成本对比：

层级 2：均衡选择（13B-14B 模型）

# Pull your balanced model
ollama pull llama3.1:14b
# Or for coding tasks:
ollama pull deepseek-coder-v2:16b

适用于：

典型性能：

何时选择它而非 7B： 当 7B 的输出质量不够好，但你又不想为 API 调用付费时。在你的实际用例上同时测试两者——有时 7B 就足够了，而你只是在浪费算力。

层级 3：质量层级（30B-70B 模型）

# Only pull these if you have the VRAM
# 30B needs ~20GB VRAM, 70B needs ~40GB VRAM (quantized)
ollama pull llama3.1:70b-instruct-q4_K_M
# Or the smaller but excellent:
ollama pull qwen2.5:32b

适用于：

典型性能：

说句实话： 如果你没有 24GB 以上 VRAM，直接跳过 70B 模型。对质量关键的输出使用 API 调用。从系统内存以 3 tokens/秒运行 70B 模型理论上可行，但对任何创收工作流来说毫无实际意义。你的时间是有价值的。

层级 4：API 模型（当本地不够用时）

本地模型用于处理批量和保护隐私。API 模型用于突破质量上限和利用专业能力。

何时使用 API 模型：

成本对比表（截至 2025 年初——请核实当前定价）：

模型 输入（每百万 token） 输出（每百万 token） 最适用于
GPT-4o-mini $0.15 $0.60 低成本批量工作（无本地可用时）
GPT-4o $2.50 $10.00 视觉、复杂推理
Claude 3.5 Sonnet $3.00 $15.00 代码、分析、长上下文
Claude 3.5 Haiku $0.80 $4.00 快速、便宜、质量均衡
DeepSeek V3 $0.27 $1.10 预算友好，性能强劲

混合策略：

  1. 本地 7B/13B 处理 80% 的请求（分类、提取、摘要）
  2. API 处理 20% 的请求（质量关键的生成、复杂任务）
  3. 你的有效成本：混合后约每百万 token $0.50-2.00（而非纯 API 的 $5-15）

这种混合方式就是你构建高利润率服务的方法。模块 R 中会详细讲解。

生产配置

为收入工作运行 Ollama 与个人聊天不同。以下是如何正确配置。

设置环境变量

# Create/edit the Ollama configuration
# Linux: /etc/systemd/system/ollama.service or environment variables
# macOS: launchctl environment or ~/.zshrc
# Windows: System Environment Variables

# Key settings:
export OLLAMA_HOST=127.0.0.1:11434    # Bind to localhost only (security)
export OLLAMA_NUM_PARALLEL=4            # Concurrent request handling
export OLLAMA_MAX_LOADED_MODELS=2       # Keep 2 models in memory
export OLLAMA_KEEP_ALIVE=30m            # Keep model loaded for 30 min after last request
export OLLAMA_MAX_QUEUE=100             # Queue up to 100 requests

为你的工作负载创建 Modelfile

不要使用默认模型设置，创建一个针对你的收入工作负载调优的自定义 Modelfile：

# Save as: Modelfile-worker
FROM llama3.1:8b

# Tune for consistent, production output
PARAMETER temperature 0.3
PARAMETER top_p 0.9
PARAMETER num_ctx 4096
PARAMETER repeat_penalty 1.1

# System prompt for your most common workload
SYSTEM """You are a precise data processing assistant. You follow instructions exactly. You output only what is requested, with no preamble or explanation unless asked. When given structured output formats (JSON, CSV, etc.), you output only the structure with no markdown formatting."""

# Create your custom model
ollama create worker -f Modelfile-worker

# Test it
ollama run worker "Extract all email addresses from this text: Contact us at hello@example.com or support@test.org for more info."

批处理和队列管理

对于收入工作负载，你经常需要处理大量条目。以下是基本的批处理设置：

#!/usr/bin/env python3
"""
batch_processor.py — Process items through local LLM with queuing.
Production-grade batching for income workloads.
"""

import requests
import json
import time
import concurrent.futures
from pathlib import Path

OLLAMA_URL = "http://127.0.0.1:11434/api/generate"
MODEL = "worker"  # Your custom model from above
MAX_CONCURRENT = 4
MAX_RETRIES = 3

def process_item(item: dict) -> dict:
    """Process a single item through the local LLM."""
    payload = {
        "model": MODEL,
        "prompt": item["prompt"],
        "stream": False,
        "options": {
            "num_ctx": 4096,
            "temperature": 0.3
        }
    }

    for attempt in range(MAX_RETRIES):
        try:
            response = requests.post(OLLAMA_URL, json=payload, timeout=120)
            response.raise_for_status()
            result = response.json()
            return {
                "id": item["id"],
                "input": item["prompt"][:100],
                "output": result["response"],
                "tokens": result.get("eval_count", 0),
                "duration_ms": result.get("total_duration", 0) / 1_000_000,
                "status": "success"
            }
        except Exception as e:
            if attempt == MAX_RETRIES - 1:
                return {
                    "id": item["id"],
                    "output": None,
                    "error": str(e),
                    "status": "failed"
                }
            time.sleep(2 ** attempt)  # Exponential backoff

def process_batch(items: list[dict], output_file: str = "results.jsonl"):
    """Process a batch of items with concurrent execution."""
    results = []
    start_time = time.time()

    with concurrent.futures.ThreadPoolExecutor(max_workers=MAX_CONCURRENT) as executor:
        future_to_item = {executor.submit(process_item, item): item for item in items}

        for i, future in enumerate(concurrent.futures.as_completed(future_to_item)):
            result = future.result()
            results.append(result)

            # Write incrementally (don't lose progress on crash)
            with open(output_file, "a") as f:
                f.write(json.dumps(result) + "\n")

            # Progress reporting
            elapsed = time.time() - start_time
            rate = (i + 1) / elapsed
            remaining = (len(items) - i - 1) / rate if rate > 0 else 0
            print(f"[{i+1}/{len(items)}] {result['status']} | "
                  f"{rate:.1f} items/sec | "
                  f"ETA: {remaining:.0f}s")

    # Summary
    succeeded = sum(1 for r in results if r["status"] == "success")
    failed = sum(1 for r in results if r["status"] == "failed")
    total_time = time.time() - start_time

    print(f"\nBatch complete: {succeeded} succeeded, {failed} failed, "
          f"{total_time:.1f}s total")

    return results

# Example usage:
if __name__ == "__main__":
    # Your items to process
    items = [
        {"id": i, "prompt": f"Summarize this in one sentence: {text}"}
        for i, text in enumerate(load_your_data())  # Replace with your data source
    ]

    results = process_batch(items)

为你的设备做基准测试

不要相信别人的基准测试数据。测量你自己的：

# Quick benchmark script
# Save as: benchmark.sh

#!/bin/bash
MODELS=("llama3.1:8b" "mistral:7b")
PROMPT="Write a detailed 200-word product description for a wireless mechanical keyboard designed for programmers."

for model in "${MODELS[@]}"; do
    echo "=== Benchmarking: $model ==="

    # Warm up (first run loads model into memory)
    ollama run "$model" "Hello" > /dev/null 2>&1

    # Timed run
    START=$(date +%s%N)
    RESULT=$(curl -s http://localhost:11434/api/generate -d "{
        \"model\": \"$model\",
        \"prompt\": \"$PROMPT\",
        \"stream\": false
    }")
    END=$(date +%s%N)

    DURATION=$(( (END - START) / 1000000 ))
    TOKENS=$(echo "$RESULT" | python3 -c "import sys,json; print(json.load(sys.stdin).get('eval_count', 'N/A'))")

    echo "Time: ${DURATION}ms"
    echo "Tokens generated: $TOKENS"
    if [ "$TOKENS" != "N/A" ] && [ "$DURATION" -gt 0 ]; then
        TPS=$(python3 -c "print(f'{$TOKENS / ($DURATION / 1000):.1f}')")
        echo "Speed: $TPS tokens/second"
    fi
    echo ""
done

chmod +x benchmark.sh
./benchmark.sh

记下每个模型的 tokens/秒。这个数字决定了哪些收入工作流对你的设备来说是可行的。

按用例划分的速度要求：

保护你的本地推理服务器

你的 Ollama 实例绝不应该从互联网访问，除非你明确打算这样做。

# Verify Ollama is only listening on localhost
ss -tlnp | grep 11434
# Should show 127.0.0.1:11434, NOT 0.0.0.0:11434

# If you need remote access (e.g., from another machine on your LAN):
# Use SSH tunneling instead of exposing the port
ssh -L 11434:localhost:11434 your-rig-ip

# Firewall rules (Linux)
sudo ufw deny in 11434
sudo ufw allow from 192.168.1.0/24 to any port 11434  # LAN only, if needed

常见错误： 为了"方便"将 Ollama 绑定到 0.0.0.0 然后就忘了这事。任何找到你 IP 的人都能免费使用你的 GPU 进行推理。更糟的是，他们可以提取模型权重和系统提示词。始终使用 localhost。始终通过隧道访问。

第 2 课检查点

你现在应该已经：

在完整的 STREETS 课程中，模块 T（技术护城河）向你展示如何构建专有模型配置、微调流水线和自定义工具链，让竞争对手无法轻易复制。模块 R（收入引擎）为你提供在这套技术栈之上构建的精确服务。

第 3 课：隐私优势

"你的私有化配置本身就是竞争优势——不仅仅是个人偏好。"

隐私是产品特性，而非限制

大多数开发者搭建本地基础设施，是因为他们个人重视隐私，或者因为他们喜欢折腾。那没问题。但如果你没有意识到隐私是当前科技领域最具市场价值的特性之一，那你就在浪费赚钱的机会。

原因如下：每当一家公司向 OpenAI 的 API 发送数据时，数据都会经过第三方。对于许多企业——尤其是医疗、金融、法律、政府以及欧盟企业——这是一个真实的问题。不是理论上的问题。是"我们不能用这个工具，因为合规部门说不行"的问题。

你在本地机器上运行模型，就没有这个问题。

监管顺风

监管环境正在朝着对你有利的方向快速发展。

欧盟 AI 法案（2024-2026 年执行）：

GDPR（已执行）：

行业特定法规：

如何在销售对话中定位隐私

你不需要成为合规专家。你需要理解三句话，并知道何时使用它们：

第一句话："你的数据永远不会离开你的基础设施。" 使用场景：与任何注重隐私的潜在客户交谈时。这是通用的切入点。

第二句话："不需要第三方数据处理协议。" 使用场景：与欧洲公司或任何有法务/合规团队的公司交谈时。这为他们节省数周的法律审查。

第三句话："完整审计轨迹，单租户处理。" 使用场景：与企业级或受监管行业客户交谈时。他们需要向审计人员证明其 AI 流水线。

示例定位（用于你的服务页面或提案）：

"与基于云的 AI 服务不同，[你的服务] 在专用硬件上本地处理所有数据。你的文档、代码和数据永远不会离开处理环境。流水线中没有第三方 API，不需要协商数据共享协议，每项操作都有完整的审计日志。这使得 [你的服务] 适合有严格数据处理要求的组织，包括 GDPR、HIPAA 和 SOC 2 合规环境。"

这段话放在着陆页上，将精准吸引那些愿意支付高价的客户。

溢价定价的合理性

以下是用硬数字说明的商业论证：

标准 AI 处理服务（使用云 API）：

隐私优先 AI 处理服务（你的本地技术栈）：

隐私溢价是真实的：相同底层任务，比大宗云服务高出 5 倍到 10 倍。而且愿意支付这个价格的客户更忠诚、对价格不那么敏感，预算也更大。

设置隔离的工作空间

如果你有正职工作（你们大多数人都有），你需要将雇主工作和收入工作做清晰的隔离。这不仅仅是法律保护——这是运营卫生。

选项 1：独立用户账户（推荐）

# Linux: Create a dedicated user for income work
sudo useradd -m -s /bin/bash income
sudo passwd income

# Switch to income user for all revenue work
su - income

# All income projects, API keys, and data live under /home/income/

选项 2：容器化工作空间

# Docker-based isolation
# Create a dedicated workspace container

# docker-compose.yml
version: '3.8'
services:
  income-workspace:
    image: ubuntu:22.04
    volumes:
      - ./income-projects:/workspace
      - ./income-data:/data
    environment:
      - OLLAMA_HOST=host.docker.internal:11434
    network_mode: bridge
    # Your employer's VPN, tools, etc. are NOT in this container

选项 3：独立物理机器（最稳妥）

如果你认真对待这件事，且收入足以证明其合理性，一台专用机器可以消除所有疑虑。一台装了 RTX 3060 的二手 Dell OptiPlex 花费 $400-600，第一个月的客户工作就能回本。

最低隔离清单：

常见错误： 使用雇主的 OpenAI API 密钥"只是测试"你的副业项目。这会在雇主的计费面板上留下痕迹，并且搅浑知识产权的水。申请你自己的密钥。它们很便宜。

第 3 课检查点

你现在应该理解了：

在完整的 STREETS 课程中，模块 E（进化前沿）教你如何跟踪监管变化，并在竞争对手还不知道新合规要求存在之前就提前布局。

第 4 课：法律最低要求

"现在花十五分钟做法律准备，能避免以后数月的麻烦。"

这不是法律建议

我是开发者，不是律师。以下是大多数开发者在大多数情况下应该处理的实用清单。如果你的情况比较复杂（你在雇主公司持有股权、竞业禁止条款有特定条款等），花 $200 找一位雇佣法律师做 30 分钟咨询。这是你能获得的最高投资回报率。

第 1 步：阅读你的劳动合同

找到你的劳动合同或录用通知书。搜索以下条款：

知识产权转让条款 — 寻找类似以下的措辞：

限制你的关键措辞：

释放你的关键措辞：

三个问题测试

对于任何收入项目，请自问：

  1. 时间： 你是在自己的时间做这项工作吗？（不在工作时间，不在值班时间）
  2. 设备： 你用的是自己的硬件、自己的网络、自己的 API 密钥吗？（不是雇主的笔记本电脑、不是雇主的 VPN、不是雇主的云账户）
  3. 主题： 这与你雇主的业务无关吗？（如果你在一家医疗 AI 公司工作，然后想卖医疗 AI 服务……那是个问题。如果你在一家医疗 AI 公司工作，想卖面向房地产中介的文档处理……那没问题。）

如果三个答案都是清楚的，你几乎可以确定没问题。如果任何答案是模糊的，在继续之前先搞清楚。

说句实话： 绝大多数做副业的开发者从来没有遇到过问题。雇主关心的是保护竞争优势，而不是阻止你在不相关的项目上赚外快。但"几乎可以确定没问题"不等于"完全没问题"。如果你的合同条款异常宽泛，和你的经理或人力资源部门聊聊——或者咨询律师。不去确认的风险远比开口问的小尴尬要严重得多。

第 2 步：选择商业结构

你需要一个法律实体来将个人资产与商业活动分离，并为商业银行、支付处理和税收优惠打开大门。

美国

结构 费用 保护 最适用于
个人独资（默认） $0 无（个人承担责任） 试水阶段。第一笔 $1K。
单人 LLC $50-500（因州而异） 个人资产保护 积极的收入工作。大多数开发者应从这里开始。
S-Corp 选举（基于 LLC） LLC 费用 + 选举费 $0 与 LLC 相同 + 工资税优惠 当你年收入稳定超过 $40K 时

推荐美国开发者： 在你居住州注册单人 LLC。

注册费最低的州： Wyoming（$100，无州所得税）、New Mexico（$50）、Montana（$70）。但在你居住的州注册通常是最简单的，除非你有特定理由不这样做。

如何申请：

  1. 访问你所在州的州务卿网站
  2. 搜索"form LLC"或"business entity filing"
  3. 提交组织章程（10 分钟的表格）
  4. 从 IRS 获取 EIN（免费，在 irs.gov 上 5 分钟完成）

英国

结构 费用 保护 最适用于
个体经营者 免费（在 HMRC 注册） 无 初始收入。试水阶段。
有限公司（Ltd） 通过 Companies House 约 $15 个人资产保护 任何正式的收入工作。

推荐： 通过 Companies House 注册 Ltd 公司。大约需要 20 分钟，费用 GBP 12。

欧盟

因国家不同差异很大，但总体模式是：

澳大利亚

结构 费用 保护 最适用于
个体经营者 免费 ABN 无 起步阶段
Pty Ltd 通过 ASIC 约 AUD 500-800 个人资产保护 正式收入

推荐： 从个体经营者 ABN 开始（免费、即时），等你有稳定收入后再转为 Pty Ltd。

第 3 步：支付处理（15 分钟设置）

你需要一种收款方式。现在就设置好，不要等到第一个客户等着付款的时候才做。

Stripe（推荐大多数开发者使用）：

1. Go to stripe.com
2. Create account with your business email
3. Complete identity verification
4. Connect your business bank account
5. You can now accept payments, create invoices, and set up subscriptions

时间：约 15 分钟。你可以立即开始接受付款（Stripe 对新账户的资金保留 7 天）。

Lemon Squeezy（推荐数字产品使用）：

如果你在销售数字产品（模板、工具、课程、SaaS），Lemon Squeezy 充当你的注册商户。这意味着：

1. Go to lemonsqueezy.com
2. Create account
3. Set up your store
4. Add products
5. They handle everything else

Stripe Atlas（适合国际开发者或想要美国实体的人）：

如果你在美国以外，但想通过美国实体向美国客户销售：

第 4 步：隐私政策和服务条款

如果你在线销售任何服务或产品，你需要这些文件。不要花钱请律师写样板文件。

免费、可靠的模板来源：

你的隐私政策必须涵盖的内容（如果你处理任何客户数据）：

时间： 使用模板生成器 30 分钟。搞定。

第 5 步：独立银行账户

不要把商业收入通过个人支票账户运作。原因如下：

  1. 税务清晰度： 到报税时，你需要准确知道哪些是商业收入，哪些不是。
  2. 法律保护： 如果你有 LLC，将个人和商业资金混在一起可能会"刺穿公司面纱"——这意味着法院可以无视你 LLC 的责任保护。
  3. 专业性： 从"张三咨询有限公司"发出的发票打入专用商业账户看起来正规。付款到你的个人支付软件账户看起来就不那么正规了。

免费或低成本的商业银行：

现在就开户。在线操作需要 10-15 分钟，验证需要 1-3 天。

第 6 步：开发者副业的税务基础

说句实话： 税务是大多数开发者忽视到四月份才恐慌的事情。现在花 30 分钟能为你节省真金白银和压力。

美国：

开发者副业收入的常见抵扣项：

英国：

从第一天起就记录一切。 最简单也要用一个电子表格：

| Date       | Category    | Description          | Amount  | Type    |
|------------|-------------|----------------------|---------|---------|
| 2025-01-15 | API         | Anthropic credit     | -$20.00 | Expense |
| 2025-01-18 | Revenue     | Client invoice #001  | +$500.00| Income  |
| 2025-01-20 | Software    | Vercel Pro plan      | -$20.00 | Expense |
| 2025-01-20 | Tax Reserve | 30% of net income    | -$138.00| Transfer|

常见错误： "税的事以后再说。"等到了第四季度，你欠了 $3,000 的预估税加罚款，而你已经把钱花了。自动化：每次收入到达商业账户时，立即将 30% 转入税款储蓄账户。

第 4 课检查点

你现在应该已经完成（或有计划完成）：

在完整的 STREETS 课程中，模块 E（执行手册）包含财务建模模板，可自动计算你的纳税义务、项目盈利能力以及每个收入引擎的盈亏平衡点。

第 5 课：每月 $200 的预算

"你的业务有燃烧率。了解它。控制它。让它赚钱。"

为什么是每月 $200

每月两百dollars是开发者收入运营的最低可行预算。它足以运行真实的服务、服务真实的客户、产生真实的收入。同时它也足够小，如果什么都行不通，你也没有押上全部身家。

目标很简单：在 90 天内将每月 $200 变成每月 $600 以上。 如果你能做到，你就有了一门生意。如果做不到，改变策略——而不是增加预算。

预算分配

层级 1：API 额度 — $50-100/月

这是你面向客户的高质量生产算力。

推荐的初始分配：

Anthropic (Claude):     $40/month  — Your primary for quality output
OpenAI (GPT-4o-mini):   $20/month  — Cheap volume work, fallback
DeepSeek:               $10/month  — Budget tasks, experimentation
Buffer:                 $30/month  — Overflow or new provider testing

如何管理 API 支出：

# Simple API budget tracker — run daily via cron
# Save as: check_api_spend.py

import requests
import json
from datetime import datetime

# Check Anthropic usage
# (Anthropic provides usage in the dashboard; here's how to track locally)

MONTHLY_BUDGET = {
    "anthropic": 40.00,
    "openai": 20.00,
    "deepseek": 10.00,
}

# Track locally by logging every API call cost
USAGE_LOG = "api_usage.jsonl"

def get_monthly_spend(provider: str) -> float:
    """Calculate current month's spend for a provider."""
    current_month = datetime.now().strftime("%Y-%m")
    total = 0.0
    try:
        with open(USAGE_LOG, "r") as f:
            for line in f:
                entry = json.loads(line)
                if entry["provider"] == provider and entry["date"].startswith(current_month):
                    total += entry["cost"]
    except FileNotFoundError:
        pass
    return total

def log_api_call(provider: str, tokens_in: int, tokens_out: int, model: str):
    """Log an API call for budget tracking."""
    # Cost per 1M tokens (update these as pricing changes)
    PRICING = {
        "claude-3.5-sonnet": {"input": 3.00, "output": 15.00},
        "claude-3.5-haiku": {"input": 0.80, "output": 4.00},
        "gpt-4o-mini": {"input": 0.15, "output": 0.60},
        "gpt-4o": {"input": 2.50, "output": 10.00},
        "deepseek-v3": {"input": 0.27, "output": 1.10},
    }

    prices = PRICING.get(model, {"input": 1.0, "output": 5.0})
    cost = (tokens_in / 1_000_000 * prices["input"]) + \
           (tokens_out / 1_000_000 * prices["output"])

    entry = {
        "date": datetime.now().isoformat(),
        "provider": provider,
        "model": model,
        "tokens_in": tokens_in,
        "tokens_out": tokens_out,
        "cost": round(cost, 6),
    }

    with open(USAGE_LOG, "a") as f:
        f.write(json.dumps(entry) + "\n")

    # Budget warning
    monthly_spend = get_monthly_spend(provider)
    budget = MONTHLY_BUDGET.get(provider, 0)
    if monthly_spend > budget * 0.8:
        print(f"WARNING: {provider} spend at {monthly_spend:.2f}/{budget:.2f} "
              f"({monthly_spend/budget*100:.0f}%)")

    return cost

混合支出策略：

层级 2：基础设施 — 每月 $30-50

Domain name:            $12/year ($1/month)     — Namecheap, Cloudflare, Porkbun
Email (business):       $0-6/month              — Zoho Mail free, or Google Workspace $6
VPS (optional):         $5-20/month             — For hosting lightweight services
                                                  Hetzner ($4), DigitalOcean ($6), Railway ($5)
DNS/CDN:                $0/month                — Cloudflare free tier
Hosting (static):       $0/month                — Vercel, Netlify, Cloudflare Pages (free tiers)

你需要 VPS 吗？

如果你的收入模式是：

推荐的入门基础设施：

Local rig — primary compute, LLM inference, heavy processing
   |
   +-- SSH tunnel or WireGuard VPN
   |
$5 VPS (Hetzner/DigitalOcean) — API gateway, webhook receiver, static hosting
   |
   +-- Cloudflare (free) — DNS, CDN, DDoS protection
   |
Vercel/Netlify (free) — marketing site, landing pages, docs

基础设施总成本：$5-20/月。其余都是免费层。

层级 3：工具 — 每月 $20-30

Analytics:              $0/month    — Plausible Cloud ($9) or self-hosted,
                                      or Vercel Analytics (free tier)
                                      or just Cloudflare analytics (free)
Email marketing:        $0/month    — Buttondown (free up to 100 subs),
                                      Resend ($0 for 3K emails/month)
Monitoring:             $0/month    — UptimeRobot (free, 50 monitors),
                                      Better Stack (free tier)
Design:                 $0/month    — Figma (free), Canva (free tier)
Accounting:             $0/month    — Wave (free), or a spreadsheet
                                      Hledger (free, plaintext accounting)

说句实话： 起步阶段你可以完全用免费层运行你的整个工具栈。这里分配的 $20-30 是为了当你超出免费层限制或需要特定的付费功能时使用。不要仅仅因为预算里有就花掉它。未花掉的预算就是利润。

层级 4：储备金 — 每月 $0-30

这是你的"意料之外"基金：

如果你没用到储备金，它就会累积。连续 3 个月未使用的储备金，考虑重新分配到 API 额度或基础设施。

ROI 计算

这是唯一重要的数字：

Monthly Revenue - Monthly Costs = Net Profit
Net Profit / Monthly Costs = ROI Multiple

Example:
$600 revenue - $200 costs = $400 profit
$400 / $200 = 2x ROI

The target: 3x ROI ($600+ revenue on $200 spend)
The minimum: 1x ROI ($200 revenue = break even)
Below 1x: Change strategy or reduce costs

何时增加预算：

仅在以下情况增加预算：

  1. 你连续 2 个月以上稳定在 2 倍以上 ROI
  2. 更多支出能直接增加收入（例如，更多 API 额度=更多客户承载量）
  3. 增加与一个具体的、经过验证的收入流挂钩

何时不应增加预算：

扩展阶梯：

$200/month  → Proving the concept (months 1-3)
$500/month  → Scaling what works (months 4-6)
$1000/month → Multiple revenue streams (months 6-12)
$2000+/month → Full business operation (year 2+)

Each step requires proving ROI at the current level first.

常见错误： 把这 $200 当作不需要立即回报的"投资"。不对。这是一个有 90 天截止期限的实验。如果每月 $200 在 90 天内没有产生每月 $200 的收入，那么策略的某个环节需要改变。资金、市场、产品——总有什么不对。对自己诚实。

第 5 课检查点

你现在应该已经：

在完整的 STREETS 课程中，模块 E（执行手册）包含一个财务看板模板，实时跟踪你的支出、收入和每个收入引擎的 ROI——让你始终了解哪些收入流在盈利，哪些需要调整。

第 6 课：你的主权技术栈文档

"每个企业都有一份计划。这是你的——而且只需两页纸。"

交付成果

这是你在模块 S 中要创建的最重要的东西。你的主权技术栈文档是一份汇总了你所有收入创造基础设施的单一参考文档。你将在 STREETS 课程的其余部分中持续参考它，随着你的配置发展不断更新，并用它来做出清晰的决策——该构建什么、该跳过什么。

创建一个新文件。Markdown、Google Doc、Notion 页面、纯文本——用任何你真正会持续维护的格式。使用下面的模板，用第 1-5 课的数字和决策填写每个字段。

模板

复制整个模板并填写。每个字段。不要跳过。

# Sovereign Stack Document
# [Your Name or Business Name]
# Created: [Date]
# Last Updated: [Date]

---

## 1. HARDWARE INVENTORY

### Primary Machine
- **Type:** [Desktop / Laptop / Mac / Server]
- **CPU:** [Model] — [X] cores, [X] threads
- **RAM:** [X] GB [DDR4/DDR5]
- **GPU:** [Model] — [X] GB VRAM (or "None — CPU inference only")
- **Storage:** [X] GB SSD free / [X] GB total
- **OS:** [Linux distro / macOS version / Windows version]

### Network
- **Download:** [X] Mbps
- **Upload:** [X] Mbps
- **Latency to cloud APIs:** [X] ms
- **ISP reliability:** [Stable / Occasional outages / Unreliable]

### Uptime Capability
- **Can run 24/7:** [Yes / No — reason]
- **UPS:** [Yes / No]
- **Remote access:** [SSH / RDP / Tailscale / None]

### Monthly Infrastructure Cost
- **Electricity (24/7 estimate):** $[X]/month
- **Internet:** $[X]/month (business portion)
- **Total fixed infrastructure cost:** $[X]/month

---

## 2. LLM STACK

### Local Models (via Ollama)
| Model | Size | Tokens/sec | Use Case |
|-------|------|-----------|----------|
| [e.g., llama3.1:8b] | [X]B | [X] tok/s | [e.g., Classification, extraction] |
| [e.g., mistral:7b] | [X]B | [X] tok/s | [e.g., Summarization, drafts] |
| [e.g., deepseek-coder] | [X]B | [X] tok/s | [e.g., Code generation] |

### API Models (for quality-critical output)
| Provider | Model | Monthly Budget | Use Case |
|----------|-------|---------------|----------|
| [e.g., Anthropic] | [Claude 3.5 Sonnet] | $[X] | [e.g., Customer-facing content] |
| [e.g., OpenAI] | [GPT-4o-mini] | $[X] | [e.g., Volume processing fallback] |

### Inference Strategy
- **Local handles:** [X]% of requests ([list tasks])
- **API handles:** [X]% of requests ([list tasks])
- **Estimated blended cost per 1M tokens:** $[X]

---

## 3. MONTHLY BUDGET

| Category | Allocation | Actual (update monthly) |
|----------|-----------|------------------------|
| API Credits | $[X] | $[  ] |
| Infrastructure (VPS, domain, email) | $[X] | $[  ] |
| Tools (analytics, email marketing) | $[X] | $[  ] |
| Reserve | $[X] | $[  ] |
| **Total** | **$[X]** | **$[  ]** |

### Revenue Target
- **Month 1-3:** $[X]/month (minimum: cover costs)
- **Month 4-6:** $[X]/month
- **Month 7-12:** $[X]/month

---

## 4. LEGAL STATUS

- **Employment status:** [Employed / Freelance / Between jobs]
- **IP clause reviewed:** [Yes / No / N/A]
- **IP clause risk level:** [Clean / Murky — needs review / Restrictive]
- **Business entity:** [LLC / Ltd / Sole Proprietor / None yet]
  - **State/Country:** [Where registered]
  - **EIN/Tax ID:** [Obtained / Pending / Not needed yet]
- **Payment processing:** [Stripe / Lemon Squeezy / Other] — [Active / Pending]
- **Business bank account:** [Open / Pending / Using personal (fix this)]
- **Privacy policy:** [Done / Not yet — URL: ___]
- **Terms of service:** [Done / Not yet — URL: ___]

---

## 5. TIME INVENTORY

- **Available hours per week for income projects:** [X] hours
  - **Weekday mornings:** [X] hours
  - **Weekday evenings:** [X] hours
  - **Weekends:** [X] hours
- **Time zone:** [Your timezone]
- **Best deep work blocks:** [e.g., "Saturday 6am-12pm, weekday evenings 8-10pm"]

### Time Allocation Plan
| Activity | Hours/week |
|----------|-----------|
| Building/coding | [X] |
| Marketing/sales | [X] |
| Client work/delivery | [X] |
| Learning/experimentation | [X] |
| Admin (invoicing, email, etc.) | [X] |

> Rule: Never allocate more than 70% of available time.
> Life happens. Burnout is real. Leave buffer.

---

## 6. SKILLS INVENTORY

### Primary Skills (things you could teach others)
1. [Skill] — [years of experience]
2. [Skill] — [years of experience]
3. [Skill] — [years of experience]

### Secondary Skills (competent but not expert)
1. [Skill]
2. [Skill]
3. [Skill]

### Exploring (learning now or want to learn)
1. [Skill]
2. [Skill]

### Unique Combinations
What makes YOUR skill combination unusual? (This becomes your moat in Module T)
- [e.g., "I know both Rust AND healthcare data standards — very few people have both"]
- [e.g., "I can build full-stack apps AND I understand supply chain logistics from a previous career"]
- [e.g., "I'm fluent in 3 languages AND I can code — I can serve non-English markets that most dev tools ignore"]

---

## 7. SOVEREIGN STACK SUMMARY

### What I Can Offer Today
(Based on hardware + skills + time, what could you sell THIS WEEK if someone asked?)
1. [e.g., "Local document processing — extract data from PDFs privately"]
2. [e.g., "Custom automation scripts for [specific domain]"]
3. [e.g., "Technical writing / documentation"]

### What I'm Building Toward
(Based on the full STREETS framework — fill this in as you progress through the playbook)
1. [Revenue Engine 1 — from Module R]
2. [Revenue Engine 2 — from Module R]
3. [Revenue Engine 3 — from Module R]

### Key Constraints
(Be honest — these aren't weaknesses, they're parameters)
- [e.g., "Only 10 hours/week available"]
- [e.g., "No GPU — CPU inference only, will rely on APIs for LLM tasks"]
- [e.g., "Employment contract is restrictive — need to stay in unrelated domains"]
- [e.g., "Non-US based — some payment/legal options are limited"]

---

*This document is a living reference. Update it monthly.*
*Next review date: [Date + 30 days]*

如何使用这份文档

  1. 在开始任何新项目之前： 查看你的主权技术栈。你是否有硬件、时间、技能和预算来执行？
  2. 在购买任何东西之前： 查看你的预算分配。这笔购买在计划中吗？
  3. 每月回顾： 更新预算中的"实际"列。更新收入数据。根据效果调整分配。
  4. 当别人问你做什么的时候： 你的"我今天能提供什么"部分就是你的即时推介。
  5. 当你忍不住想追逐新点子时： 查看你的约束条件。这是否符合你的时间、技能和硬件？如果不符合，把它添加到"正在构建的方向"留到以后。

一小时练习

设一个 60 分钟的计时器。填写模板的每个字段。不要想太多。不要大量研究。写下你现在知道的。以后可以更新。

填不上的字段？那些就是你本周的行动项：

常见错误： 花 3 小时让文档"完美"，而不是花 1 小时让它"完成"。主权技术栈文档是一份工作参考，不是给投资者看的商业计划。除了你自己没人会看它。准确性很重要。格式不重要。

第 6 课检查点

你现在应该已经：

模块 S：完成

你在两周内建成了什么

看看你现在拥有的、在开始之前还没有的：

  1. 一份硬件清单，映射到收入创造能力——不仅仅是贴纸上的规格参数。
  2. 一套生产级的本地 LLM 技术栈，使用 Ollama，在你的实际硬件上做了基准测试，为真实工作负载做了配置。
  3. 一项隐私优势，你知道如何营销——针对特定受众有特定的话术。
  4. 法律和财务基础 — 商业实体（或计划）、支付处理、银行账户、税务策略。
  5. 受控的预算，有明确的 ROI 目标和 90 天的验证期限。
  6. 一份主权技术栈文档，将以上所有内容汇总在一份参考文档中，你未来的每个决策都会用到它。

这比大多数开发者曾经搭建的都要多。真的。大多数想赚副业收入的人直接跳到"做个酷东西"，然后纳闷为什么收不到钱。你现在拥有了收钱的基础设施。

但没有方向的基础设施只是一个昂贵的爱好。你需要知道该把这套技术栈瞄准哪里。

接下来：模块 T — 技术护城河

模块 S 为你奠定了基础。模块 T 回答那个关键问题：你如何构建竞争对手无法轻易复制的东西？

以下是模块 T 涵盖的内容：

一个月赚 $500 和一个月赚 $5,000 的开发者之间的差距很少是技能。是护城河。是那些让你的产品难以被复制的东西，即使别人有相同的硬件和相同的模型。

完整 STREETS 路线图

模块 标题 重点 持续时间
S 主权配置 基础设施、法律、预算 第 1-2 周（已完成）
T 技术护城河 可防御优势、专有资产 第 3-4 周
R 收入引擎 带代码的具体变现方案 第 5-8 周
E 执行手册 上线流程、定价、第一批客户 第 9-10 周
E 进化前沿 保持领先、趋势检测、适应 第 11-12 周
T 战术自动化 自动化运营以实现被动收入 第 13-14 周
S 叠加收入流 多收入来源、组合策略 第 15-16 周

模块 R（收入引擎）是赚到大部分钱的地方。但如果没有 S 和 T，你就是在沙上建楼。

准备好获取完整方案了吗？

你已经看到了基础。你亲手搭建了它。现在获取完整的系统。

获取 STREETS Core — 完整的 16 周课程，包含全部七个模块、收入引擎代码模板、财务看板，以及由按自己规则创造收入的开发者组成的私密社区。

你的设备。你的规则。你的收入。

下一个 → 模块 T：技术护城河