建構 VMark 要花多少錢？

重點摘要

VMark 擁有約 109,000 行生產程式碼和 206,000 行測試程式碼，涵蓋 TypeScript、Rust、CSS 和 Vue。一個人工團隊從零建構需要 4,239 個開發人日（約 17 人年）。以美國市場費率計算，這意味著 340 萬至 420 萬美元。而實際上，它由一個人借助 AI 輔助，在 85 個日曆天內完成，成本約為 2,000 美元——生產力提升約 50 倍，成本降低約 99.9%。

為什麼有這個頁面

一個問題反覆出現：「VMark 到底花了多大力氣？」

這不是行銷頁面。這是一份透明的、資料驅動的分析，使用真實的程式碼指標——不是憑感覺。這裡的每個數字都來自 tokei（程式碼行統計）、git log（歷史紀錄）和 vitest（測試計數）。你可以自行複製儲存庫來重現這些數字。

原始指標

指標	數值
生產程式碼（前端 TS/TSX）	85,306 LOC
生產程式碼（Rust 後端）	10,328 LOC
生產程式碼（MCP 伺服器）	4,627 LOC
生產 CSS	8,779 LOC
i18n 語系資料	10,130 LOC
網站（Vue + TS + 文件）	4,421 LOC + 75,930 行文件
測試程式碼	206,077 LOC（656 個檔案）
測試數量	17,255 個測試
文件	75,930 行（320 頁，10 種語言）
提交次數	84 個活躍日內 1,993 次
日曆時間	85 天（2025 年 12 月 27 日至 2026 年 3 月 21 日）
貢獻者	2 人（1 人 + AI）
異動比率	3.7 倍（123 萬次插入 / 33 萬最終行數）
測試與生產比	2.06:1

這些數字代表什麼

• 測試與生產比 2.06:1 非常傑出。大多數開源專案約在 0.3:1 左右。VMark 的測試程式碼是生產程式碼的兩倍。
• 異動比率 3.7 倍表示最終程式碼庫中的每一行，總共寫了 3.7 行（包含改寫、重構和刪除的程式碼）。這顯示經歷了大量迭代——不是「寫一次就上線」。
• 84 個活躍日內 1,993 次提交，平均每天約 24 次提交。AI 輔助開發會產生大量小型、聚焦的提交。

複雜度分層

並非所有程式碼都是一樣的。一行設定解析程式碼和一行 ProseMirror 外掛程式碼的工作量完全不同。我們將程式碼庫分為四個複雜度層級：

層級	包含內容	LOC	速率（LOC/天）
常規（1.0 倍）	i18n JSON、CSS Token、頁面佈局、設定 UI	23,000	150
標準（1.5 倍）	Store、Hook、元件、MCP 橋接、匯出、Rust 命令、網站	52,000	100
複雜（2.5 倍）	ProseMirror/Tiptap 外掛（多游標、專注模式、程式碼預覽、表格 UI、IME 防護）、CodeMirror 整合、Rust AI 服務商、MCP 伺服器	30,000	50
研究（4.0 倍）	CJK 排版引擎、組合輸入防護系統、具備 IME 感知的自動配對	4,000	25

「LOC/天」速率假設一位資深開發者撰寫經過測試和審查的程式碼——不是未審查的原始產出。

為什麼編輯器外掛這麼貴

VMark 中單項成本最高的部分是 ProseMirror/Tiptap 外掛層——34,859 行程式碼，管理文字選取、文件事務、節點視圖和 IME 組合輸入。這被普遍認為是 Web 開發中最困難的領域：

• 你操作的是文件模型，而不是元件樹
• 每次編輯都是一個必須維護文件完整性的事務
• IME 組合輸入（用於 CJK 輸入）增加了一整套平行狀態機
• 多游標需要同時追蹤 N 個獨立選取範圍
• 復原/重做必須在上述所有情況下正確運作

這就是為什麼外掛層被歸類為「複雜」（2.5 倍乘數），而 CJK/IME 程式碼被歸類為「研究」（4.0 倍）。

工作量估算

組件	LOC	開發人日
第 1 層生產程式碼（常規）	23,000	153
第 2 層生產程式碼（標準）	52,000	520
第 3 層生產程式碼（複雜）	30,000	600
第 4 層生產程式碼（研究）	4,000	160
測試程式碼	206,077	1,374
文件（10 種語言）	75,930	380
小計		3,187
間接開銷（設計 5% + CI 3% + 審查 10%）		574
異動稅（3.7 倍 → +15%）		478
總計		4,239 開發人日

這大約是 17 人年的全職資深工程工作量。

關於測試工作量的說明

測試套件（206K LOC，17,255 個測試）佔 1,374 開發人日——超過總工作量的三分之一。這是專案測試優先紀律的代價。少了它，專案建構成本會便宜約 40%，但維護難度會顯著增加。

成本估算

使用美國市場費率（全部成本——薪資 + 福利 + 間接費用）：

情境	團隊	時長	成本
單人資深開發（$800/天）	1 人	17.7 年	$3.39M
小型團隊（平均 $900/天）	3 人	2.3 年	$3.82M
完整團隊（平均 $1,000/天）	5 人	10.6 個月	$4.24M

團隊規模不是線性成長的。一個 5 人團隊的生產力大約是 1 個人的 4 倍（不是 5 倍），因為溝通開銷——這就是布魯克斯法則的體現。

AI 的真實情況

指標	數值
實際日曆時間	85 天（12 週）
人工等價	4,239 開發人日（約 17 人年）
生產力倍數	約 50 倍
估計實際成本	約 $2,000（Claude Max 訂閱）
人工等價成本（單人）	$3.39M
成本降低	約 99.9%

50 倍乘數代表什麼

這不代表「AI 比人類聰明 50 倍」。它代表：

1. AI 不需要上下文切換。 它能將整個程式碼庫保持在記憶中，同時對 10 個檔案進行修改。
2. AI 以生產速度撰寫測試。 對人類來說，撰寫 17,255 個測試是令人崩潰的苦差事。對 AI 來說，只是更多的程式碼。
3. AI 瞬間處理樣板程式碼。 10 種語言的翻譯層（10,130 LOC 的 JSON + 320 頁文件）會讓人工團隊花費數週。AI 只需幾分鐘。
4. AI 不會感到無聊。 那 656 個涵蓋邊界情況、IME 組合輸入和 CJK 排版的測試檔案，恰恰是人類會跳過的工作。

人類的角色是判斷——建構什麼、何時停止、選擇哪種方案。AI 的角色是勞動——撰寫、測試、除錯、翻譯。

市場對比

面向	VMark	Typora	Zettlr	Mark Text
核心功能	Markdown 所見即所得 + 原始碼模式	Markdown 所見即所得	學術 Markdown	Markdown 所見即所得
LOC（估計）	約 109K 生產程式碼	約 200K（閉源）	約 80K	約 120K
貢獻者	2 人（1 人 + AI）	1-2 人（閉源）	約 50 人	約 100 人
年齡	3 個月	8 年以上	6 年以上	6 年以上
價格	免費（測試版）	$15 授權	免費 / 開源	免費 / 開源
核心差異	Tauri 原生、MCP AI、CJK 原生、多游標	精緻度高、PDF 匯出	Zettelkasten、引用管理	Electron、成熟穩定

這個對比說明了什麼

VMark 在 85 天內達到了其他專案用 6 至 8 年、50 至 100 位貢獻者才達到的同等程式碼規模和功能集。測試紀律（17K 測試，2:1 比率）超過了本次對比中的所有開源 Markdown 編輯器。

這並不是因為 VMark 「更好」——它更年輕，經受的實戰檢驗更少。但它證明了 AI 輔助開發的可能性：一個人可以產出以前需要一個獲得資助的團隊才能完成的成果。

是什麼讓 VMark 建構成本高昂

三個因素驅動了成本：

1. 編輯器外掛複雜度——34,859 行 ProseMirror 外掛程式碼，涉及選取、事務、節點視圖和 IME 組合輸入。這是第 3/4 層程式碼，一位資深編輯器框架專家的撰寫速度約為每天 50 LOC。

2. 極端的測試紀律——2.06:1 的測試與生產比代表僅測試程式碼（206K LOC）就比生產程式碼需要更多的工作量。這是一項刻意為之的投資——它讓 AI 輔助開發得以永續。

3. 10 種語言的完整國際化——320 頁文件、80 個語系 JSON 檔案和一個完整的在地化網站。這是通常只在獲得資助的商業產品中才能看到的營運規模，而非個人專案。

重現這些數字

所有指標都可以從公開儲存庫重現：

# 複製並安裝
git clone https://github.com/xiaolai/vmark.git
cd vmark && pnpm install

# LOC 指標（需要 tokei：brew install tokei）
tokei --exclude node_modules --exclude dist .

# Git 歷史
git log --oneline | wc -l
git log --format='%ai' | awk '{print $1}' | sort -u | wc -l

# 測試數量
pnpm vitest run src/ 2>&1 | tail -5

方法論

本分析中使用的生產力基線（LOC/天速率）是針對資深開發者撰寫經過測試和審查的程式碼的業界標準估算。這些資料來自軟體估算文獻（McConnell、Capers Jones），並針對生產級品質的產出進行了校準——而非原型或概念驗證程式碼。