[推广] 做了一个 AI 双人跳舞视频工具，上传两张照片就能一起跳舞
最近在做一些 AI 视频小工具，发现社交平台每隔一段时间就会流行某种固定动作的视频，很多人想把自己或者宠物替换进去，国内外都有这个趋势。
最近 A2O LITE 的 NEON 双人舞太火热了，前几天发现脆上全是转发视频的，对于 13 岁小姑娘的讨论也很火热，于是做了一款工具：
https://a2oliteai.com
玩法很简单：
● 上传两张照片，分别对应视频里的两个角色
● 可以是两个人，也可以是人和宠物
● 不用写 Prompt ，也不用剪辑
● 先生成 4 秒预览，觉得效果可以再生成完整视频
目前接的是 Seedance 视频编辑模型，生成需要消耗积分，没有做订阅。
开发过程中发现，AI 视频角色替换远没有想象中稳定。特别是双人场景，偶尔会出现人物没有替换成功、角色混淆，或者凭空多出来一些配饰的问题。
目前还在验证阶段，挺想听听大家的看法： 这种围绕单个热门视频玩法的小工具，确实有需求，但是热度过去后怎么办？ 有经验的大佬可以一起交流一下。
via V2EX (author: CoderLim)
最近在做一些 AI 视频小工具，发现社交平台每隔一段时间就会流行某种固定动作的视频，很多人想把自己或者宠物替换进去，国内外都有这个趋势。
最近 A2O LITE 的 NEON 双人舞太火热了，前几天发现脆上全是转发视频的，对于 13 岁小姑娘的讨论也很火热，于是做了一款工具：
https://a2oliteai.com
玩法很简单：
● 上传两张照片，分别对应视频里的两个角色
● 可以是两个人，也可以是人和宠物
● 不用写 Prompt ，也不用剪辑
● 先生成 4 秒预览，觉得效果可以再生成完整视频
目前接的是 Seedance 视频编辑模型，生成需要消耗积分，没有做订阅。
开发过程中发现，AI 视频角色替换远没有想象中稳定。特别是双人场景，偶尔会出现人物没有替换成功、角色混淆，或者凭空多出来一些配饰的问题。
目前还在验证阶段，挺想听听大家的看法： 这种围绕单个热门视频玩法的小工具，确实有需求，但是热度过去后怎么办？ 有经验的大佬可以一起交流一下。
via V2EX (author: CoderLim)
[Apple] 合理预测 iPhone Duo 的加价持续时间
Vision Pro 发售初期只在部分地区进行，当时大陆要收一台大概加价 5000 到 1 万，持续时间三周左右，到了大陆发售的时候，已经是现货供应的情况
Duo 预售当晚我大概 8 点 18 分进入，送货的预计时间是 12 月 4 日左右，所以我觉得真实受众不加价的情况下，大概 12 月中旬就可以拿到。晚于这个时间点的，也只有少部分是 iPhone Duo 的刚需用户了
iPhone Duo 相比之下售价更低，作为手机，需求更强，从预售前 5000 到 6000 的溢价，到目前市场上 3000 左右溢价，我预计 iPhone Duo 的溢价期会在六周，真实加价在 1500 到 2000 左右
如果首发后出现因为 esim 办理困难，无长焦，屏下摄像头成像质量难以接受，折叠屏铰链良品率低等目前看能够合理预见的负面事件，那 iPhone Duo 的溢价期可能进一步提前到四周
（个人主观分析，没有数据支持，纯图一乐）
via V2EX (author: ovovovovo)
Vision Pro 发售初期只在部分地区进行，当时大陆要收一台大概加价 5000 到 1 万，持续时间三周左右，到了大陆发售的时候，已经是现货供应的情况
Duo 预售当晚我大概 8 点 18 分进入，送货的预计时间是 12 月 4 日左右，所以我觉得真实受众不加价的情况下，大概 12 月中旬就可以拿到。晚于这个时间点的，也只有少部分是 iPhone Duo 的刚需用户了
iPhone Duo 相比之下售价更低，作为手机，需求更强，从预售前 5000 到 6000 的溢价，到目前市场上 3000 左右溢价，我预计 iPhone Duo 的溢价期会在六周，真实加价在 1500 到 2000 左右
如果首发后出现因为 esim 办理困难，无长焦，屏下摄像头成像质量难以接受，折叠屏铰链良品率低等目前看能够合理预见的负面事件，那 iPhone Duo 的溢价期可能进一步提前到四周
（个人主观分析，没有数据支持，纯图一乐）
via V2EX (author: ovovovovo)
[问与答] 请教一个 socks5 回家的问题，一直失败
家里网段是 192.168.2.1 ，其中有一个 N1 （ iStoreOS ），ip 地址是：192.168.2.199 ，部署了 openclash
按照不良林的教程，
仅允许内网已经关闭
SOCKS5/HTTP(S) 认证信息也已经设置
教程到这里说是已经结束了服务端的设置
sock5 的端口转发也已经配置了 ,57788 是我在 openclash 自定义了，本来默认是 7891
关于手机上的话 我使用的是 v2rayng ，手动创建了一个 SOCKS 节点。服务器地址我暂时写了我的公网 ipv4 地址（我还没部署 ddns ），然后就是服务端口 57788 ，最后就是 SOCKS5/HTTP(S) 认证信息
让 Ai 分析了下，说是 OpenClash 认证已经正确，N1 的出站正常，就是手机如果选择这个节点并且关闭 WiFi 的情况下，任何网页都是打不开的
让 Ai 帮忙也搞不定了实在是没办法，想到来这里请教一下大家
via V2EX (author: xuromky)
家里网段是 192.168.2.1 ，其中有一个 N1 （ iStoreOS ），ip 地址是：192.168.2.199 ，部署了 openclash
按照不良林的教程，
仅允许内网已经关闭
SOCKS5/HTTP(S) 认证信息也已经设置
教程到这里说是已经结束了服务端的设置
sock5 的端口转发也已经配置了 ,57788 是我在 openclash 自定义了，本来默认是 7891
关于手机上的话 我使用的是 v2rayng ，手动创建了一个 SOCKS 节点。服务器地址我暂时写了我的公网 ipv4 地址（我还没部署 ddns ），然后就是服务端口 57788 ，最后就是 SOCKS5/HTTP(S) 认证信息
让 Ai 分析了下，说是 OpenClash 认证已经正确，N1 的出站正常，就是手机如果选择这个节点并且关闭 WiFi 的情况下，任何网页都是打不开的
让 Ai 帮忙也搞不定了实在是没办法，想到来这里请教一下大家
via V2EX (author: xuromky)
[Vibe Coding] 我的 AI 工作台：多 Agent 协作和统一上下文
写在前面
我目前从事数据平台和 AI 相关的技术售前工作。过去一年，AI 在我的工作和生活中逐渐从一个简单的问答工具，变成了在生活和工作中真正能帮到我的工具。现在工作上的技术调研、方案梳理、代码脚本、部署排障和演示材料，生活里的日历、待办、财务和家庭网络管理，基本都有 AI 参与。
这篇文章想分享一下我目前使用 AI 的方式，以及这一年摸索下来的一些经验和教训。没有太多高深的东西，主要是自己真实的使用经历，希望能给大家一些参考，也希望大家给出一些建议。
订阅和硬件
订阅
硬件
目前我的主力是一台放在家里的旧笔记本，安装了 Linux Mint ，平时基本不用管它，就让它一直开着。基本上所有的 AI 任务都跑在上面，通过 Paseo 调度，通过 RustDesk 远程访问。
我在家主要用 Windows 台式机，通过 Paseo 连接到这台 Linux 。
另外有一台 MacBook Air ，上面跑 Codex Desktop ，主要用它的电脑操作能力：Codex 能直接看屏幕、移动鼠标、敲键盘，像人一样去操作 Mac 上的浏览器和各种应用。录 Demo 视频时，要在真实的产品界面里点击、展开、滚动，这类需要操作图形界面的活，交给 Mac 上的 Codex 最方便；家里那台 Linux 则主要跑命令行和后台任务。出门在外，我也会用这台 Mac 通过 Paseo 连回家里的 Linux 。
多 Agent 协作：用 Paseo 组一个团队
前面讲过，我主要通过 Paseo 远程连接 Linux ，在那里拉起和调度各个 Agent 。Paseo 支持子 Agent 配置和多个 Agent 协调，所以我可以只跟一个总控 Agent 说话，由它再去派活。
角色分工
目前我把 Agent 分成了六个角色，也是模仿现在比较流行的用 Agent 组建软件团队的做法。每个角色都是独立的会话，即使模型相同（比如 Lead 和 Architect 都是 Opus ），也会单独开一个子 Agent 。
任务怎么流转
一个普通任务大致这样走：我把需求交给 Lead，Lead 定好范围和验收标准后派给 Developer 实现并自测；改动风险高一些的，再交给 Reviewer 审代码、QA 实际跑一遍；有问题退回 Developer 修，最后由 Lead 核对真实的输出结果再交给我。小改动的话，Lead 直接处理掉。
另外两个角色按需加入：
● Architect：涉及技术方案时，Lead 先把问题和现有证据交给它，由它出方案、定接口和约束，并写明要怎么验证，再交给 Developer 实现。它不常驻，只在有具体的技术难题、需要做设计取舍，或者实现中发现原方案不成立时才叫它；它只管方案，不派工，一般也不自己写代码。
● DevOps：涉及环境准备、构建打包、部署时才安排。它可以和 Developer 同时开工，提前把环境准备好；产物打好包之后，再由 QA 拿同一份产物验证。
接入 pstack
角色定了「谁来干」，但没管「怎么干」。最近我在把 pstack 融进这套流程，它是 Cursor 官方的一套工程方法库，把澄清需求、读代码、TDD 修 Bug 、评估改动影响、性能测试等常见工程活拆成了一个个 Skill 。
不过 pstack 自带一套编排方式，会自己拉子 Agent 、跑多模型，这和 Paseo 的角色分工是冲突的。所以我没有整套照搬，而是让 AI 写了一个很薄的路由 Skill ，用一张表定义「什么情况、通常哪个角色、读哪个方法、要交出什么」。Lead 派工时只在任务开头加一句「先加载路由 Skill 」，每个角色按手头任务自己挑方法用。谁能派工、谁能写代码、什么时候必须停下来，仍然以 Paseo 的编排规则为准。
上下文管理：用 Obsidian 统一记忆和规则
为什么用 Obsidian
用多个 LLM 的问题在于如何跨模型管理上下文。Claude Code 、Codex 、Cursor 各有各的记忆和配置，互不相通，同一件事要讲好几遍。
我的做法是用 Obsidian 来管理和存放所有上下文。说白了就是一堆 Markdown 文本文件，但这正是好处：哪家的 Agent 都能直接读写，不绑定任何一个客户端； Obsidian 还能把它们同步出去，不光是别的电脑，云端的机器也能直接共享这套上下文，不管是自己的 VPS ，还是 Grok Bot 、GPT dot 这类云端服务。客户端自带的记忆我只当临时缓存，长期的东西都以 Obsidian 为准。
目录规划
目录规划如下：
规则入口：AGENTS.md
这个入口文件采用渐进式披露：本身只写几条通用规则，比如能自己查的日志和配置先查了再回答、同一个方法失败两次就换思路、做完要验证、没验证的要说出来。具体规则拆成几个主题页，入口文件里只放一张「什么场景读哪页」的索引：
Agent 按当前任务只读命中的那一页，上下文不会被一大堆用不上的规则占满。多 Agent 的规则分两页：
定期整理
每个月第一个周日凌晨会跑一个定时任务，让 AI 重新整理 Obsidian 里的这些文档，保留有价值的内容，删除重复和过时的信息，结果通过 Hermes 推送给我，我再抽空看一眼。
凭据不进笔记
密码和密钥不进 Obsidian 。我的所有密码都用 1Password 管理，通过 1Password 的开发者环境和单独的 Vault 两种方式把密钥分享给 Agent ，笔记里只写「去哪取」，不写值。
踩过的坑
● 各家客户端的配置不共用。 MCP 、Skill 、规则文件，每个客户端都要单独部署一份，所以我才坚持「 Obsidian 是唯一源头，其他地方都是软链或副本」。
● 自带记忆和 Obsidian 会记重复。 有的客户端默认开着自己的记忆，同一件事两边都记，时间久了还会互相矛盾。现在一律以 Obsidian 为准。
● 多个 Agent 之间背景不同步。 派出去的 Worker 不知道前因后果，容易重复劳动或者跑偏。不过现在用 Lead 来统一管这些事情。
最后
这套东西是一年里一点点攒出来的，欢迎在评论区交流，也欢迎指出我这套里不合理的地方。
via V2EX (author: ursash)
写在前面
我目前从事数据平台和 AI 相关的技术售前工作。过去一年，AI 在我的工作和生活中逐渐从一个简单的问答工具，变成了在生活和工作中真正能帮到我的工具。现在工作上的技术调研、方案梳理、代码脚本、部署排障和演示材料，生活里的日历、待办、财务和家庭网络管理，基本都有 AI 参与。
这篇文章想分享一下我目前使用 AI 的方式，以及这一年摸索下来的一些经验和教训。没有太多高深的东西，主要是自己真实的使用经历，希望能给大家一些参考，也希望大家给出一些建议。
订阅和硬件
订阅
硬件
目前我的主力是一台放在家里的旧笔记本，安装了 Linux Mint ，平时基本不用管它，就让它一直开着。基本上所有的 AI 任务都跑在上面，通过 Paseo 调度，通过 RustDesk 远程访问。
我在家主要用 Windows 台式机，通过 Paseo 连接到这台 Linux 。
另外有一台 MacBook Air ，上面跑 Codex Desktop ，主要用它的电脑操作能力：Codex 能直接看屏幕、移动鼠标、敲键盘，像人一样去操作 Mac 上的浏览器和各种应用。录 Demo 视频时，要在真实的产品界面里点击、展开、滚动，这类需要操作图形界面的活，交给 Mac 上的 Codex 最方便；家里那台 Linux 则主要跑命令行和后台任务。出门在外，我也会用这台 Mac 通过 Paseo 连回家里的 Linux 。
多 Agent 协作：用 Paseo 组一个团队
前面讲过，我主要通过 Paseo 远程连接 Linux ，在那里拉起和调度各个 Agent 。Paseo 支持子 Agent 配置和多个 Agent 协调，所以我可以只跟一个总控 Agent 说话，由它再去派活。
角色分工
目前我把 Agent 分成了六个角色，也是模仿现在比较流行的用 Agent 组建软件团队的做法。每个角色都是独立的会话，即使模型相同（比如 Lead 和 Architect 都是 Opus ），也会单独开一个子 Agent 。
任务怎么流转
一个普通任务大致这样走：我把需求交给 Lead，Lead 定好范围和验收标准后派给 Developer 实现并自测；改动风险高一些的，再交给 Reviewer 审代码、QA 实际跑一遍；有问题退回 Developer 修，最后由 Lead 核对真实的输出结果再交给我。小改动的话，Lead 直接处理掉。
另外两个角色按需加入：
● Architect：涉及技术方案时，Lead 先把问题和现有证据交给它，由它出方案、定接口和约束，并写明要怎么验证，再交给 Developer 实现。它不常驻，只在有具体的技术难题、需要做设计取舍，或者实现中发现原方案不成立时才叫它；它只管方案，不派工，一般也不自己写代码。
● DevOps：涉及环境准备、构建打包、部署时才安排。它可以和 Developer 同时开工，提前把环境准备好；产物打好包之后，再由 QA 拿同一份产物验证。
接入 pstack
角色定了「谁来干」，但没管「怎么干」。最近我在把 pstack 融进这套流程，它是 Cursor 官方的一套工程方法库，把澄清需求、读代码、TDD 修 Bug 、评估改动影响、性能测试等常见工程活拆成了一个个 Skill 。
不过 pstack 自带一套编排方式，会自己拉子 Agent 、跑多模型，这和 Paseo 的角色分工是冲突的。所以我没有整套照搬，而是让 AI 写了一个很薄的路由 Skill ，用一张表定义「什么情况、通常哪个角色、读哪个方法、要交出什么」。Lead 派工时只在任务开头加一句「先加载路由 Skill 」，每个角色按手头任务自己挑方法用。谁能派工、谁能写代码、什么时候必须停下来，仍然以 Paseo 的编排规则为准。
上下文管理：用 Obsidian 统一记忆和规则
为什么用 Obsidian
用多个 LLM 的问题在于如何跨模型管理上下文。Claude Code 、Codex 、Cursor 各有各的记忆和配置，互不相通，同一件事要讲好几遍。
我的做法是用 Obsidian 来管理和存放所有上下文。说白了就是一堆 Markdown 文本文件，但这正是好处：哪家的 Agent 都能直接读写，不绑定任何一个客户端； Obsidian 还能把它们同步出去，不光是别的电脑，云端的机器也能直接共享这套上下文，不管是自己的 VPS ，还是 Grok Bot 、GPT dot 这类云端服务。客户端自带的记忆我只当临时缓存，长期的东西都以 Obsidian 为准。
目录规划
目录规划如下：
规则入口：AGENTS.md
~/.claude/CLAUDE.md、~/.codex/AGENTS.md、~/.cursor/AGENTS.md 都软链到同一个 preferences/AGENTS.md，改一处，所有 Agent 都生效。这个入口文件采用渐进式披露：本身只写几条通用规则，比如能自己查的日志和配置先查了再回答、同一个方法失败两次就换思路、做完要验证、没验证的要说出来。具体规则拆成几个主题页，入口文件里只放一张「什么场景读哪页」的索引：
Agent 按当前任务只读命中的那一页，上下文不会被一大堆用不上的规则占满。多 Agent 的规则分两页：
agent-orchestration 给 Lead ，管怎么派工和验收；agent-worker 给 Worker ，管干活的边界和交付。定期整理
每个月第一个周日凌晨会跑一个定时任务，让 AI 重新整理 Obsidian 里的这些文档，保留有价值的内容，删除重复和过时的信息，结果通过 Hermes 推送给我，我再抽空看一眼。
凭据不进笔记
密码和密钥不进 Obsidian 。我的所有密码都用 1Password 管理，通过 1Password 的开发者环境和单独的 Vault 两种方式把密钥分享给 Agent ，笔记里只写「去哪取」，不写值。
踩过的坑
● 各家客户端的配置不共用。 MCP 、Skill 、规则文件，每个客户端都要单独部署一份，所以我才坚持「 Obsidian 是唯一源头，其他地方都是软链或副本」。
● 自带记忆和 Obsidian 会记重复。 有的客户端默认开着自己的记忆，同一件事两边都记，时间久了还会互相矛盾。现在一律以 Obsidian 为准。
● 多个 Agent 之间背景不同步。 派出去的 Worker 不知道前因后果，容易重复劳动或者跑偏。不过现在用 Lead 来统一管这些事情。
最后
这套东西是一年里一点点攒出来的，欢迎在评论区交流，也欢迎指出我这套里不合理的地方。
via V2EX (author: ursash)
[程序员] 大家还是少用点中转站吧，水太深了
由于经常改远程机器上的文件，修改后 git 操作十分不便，因此想要一个 web 版的 git ，找了一圈没有合适好用的，就想着自己用 AI 撸一个。
在网页版豆包讨论完需求文档后形成 md 文件，扔给 opencode ，
opencode + 中转站 gpt-6.1-sol ，3 小时花了 7 块钱，产出界面新手村水平，fetch 、pull 、push 、功能区等等功能无一个落地成功，纯废！
想着 gpt-6.1-sol 不应该这么拉，但是手上又无现成 gpt 套餐，就拿 deepseek-41-flash 试了下(周五晚上还未到 1017 版本)，
一样的把 md 需求文件扔给它，大半小时后产出完成，打开居然把我惊艳到了，超出预期，基本功能全部可用，落地成功！
gpt-6.1-sol 的水平不应该这么拉，所以什么原因不用多说也明白，
原本都是修修改改，AI 胜任起来没有明确的体验，这次是真的把我恶心到了！
该中转站知名度还不低，避免纠纷这里就不写出来了。
后续决定还是优先考虑用官方的 api 吧！
撸的产出： https://github.com/selfly/synclavis
via V2EX (author: selfly)
由于经常改远程机器上的文件，修改后 git 操作十分不便，因此想要一个 web 版的 git ，找了一圈没有合适好用的，就想着自己用 AI 撸一个。
在网页版豆包讨论完需求文档后形成 md 文件，扔给 opencode ，
opencode + 中转站 gpt-6.1-sol ，3 小时花了 7 块钱，产出界面新手村水平，fetch 、pull 、push 、功能区等等功能无一个落地成功，纯废！
想着 gpt-6.1-sol 不应该这么拉，但是手上又无现成 gpt 套餐，就拿 deepseek-41-flash 试了下(周五晚上还未到 1017 版本)，
一样的把 md 需求文件扔给它，大半小时后产出完成，打开居然把我惊艳到了，超出预期，基本功能全部可用，落地成功！
gpt-6.1-sol 的水平不应该这么拉，所以什么原因不用多说也明白，
原本都是修修改改，AI 胜任起来没有明确的体验，这次是真的把我恶心到了！
该中转站知名度还不低，避免纠纷这里就不写出来了。
后续决定还是优先考虑用官方的 api 吧！
撸的产出： https://github.com/selfly/synclavis
via V2EX (author: selfly)
[分享创造] 我做了个记录「每周尝试一件新事」的站，每条都按五个维度打分
起因很具体：我一直想找一件自己真正喜欢、又能坚持下去的事，但每次都是 "想试试"然后就没了。看了很多 "things to try" 的清单，全是罗列一百条， 看完更不知道从哪开始。
所以我自己做了一个：不列一百条，只记录我真的去试过的。目前 12 条， 每条写清楚三件事——实际是什么感觉、怎么开始、花了多少钱，再按五个维度 打分（愉悦 / 投入 / 成就感 / 轻松 / 想不想再来）。
举两个例子：
● 速降（ abseiling ）：$60 半天的向导课。愉悦 4 分，但「轻松」只有 2 分—— 装备很重、站上去很高。想不想再来：Maybe 。
● 陶艺课：$45 两小时，最后真的拿了个自己在用的杯子。总分 4.6 。
故意保留低分：公开麦（ open mic ）我只给了 3.8 ，现场比想象中冷。 我觉得这种"不好也照实写"的记录，比一百条全是"超棒的体验"的清单有用。
技术上很简单，Astro 静态站，内容全在 Markdown 里，没做数据库也没做登录。 现在 12 条体验 + 3 个清单页（当无聊时在家能做什么、bucket list 、冷门体验）。
三个我想问的问题：
1. 五维评分这套维度，你们觉得有没有缺的？我自己在纠结要不要加一个 "值得推荐给别人"。
2. 每条只写一屏，会不会太短？我在想要不要加"我当时做错了什么"这一段。
3. 我下一步想做"抽卡"——打开随机给你一张这周要试的体验卡，强制不能换。 这个在纯静态站上做好像也能实现？有人试过吗？
站在这里： https://www.newexperiences.co/
via V2EX (author: peabarkley520)
起因很具体：我一直想找一件自己真正喜欢、又能坚持下去的事，但每次都是 "想试试"然后就没了。看了很多 "things to try" 的清单，全是罗列一百条， 看完更不知道从哪开始。
所以我自己做了一个：不列一百条，只记录我真的去试过的。目前 12 条， 每条写清楚三件事——实际是什么感觉、怎么开始、花了多少钱，再按五个维度 打分（愉悦 / 投入 / 成就感 / 轻松 / 想不想再来）。
举两个例子：
● 速降（ abseiling ）：$60 半天的向导课。愉悦 4 分，但「轻松」只有 2 分—— 装备很重、站上去很高。想不想再来：Maybe 。
● 陶艺课：$45 两小时，最后真的拿了个自己在用的杯子。总分 4.6 。
故意保留低分：公开麦（ open mic ）我只给了 3.8 ，现场比想象中冷。 我觉得这种"不好也照实写"的记录，比一百条全是"超棒的体验"的清单有用。
技术上很简单，Astro 静态站，内容全在 Markdown 里，没做数据库也没做登录。 现在 12 条体验 + 3 个清单页（当无聊时在家能做什么、bucket list 、冷门体验）。
三个我想问的问题：
1. 五维评分这套维度，你们觉得有没有缺的？我自己在纠结要不要加一个 "值得推荐给别人"。
2. 每条只写一屏，会不会太短？我在想要不要加"我当时做错了什么"这一段。
3. 我下一步想做"抽卡"——打开随机给你一张这周要试的体验卡，强制不能换。 这个在纯静态站上做好像也能实现？有人试过吗？
站在这里： https://www.newexperiences.co/
via V2EX (author: peabarkley520)