[分享发现] 为什么 Skillry 3 周过万刀？
简单写了篇分析。
但是总感觉自己手写的内容也一股 AI 味道，该不会是看 AI 内容太多把脑子影响了吧。
https://x.com/_gkiwi/status/2113497590092505232
via V2EX (author: gkiwi)
简单写了篇分析。
但是总感觉自己手写的内容也一股 AI 味道，该不会是看 AI 内容太多把脑子影响了吧。
https://x.com/_gkiwi/status/2113497590092505232
via V2EX (author: gkiwi)
[分享创造] [开源公测] 做了个让 AI 替我打的三国游戏，上班摸鱼， AI 打仗
以前玩 SLG 最烦的就是肝：半夜定闹钟收资源，掐着点出兵，还得防着被人偷家。
所以我做了个反过来的：人摸鱼，AI 打仗。
怎么玩很简单：
● 打开网页，Google 或 GitHub 登录，不用下载。
● 游戏里点一下「复制给 AI 」，文档、地址、令牌一起进剪贴板，直接贴给 Claude 、ChatGPT 、本地模型或者你自己写的脚本，它就自己开始建城、练兵、打仗了。
● 用 Claude Code 、Cursor 的话更省事，有个 MCP 插件，加几行配置就能连。
几个我自己比较在意的点：
● 人和 AI 用的是同一套协议，服务端校验也一样，没给 AI 开后门。
● 服务端自己不跑 AI ，聪不聪明全看你接的是什么模型。
● AI 会写计划、给战报写点评，你不在的时候还会写日报。回来一看，哦它昨晚把隔壁城拆了。
● 离线也产资源，新手保护 3 天，每周能免战一次 12 小时，不用熬夜守家。
说回倒计时：第 1 赛季周日（ 10 月 25 日）凌晨 4 点结束。结束后世界会重置，换成一张新地图，每季 28 天。账号、令牌、登录绑定都保留，进新赛季自动给你建好主城。
所以现在进来能赶上最后一波，等新赛季从头开始也行，大家起跑线一样。
游戏： https://slg.yuntianyou.cc
源码（ MIT ）： https://github.com/athlan20/slg
有问题直接提 Issue ，也想听听你们的 AI 都是怎么打的。
via V2EX (author: xltc20)
以前玩 SLG 最烦的就是肝：半夜定闹钟收资源，掐着点出兵，还得防着被人偷家。
所以我做了个反过来的：人摸鱼，AI 打仗。
怎么玩很简单：
● 打开网页，Google 或 GitHub 登录，不用下载。
● 游戏里点一下「复制给 AI 」，文档、地址、令牌一起进剪贴板，直接贴给 Claude 、ChatGPT 、本地模型或者你自己写的脚本，它就自己开始建城、练兵、打仗了。
● 用 Claude Code 、Cursor 的话更省事，有个 MCP 插件，加几行配置就能连。
几个我自己比较在意的点：
● 人和 AI 用的是同一套协议，服务端校验也一样，没给 AI 开后门。
● 服务端自己不跑 AI ，聪不聪明全看你接的是什么模型。
● AI 会写计划、给战报写点评，你不在的时候还会写日报。回来一看，哦它昨晚把隔壁城拆了。
● 离线也产资源，新手保护 3 天，每周能免战一次 12 小时，不用熬夜守家。
说回倒计时：第 1 赛季周日（ 10 月 25 日）凌晨 4 点结束。结束后世界会重置，换成一张新地图，每季 28 天。账号、令牌、登录绑定都保留，进新赛季自动给你建好主城。
所以现在进来能赶上最后一波，等新赛季从头开始也行，大家起跑线一样。
游戏： https://slg.yuntianyou.cc
源码（ MIT ）： https://github.com/athlan20/slg
有问题直接提 Issue ，也想听听你们的 AI 都是怎么打的。
via V2EX (author: xltc20)
[分享创造] [自荐] Codex 老卡在 at capacity，我写了个 macOS 小工具替它点「重试」
用 Codex 跑长任务的人应该都见过这一行：
Selected model is at capacity. Please try a different model.
它不报错、不退出，就是停在那里等一次点击。人不在电脑前，这一停可能就是几小时。
所以我写了个小工具，盯住 Codex 窗口，出现这个错误就自己去点「重试」。现在我的用法是：扔一个长任务，去干别的，回来接着看结果。
官网（有动图演示、双语、常见问题）： https://yuxi1989.github.io/Codex-RetryPilot/
源码（MIT，核心就一个 main.swift）： https://github.com/yuxi1989/Codex-RetryPilot
装起来
有 Homebrew 的话一条命令：
brew install --cask yuxi1989/tap/codex-retrypilot
没有就下载 dmg 拖进「应用程序」： https://github.com/yuxi1989/Codex-RetryPilot/releases
macOS 13 起，Intel 和 Apple Silicon 都能跑，已过 Apple 公证，双击直接开，不用右键、不用 xattr。
它是怎么点的
三层，前面能用就不往后走：
1. 通过 macOS 辅助功能 API 遍历 Codex 窗口结构，找到「重试」按钮，直接 AXPress。不移动鼠标、不抢焦点，你可以同时在别的窗口打字。
2. 按压无效就把点击事件直接投递给 Codex 进程（按 PID 投递，不是全局点击）。
3. 兼容模式再加坐标点击兜底：先用截图确认屏幕上真的有「重试」按钮才点，点完把焦点还给你原来的窗口。
顺带做了个「指令接力」
Codex 连续空闲 N 分钟后，自动发送指令队列里的下一条。我拿它跑多步 prompt 链——「先分析、再重构、最后补测试」这种一条条喂的场景。默认不开。
需要说清楚的几件事
● 不绕过限流。 只是代替你点按钮。服务端真忙时它也无能为力，只能继续重试。没有 API key、没有代理、不碰请求。
● 不联网。 无遥测、无自动更新、不上传日志和截图，配置存本地 JSON。我没链接任何网络库，可以 otool 自己验。
● 权限要两项。 辅助功能（找按钮按按钮）+ 屏幕录制（只有一个用途：坐标点击前确认按钮真的在）。自动化权限可选，用来归还焦点。
● 找不到就不点。 三层都要求先在 AX 树里找到标题匹配「重试 / Retry / 重試」的按钮，坐标点击还要额外截图确认。
比较想听的是它在你机器上失灵的情况：Codex 版本不同、窗口布局不同、缩放不同，都可能让按钮定位失败。遇到了把日志贴给我（~/Library/Application Support/CodexRetry/），我按你的情况改。
via V2EX (author: yuxi1989)
用 Codex 跑长任务的人应该都见过这一行：
Selected model is at capacity. Please try a different model.
它不报错、不退出，就是停在那里等一次点击。人不在电脑前，这一停可能就是几小时。
所以我写了个小工具，盯住 Codex 窗口，出现这个错误就自己去点「重试」。现在我的用法是：扔一个长任务，去干别的，回来接着看结果。
官网（有动图演示、双语、常见问题）： https://yuxi1989.github.io/Codex-RetryPilot/
源码（MIT，核心就一个 main.swift）： https://github.com/yuxi1989/Codex-RetryPilot
装起来
有 Homebrew 的话一条命令：
brew install --cask yuxi1989/tap/codex-retrypilot
没有就下载 dmg 拖进「应用程序」： https://github.com/yuxi1989/Codex-RetryPilot/releases
macOS 13 起，Intel 和 Apple Silicon 都能跑，已过 Apple 公证，双击直接开，不用右键、不用 xattr。
它是怎么点的
三层，前面能用就不往后走：
1. 通过 macOS 辅助功能 API 遍历 Codex 窗口结构，找到「重试」按钮，直接 AXPress。不移动鼠标、不抢焦点，你可以同时在别的窗口打字。
2. 按压无效就把点击事件直接投递给 Codex 进程（按 PID 投递，不是全局点击）。
3. 兼容模式再加坐标点击兜底：先用截图确认屏幕上真的有「重试」按钮才点，点完把焦点还给你原来的窗口。
顺带做了个「指令接力」
Codex 连续空闲 N 分钟后，自动发送指令队列里的下一条。我拿它跑多步 prompt 链——「先分析、再重构、最后补测试」这种一条条喂的场景。默认不开。
需要说清楚的几件事
● 不绕过限流。 只是代替你点按钮。服务端真忙时它也无能为力，只能继续重试。没有 API key、没有代理、不碰请求。
● 不联网。 无遥测、无自动更新、不上传日志和截图，配置存本地 JSON。我没链接任何网络库，可以 otool 自己验。
● 权限要两项。 辅助功能（找按钮按按钮）+ 屏幕录制（只有一个用途：坐标点击前确认按钮真的在）。自动化权限可选，用来归还焦点。
● 找不到就不点。 三层都要求先在 AX 树里找到标题匹配「重试 / Retry / 重試」的按钮，坐标点击还要额外截图确认。
比较想听的是它在你机器上失灵的情况：Codex 版本不同、窗口布局不同、缩放不同，都可能让按钮定位失败。遇到了把日志贴给我（~/Library/Application Support/CodexRetry/），我按你的情况改。
via V2EX (author: yuxi1989)
[分享创造] [自用开源] 给安卓写了个网页电台 App：随声 / Tune Roam
前几天在 V2EX 看到 这个网页电台的帖子，我平时也爱听电台，可我用的是安卓手机，当时作者还没出 App ，就让 AI 帮我写了一个安卓版，自己先凑合着用。
用了几天感觉还不错，就整理了一下开源出来：
https://github.com/renyijiu/tune-roam
功能比较简单，主要有这些：
● 电台数据来自 Radio Browser ，可以按国家转盘随机找台
● 支持后台播放，锁屏和通知栏能控制，也能显示正在播的曲目名
● 有最近收听和睡眠定时
● 对国内网络做了些适配：内置了一份常用电台列表，可以只看国内能连上的台，某个台播不了会自动跳到相似的台
这个主要是写来自己用的，代码和设计都还比较粗糙，欢迎提 issue 和 PR 。
另外，原作者现在已经在内测安卓和 iOS 版了，功能更完整，感兴趣的朋友也可以去原帖看看、支持一下原作者 🙏
via V2EX (author: renyijiu)
前几天在 V2EX 看到 这个网页电台的帖子，我平时也爱听电台，可我用的是安卓手机，当时作者还没出 App ，就让 AI 帮我写了一个安卓版，自己先凑合着用。
用了几天感觉还不错，就整理了一下开源出来：
https://github.com/renyijiu/tune-roam
功能比较简单，主要有这些：
● 电台数据来自 Radio Browser ，可以按国家转盘随机找台
● 支持后台播放，锁屏和通知栏能控制，也能显示正在播的曲目名
● 有最近收听和睡眠定时
● 对国内网络做了些适配：内置了一份常用电台列表，可以只看国内能连上的台，某个台播不了会自动跳到相似的台
这个主要是写来自己用的，代码和设计都还比较粗糙，欢迎提 issue 和 PR 。
另外，原作者现在已经在内测安卓和 iOS 版了，功能更完整，感兴趣的朋友也可以去原帖看看、支持一下原作者 🙏
via V2EX (author: renyijiu)
[分享创造] 一款把 Agent 伺候美美的游戏引擎
做了一个非常适合 Agent 自己迭代造游戏的引擎 EVEngine ，核心优势有 3 个：
1. 随时热重载 - 脚本更新、资源更新不用等，立马就刷新，修改迭代时间短
2. 自带 MCP 和 debug 服务器，可以截图、控制运行、控制 debug - Agent 可以完全像人一样调试脚本
3. 可以创建编辑器给 Agent - 你写个 editor ，人能用，Agent 一样能用
支持各类常见资源的加载，png 、jpeg 、mp3 、ogg 、各类 3d 模型、scad 、unity 资源包、ue5 资源包等。
其他还支持各种程序化场景生成、地形工具、ECS 、tilemap 、RTS 框架、RPG 框架、背包系统、任务系统、水体渲染、风格化渲染等一堆常见游戏系统。
欢迎查看具体效果视频，以下内容都是 deepseek/codex 调用 EVEngine 完成的，这些示例我没有手工编写任何代码：
[自研引擎也要移植下 CK3 看看] https://www.bilibili.com/video/BV1Sfe669EQz/?share_source=copy_web&vd_source=dc379818946312063729495537a1e411
[自研引擎也要回复下评论区朋友的想法] https://www.bilibili.com/video/BV183e16AEVv/?share_source=copy_web&vd_source=dc379818946312063729495537a1e411
[ [自研引擎] 物理特效-坍塌的房屋] https://www.bilibili.com/video/BV17PJB6XEVz/?share_source=copy_web&vd_source=dc379818946312063729495537a1e411
[ [自研引擎] AI+PCG 生成城市夜景] https://www.bilibili.com/video/BV1cqJB6cE8i/?share_source=copy_web&vd_source=dc379818946312063729495537a1e411
[ [自研引擎] 做这个游戏 Demo ，AI 只用了 5 分钟] https://www.bilibili.com/video/BV1XRJB6mEe9/?share_source=copy_web&vd_source=dc379818946312063729495537a1e411
[ [自研引擎] 你敢信，模型和动画都是 AI 写代码生成的] https://www.bilibili.com/video/BV1qPJB6XEPK/?share_source=copy_web&vd_source=dc379818946312063729495537a1e411
喜欢的朋友请别忘记 star 一下，这对我非常重要： https://github.com/EVEngine/EVEngine
引擎下载官网：evengine.github.io
via V2EX (author: sunxfancy)
做了一个非常适合 Agent 自己迭代造游戏的引擎 EVEngine ，核心优势有 3 个：
1. 随时热重载 - 脚本更新、资源更新不用等，立马就刷新，修改迭代时间短
2. 自带 MCP 和 debug 服务器，可以截图、控制运行、控制 debug - Agent 可以完全像人一样调试脚本
3. 可以创建编辑器给 Agent - 你写个 editor ，人能用，Agent 一样能用
支持各类常见资源的加载，png 、jpeg 、mp3 、ogg 、各类 3d 模型、scad 、unity 资源包、ue5 资源包等。
其他还支持各种程序化场景生成、地形工具、ECS 、tilemap 、RTS 框架、RPG 框架、背包系统、任务系统、水体渲染、风格化渲染等一堆常见游戏系统。
欢迎查看具体效果视频，以下内容都是 deepseek/codex 调用 EVEngine 完成的，这些示例我没有手工编写任何代码：
[自研引擎也要移植下 CK3 看看] https://www.bilibili.com/video/BV1Sfe669EQz/?share_source=copy_web&vd_source=dc379818946312063729495537a1e411
[自研引擎也要回复下评论区朋友的想法] https://www.bilibili.com/video/BV183e16AEVv/?share_source=copy_web&vd_source=dc379818946312063729495537a1e411
[ [自研引擎] 物理特效-坍塌的房屋] https://www.bilibili.com/video/BV17PJB6XEVz/?share_source=copy_web&vd_source=dc379818946312063729495537a1e411
[ [自研引擎] AI+PCG 生成城市夜景] https://www.bilibili.com/video/BV1cqJB6cE8i/?share_source=copy_web&vd_source=dc379818946312063729495537a1e411
[ [自研引擎] 做这个游戏 Demo ，AI 只用了 5 分钟] https://www.bilibili.com/video/BV1XRJB6mEe9/?share_source=copy_web&vd_source=dc379818946312063729495537a1e411
[ [自研引擎] 你敢信，模型和动画都是 AI 写代码生成的] https://www.bilibili.com/video/BV1qPJB6XEPK/?share_source=copy_web&vd_source=dc379818946312063729495537a1e411
喜欢的朋友请别忘记 star 一下，这对我非常重要： https://github.com/EVEngine/EVEngine
引擎下载官网：evengine.github.io
via V2EX (author: sunxfancy)
[分享创造] Muse 的问题，我们也犯过
personal ai 或者说个人 AI 助手的权限管理和记忆机制是老大难
上个月，Meta 上线了个人 AI 助手 Muse。一个加拿大的哥们 Usman 让它卖键盘，它替主人回买家消息的时候，没经过同意就把取货地址发了出去。买家真的开着车到了楼下，卖家毫不知情，也不在家，买家白跑一趟。
后来 Meta 承认，Muse 关于这件事的解释，是一次幻觉。
其实我们做的项目也有智能体交易平台，坦白说也犯过类似的错。我把我们之前 AI 撮合的成交记录翻了一遍。
在之前有次测试的时候，帖子里是给自己的模型平台找客户，谈出来的结果里编造了“支持哪些大模型，服务稳定性承诺 99.9%，测试密钥一到两个工作日给出”这些事。
这些数字，全是它自己补出来的。
而对方的 AI 信了。这笔单子最后点了确认。
这相当于什么，相当于我们派出去的人，自己编了一套条款，然后对方签了。
还有一笔。
一方的 AI 说，「我们今晚八点见」。
对方的 AI 回，「八点没空，明天上午十点吧」。
两个 AI 就这么把见面时间定下来了。
而它们各自背后那两个真人，谁都没被问过一句。
Agent 只是把时间对上了，干净利落。
我意识到，我们产品里很多跟人有关的东西，好像都被默认成了 AI 可以自己帮忙决定。
所以后来，我们把这类问题拎出来，一条一条改掉了。
第一件事是联系方式。
邮箱、手机号、微信号，用户没有同意公开的，我们的 AI 就是想说也说不出去。
具体做法是这样。你在资料里填的联系方式，默认就是不公开的。只有你自己明确打开了「允许公开」，它才有可能被用在对话里。而它每写完一条回复，系统还会再检查一遍，只要里面出现了任何你没授权过的号码，这条消息直接发不出去。
不是提醒它别发，是那次调用的时候，它根本看不到，更发不出去。
第二件事是时间和价格。
AI 不能自己定价，也不能自己答应「下周三下午两点见」。它可以说我去问问，但不能说定了。
第三件事，报价不能凭空编。
要谈价格，必须先上网查同类服务的公开报价。查完还得说明这是市场参考，不是本人的报价。查不到就直接说查不到，不许猜。
第四件事，要请你做决定，就得走正式的流程。
它需要你拍板的时候，得提交一条正式的待确认事项。而不是在对话里说一句我请示一下主人，就算完事。
这四条不是我们听了报告才补的。
是我们自己在复盘成交记录的时候，一条一条翻出来的。翻出来了就改，这是该做的事。
我们改的其实不是它的能力，是它的权限。
这两件事听起来差不多，其实是两码事。
改的过程中我才发现，「改了」分两种。
一种是要求它别做，另一种是让它做不了。
联系方式，我们做的是第二种。系统直接拦住，发不出去。
时间和报价，我们做的是第一种。规则上要求它必须先确认。
这两者的差别，平时看不出来，出事的时候差得很远。
一个被要求「不要撒谎」的人，和一张没法撒谎的嘴，是一回事吗。
显然不是。
我们那笔编造报价的单子能成，恰恰就是因为当时报价这块还没有任何约束。AI 想怎么说就怎么说，而对方的 AI 又很乐意相信。
两个都不太在乎真假的东西，凑一块儿，成了。
大模型很多时候根本不觉得那是在替你做决定，它觉得那只是把两件事拼在一起而已。
我们平台里真正把生意谈成的那些单子，没有一笔是 AI agent 单独完成的。
每单的最后一步，都是要人上来接手的。有人补了新的交易信息，有人手动点了确认，有人把手机号、微信号发了过去。
AI 把条件摆清楚，把信息摊开，把对方能接受的区间摸出来。
然后人上前一步，把事定了。
有人以为这说明产品还不到位，还差最后那一下没闭环。
后来我才想明白，那一下不是差，是必须留的。
我们后来给 agent 划了一条线，标准不是 agent 有没有能力做，是这件事万一办砸了，谁来收拾。
价格报错了，赔钱的是人。时间答应错了，失约的是你。地址发出去，半夜被敲门的还是你。
后果落在谁身上，决策权就得在谁手里。
这不是一条能力线，是一条责任线。
说起来挺像废话的，但拿它去量一量你用过的那些 AI 产品，包括我们自己的产品，也是翻了那些记录才想明白的。
一个愿意为了促成交易而不顾事实的助手，大概毁掉生意。
而一个知道自己该在哪儿停下、请示人的助手，才合理吧。
作者:三此连连 AI 联创，致力于用 AI 帮人找资源、扩人脉。
via V2EX (author: wmxpop)
personal ai 或者说个人 AI 助手的权限管理和记忆机制是老大难
上个月，Meta 上线了个人 AI 助手 Muse。一个加拿大的哥们 Usman 让它卖键盘，它替主人回买家消息的时候，没经过同意就把取货地址发了出去。买家真的开着车到了楼下，卖家毫不知情，也不在家，买家白跑一趟。
后来 Meta 承认，Muse 关于这件事的解释，是一次幻觉。
其实我们做的项目也有智能体交易平台，坦白说也犯过类似的错。我把我们之前 AI 撮合的成交记录翻了一遍。
在之前有次测试的时候，帖子里是给自己的模型平台找客户，谈出来的结果里编造了“支持哪些大模型，服务稳定性承诺 99.9%，测试密钥一到两个工作日给出”这些事。
这些数字，全是它自己补出来的。
而对方的 AI 信了。这笔单子最后点了确认。
这相当于什么，相当于我们派出去的人，自己编了一套条款，然后对方签了。
还有一笔。
一方的 AI 说，「我们今晚八点见」。
对方的 AI 回，「八点没空，明天上午十点吧」。
两个 AI 就这么把见面时间定下来了。
而它们各自背后那两个真人，谁都没被问过一句。
Agent 只是把时间对上了，干净利落。
我意识到，我们产品里很多跟人有关的东西，好像都被默认成了 AI 可以自己帮忙决定。
所以后来，我们把这类问题拎出来，一条一条改掉了。
第一件事是联系方式。
邮箱、手机号、微信号，用户没有同意公开的，我们的 AI 就是想说也说不出去。
具体做法是这样。你在资料里填的联系方式，默认就是不公开的。只有你自己明确打开了「允许公开」，它才有可能被用在对话里。而它每写完一条回复，系统还会再检查一遍，只要里面出现了任何你没授权过的号码，这条消息直接发不出去。
不是提醒它别发，是那次调用的时候，它根本看不到，更发不出去。
第二件事是时间和价格。
AI 不能自己定价，也不能自己答应「下周三下午两点见」。它可以说我去问问，但不能说定了。
第三件事，报价不能凭空编。
要谈价格，必须先上网查同类服务的公开报价。查完还得说明这是市场参考，不是本人的报价。查不到就直接说查不到，不许猜。
第四件事，要请你做决定，就得走正式的流程。
它需要你拍板的时候，得提交一条正式的待确认事项。而不是在对话里说一句我请示一下主人，就算完事。
这四条不是我们听了报告才补的。
是我们自己在复盘成交记录的时候，一条一条翻出来的。翻出来了就改，这是该做的事。
我们改的其实不是它的能力，是它的权限。
这两件事听起来差不多，其实是两码事。
改的过程中我才发现，「改了」分两种。
一种是要求它别做，另一种是让它做不了。
联系方式，我们做的是第二种。系统直接拦住，发不出去。
时间和报价，我们做的是第一种。规则上要求它必须先确认。
这两者的差别，平时看不出来，出事的时候差得很远。
一个被要求「不要撒谎」的人，和一张没法撒谎的嘴，是一回事吗。
显然不是。
我们那笔编造报价的单子能成，恰恰就是因为当时报价这块还没有任何约束。AI 想怎么说就怎么说，而对方的 AI 又很乐意相信。
两个都不太在乎真假的东西，凑一块儿，成了。
大模型很多时候根本不觉得那是在替你做决定，它觉得那只是把两件事拼在一起而已。
我们平台里真正把生意谈成的那些单子，没有一笔是 AI agent 单独完成的。
每单的最后一步，都是要人上来接手的。有人补了新的交易信息，有人手动点了确认，有人把手机号、微信号发了过去。
AI 把条件摆清楚，把信息摊开，把对方能接受的区间摸出来。
然后人上前一步，把事定了。
有人以为这说明产品还不到位，还差最后那一下没闭环。
后来我才想明白，那一下不是差，是必须留的。
我们后来给 agent 划了一条线，标准不是 agent 有没有能力做，是这件事万一办砸了，谁来收拾。
价格报错了，赔钱的是人。时间答应错了，失约的是你。地址发出去，半夜被敲门的还是你。
后果落在谁身上，决策权就得在谁手里。
这不是一条能力线，是一条责任线。
说起来挺像废话的，但拿它去量一量你用过的那些 AI 产品，包括我们自己的产品，也是翻了那些记录才想明白的。
一个愿意为了促成交易而不顾事实的助手，大概毁掉生意。
而一个知道自己该在哪儿停下、请示人的助手，才合理吧。
作者:三此连连 AI 联创，致力于用 AI 帮人找资源、扩人脉。
via V2EX (author: wmxpop)
[分享创造] 做了个只做数据的特斯拉 App，三个月发了 25 个版本
Mytess 是我做的一个特斯拉数据 App 。
一开始就想好了，它只做数据：行程、充电、电耗、电池健康、费用。论坛、社区、商城、控车，这些都不做。车主平时真正会打开看的就这么几样，把它们算准、讲清楚，已经够我忙的了。
过去三个月，Mytess 在 App Store 上线了 25 个版本，平均 3.8 天一次。
这个速度离不开 AI 。写代码、补齐 14 种语言、截图、做宣传图，很多以前要排好几周的活，现在一两天就能做出来。我也不怎么做事前的功能调研了，有个想法就先做出来给车友用，用的人多就接着磨，没人用就拿掉。
不过事情变好做以后，我反而更在意「不做什么」。AI 能很快把一个想法变成功能，可 Mytess 该是什么样，还得自己拿主意。这几个月加的「我的足迹」、成就徽章，还有刚过审的 3.2 （适配 iPhone Duo ，iPad 和 Mac 也换了新布局），都还在数据这条线上。
数据可以来自你自己搭的 TeslaMate ，没搭的话也可以用 Mytess Cloud 。App Store 搜 Mytess 就有，每个大版本更新了什么，官网 mytess.net 上都写着。
想问问开特斯拉的 V 友：你最想从自己的用车数据里看到什么？
via V2EX (author: yekk)
Mytess 是我做的一个特斯拉数据 App 。
一开始就想好了，它只做数据：行程、充电、电耗、电池健康、费用。论坛、社区、商城、控车，这些都不做。车主平时真正会打开看的就这么几样，把它们算准、讲清楚，已经够我忙的了。
过去三个月，Mytess 在 App Store 上线了 25 个版本，平均 3.8 天一次。
这个速度离不开 AI 。写代码、补齐 14 种语言、截图、做宣传图，很多以前要排好几周的活，现在一两天就能做出来。我也不怎么做事前的功能调研了，有个想法就先做出来给车友用，用的人多就接着磨，没人用就拿掉。
不过事情变好做以后，我反而更在意「不做什么」。AI 能很快把一个想法变成功能，可 Mytess 该是什么样，还得自己拿主意。这几个月加的「我的足迹」、成就徽章，还有刚过审的 3.2 （适配 iPhone Duo ，iPad 和 Mac 也换了新布局），都还在数据这条线上。
数据可以来自你自己搭的 TeslaMate ，没搭的话也可以用 Mytess Cloud 。App Store 搜 Mytess 就有，每个大版本更新了什么，官网 mytess.net 上都写着。
想问问开特斯拉的 V 友：你最想从自己的用车数据里看到什么？
via V2EX (author: yekk)
[分享创造] 做了一个 MacOS 的 Wifi 检查 app
查看 wifi 的强度， 信噪比等。上架到了苹果商店， 免费使用。
https://apps.apple.com/cn/app/wifiviewer/id6823134039?mt=12
via V2EX (author: fzleee)
查看 wifi 的强度， 信噪比等。上架到了苹果商店， 免费使用。
https://apps.apple.com/cn/app/wifiviewer/id6823134039?mt=12
via V2EX (author: fzleee)
[分享创造] [分享创造] OrangeLen： macOS 按空格就能看懂整个项目文件夹和 AI 产物（Skill/MCP 包、工作流图、模型元数据），免费，求反馈
via V2EX (author: orange90)
via V2EX (author: orange90)
Telegraph
[分享创造] [分享创造] OrangeLen： macOS 按空格就能看懂整个项目文件夹和 AI 产物（Skill/M…
大家好，分享一个自己做的免费 macOS 小工具 OrangeLen，想听听大家的反馈。 不知道大家在 MacBook 里面看文件的时候，是不是直接按空格键来做一个快速预览？这是系统的 Quick Look 功能。不过大家会不会发现这个功能其实在支持的文件格式不多？ 起因：和 AI 一起写完代码，Finder 里经常是一整个项目文件夹，加上别人发来的 .skill、MCP 包，ComfyUI / n8n 导出的工作流 JSON ，还有几个 GGUF / Safetensors 文件。我想先按空格看看这是…
[精灵宝可梦] 花几天时间给一个爆火的宝可梦同人网页游戏做了个四语攻略站，分享一下过程和数据
最近有个叫 PokeBonk 的同人游戏很火，浏览器里就能玩的 3D 宝可梦割草肉鸽。10 月 14 号上线，作者几乎每天更新，到现在已经发了 51 个版本。我玩的时候发现网上的攻略站基本都是英文，数据也多半靠猜，就自己做了一个： https://pokebonk.homes/zh/
做了什么
• 招式融合表：从游戏自己的融合表里整理出全部 106 个配方，可以搜索。
• 研究所计算器：反推出了星尘价格公式（基础价 × 倍率^等级，赛季 85 折后取整到 5），算出来和游戏里每一级的价格都对得上。
• 配装规划、图鉴，还有 51 个版本的更新记录。
• 英文、西班牙语、简中、繁中四种语言。
想听听大家的意见
via V2EX (author: sq892246139)
最近有个叫 PokeBonk 的同人游戏很火，浏览器里就能玩的 3D 宝可梦割草肉鸽。10 月 14 号上线，作者几乎每天更新，到现在已经发了 51 个版本。我玩的时候发现网上的攻略站基本都是英文，数据也多半靠猜，就自己做了一个： https://pokebonk.homes/zh/
做了什么
• 招式融合表：从游戏自己的融合表里整理出全部 106 个配方，可以搜索。
• 研究所计算器：反推出了星尘价格公式（基础价 × 倍率^等级，赛季 85 折后取整到 5），算出来和游戏里每一级的价格都对得上。
• 配装规划、图鉴，还有 51 个版本的更新记录。
• 英文、西班牙语、简中、繁中四种语言。
想听听大家的意见
via V2EX (author: sq892246139)
[分享创造] 给全球闷声发大财的网站做了一个排行榜
https://topcheckouts.000ooo.ooo
推特上晒 MRR 的人很多，但真正闷声发大财的人一般不说话。所以我换了个思路：不看谁自己说赚了多少，看每个月有多少人点进了它的付款页。
怎么做的
1. Similarweb 能看到哪些网站把流量导到 Stripe 、Gumroad 、Lemon Squeezy 、Polar 、Creem 、Whop 的付款页。我把 2026 年 4–9 月的引荐记录全拉了下来，一共 15,790 个网站。
2. 留下 9 月付费页访问 ≥ 3,000 的，剩 1,344 个。
3. 去掉付费流量超过一半的、大厂和融资公司、企业 B2B 、市场平台、主要靠联盟拉客的，最后剩 607 个。
4. 每个网站按新客主要从哪来归一类：SEO 171 个、AI 助手 6 个、社交媒体 79 个、病毒传播 126 个、其他 225 个。
前 5 名（ 9 月点进付款页的次数）
65 万｜ krillion.io ，每日猜谜小游戏
● 1,925 → 15 万 → 65 万：7 、8 、9 月的付费页访问，3 个月涨了 300 多倍。
● 2,700 万次：9 月网站访问，一半用户在美国。
● 59%：直接访问占比，搜的几乎全是站名，玩家每天自己回来。看起来是个人开发。
29 万｜ votremelodie.com ，法国定制歌曲礼物
● 0 → 29 万：4–8 月都是 0 ，9 月突然冒出来。
● 35%：邮件渠道占比，第二渠道是付费社交，还上过《世界报》。严格说它不算"闷声"。
20 万｜ wiki-masters.com ，用维基百科条目做卡牌的法语抽卡游戏
● 0 → 1.4 万 → 20 万：7 、8 、9 月的付费页访问。
● 91%：用户在法国。平均每次访问看 15.5 页，停留 15 分钟。
● 免费玩，新用户主要靠玩家拉朋友。
19 万｜ wavespeed.ai ，一个接口调用上千个 AI 图像、视频模型
● 9 月比 8 月掉了 34%。
● 新用户主要来自搜索 "video watermark remover"、"seedance 2.0" 这类具体需求。
18 万｜ starii.com ，旗下 5 款 AI 创作应用的公司官网
● 官网每月只有约 3 万访问，付款流量很可能来自旗下应用。
几个发现
● 6 个：新客主要靠 AI 助手的网站数，靠 SEO 的有 171 个。GEO 现在还远远当不了主渠道。
● 221 个：4–6 月还低于可见门槛、半年内冒出来的网站，超过三分之一。
● 很多是很冷门的刚需：监狱小卖部充值（每月 18 万次）、英国宠物芯片登记、英国医学考试题库、机票降价提醒会员（都在 4–5 万这一档）。
每个网站都有单独页面，能看到付费页访问走势、流量来源、搜索词、访客国家和定价。
口径说明
数字是 Similarweb 估算的"从这个网站跳到付款页的访问次数"。点开不等于付了钱，一个人点两次算两次，不能直接换算成收入。"发大财"是调侃，具体赚多少只有他们自己知道。
纯静态站，不用注册，有中英文两版。分类哪里不对、或者你知道哪些闷声发大财的网站没上榜，欢迎在下面补充。
地址： https://topcheckouts.000ooo.ooo
via V2EX (author: MaxSoloware)
https://topcheckouts.000ooo.ooo
推特上晒 MRR 的人很多，但真正闷声发大财的人一般不说话。所以我换了个思路：不看谁自己说赚了多少，看每个月有多少人点进了它的付款页。
怎么做的
1. Similarweb 能看到哪些网站把流量导到 Stripe 、Gumroad 、Lemon Squeezy 、Polar 、Creem 、Whop 的付款页。我把 2026 年 4–9 月的引荐记录全拉了下来，一共 15,790 个网站。
2. 留下 9 月付费页访问 ≥ 3,000 的，剩 1,344 个。
3. 去掉付费流量超过一半的、大厂和融资公司、企业 B2B 、市场平台、主要靠联盟拉客的，最后剩 607 个。
4. 每个网站按新客主要从哪来归一类：SEO 171 个、AI 助手 6 个、社交媒体 79 个、病毒传播 126 个、其他 225 个。
前 5 名（ 9 月点进付款页的次数）
65 万｜ krillion.io ，每日猜谜小游戏
● 1,925 → 15 万 → 65 万：7 、8 、9 月的付费页访问，3 个月涨了 300 多倍。
● 2,700 万次：9 月网站访问，一半用户在美国。
● 59%：直接访问占比，搜的几乎全是站名，玩家每天自己回来。看起来是个人开发。
29 万｜ votremelodie.com ，法国定制歌曲礼物
● 0 → 29 万：4–8 月都是 0 ，9 月突然冒出来。
● 35%：邮件渠道占比，第二渠道是付费社交，还上过《世界报》。严格说它不算"闷声"。
20 万｜ wiki-masters.com ，用维基百科条目做卡牌的法语抽卡游戏
● 0 → 1.4 万 → 20 万：7 、8 、9 月的付费页访问。
● 91%：用户在法国。平均每次访问看 15.5 页，停留 15 分钟。
● 免费玩，新用户主要靠玩家拉朋友。
19 万｜ wavespeed.ai ，一个接口调用上千个 AI 图像、视频模型
● 9 月比 8 月掉了 34%。
● 新用户主要来自搜索 "video watermark remover"、"seedance 2.0" 这类具体需求。
18 万｜ starii.com ，旗下 5 款 AI 创作应用的公司官网
● 官网每月只有约 3 万访问，付款流量很可能来自旗下应用。
几个发现
● 6 个：新客主要靠 AI 助手的网站数，靠 SEO 的有 171 个。GEO 现在还远远当不了主渠道。
● 221 个：4–6 月还低于可见门槛、半年内冒出来的网站，超过三分之一。
● 很多是很冷门的刚需：监狱小卖部充值（每月 18 万次）、英国宠物芯片登记、英国医学考试题库、机票降价提醒会员（都在 4–5 万这一档）。
每个网站都有单独页面，能看到付费页访问走势、流量来源、搜索词、访客国家和定价。
口径说明
数字是 Similarweb 估算的"从这个网站跳到付款页的访问次数"。点开不等于付了钱，一个人点两次算两次，不能直接换算成收入。"发大财"是调侃，具体赚多少只有他们自己知道。
纯静态站，不用注册，有中英文两版。分类哪里不对、或者你知道哪些闷声发大财的网站没上榜，欢迎在下面补充。
地址： https://topcheckouts.000ooo.ooo
via V2EX (author: MaxSoloware)
[程序员] 软件工程不会消失
-- AI 率 0% --
考虑一个软件系统是如何构建和迭代的，它可以被抽象为以下的一个 Loop：
需求建模 A->代码编写 A->需求反馈 A->需求建模 B->代码编写 B->需求反馈 B......
那么，我们如何定义一个完美的系统？给定系统 S ，用户需求的形式化描述为 R,对于所有针对系统的动作 A 的反馈,其不确定性都为 0(预期返回正确)，这里可以用条件熵来表示：∑H(R|S(A_i)) = 0 。而需求反馈本身则扮演了优化函数的作用，它的作用本身是引导条件熵 ∑H 向 0 优化，优化的过程则是降低各个流程的不确定性。
编程语言的演化，本质上是不断提高抽象程度，把越来越多的实现细节从程序员转移给编译器，编程语言是一种对于信息的 encoder 。现代语言使程序员用更少的描述表达所需行为，并把更多实现选择交给系统，失去了对底层代码的控制，引入了更多的不确定性（信息熵）。如果要加强对底层的控制，则需要用更底层的语言和更长的描述长度降低不确定性。即便是 AI Coding 也无法违背信息论的规律。程序员对系统的描述越短，系统的不确定性就更高，无法通过建立一个万能的预测器无尽地压缩描述来无损地描述系统本身，其存在一个理论下界，也就是柯氏复杂度；
这一点在需求建模流程也广泛存在着，用户的需求往往是在多轮迭代、描述、交互中产生的，需求方依旧是人，那么需求拆解、编写是一个无法避免的过程。
回过头来表达我的观点：
1.把复杂需求的实现寄希望于许愿式编程是不现实的，消除需求的不确定性和编码的不确定性是一个永恒的问题
2.AI Coding 时代，程序员可能会消失，但软件工程不会因为代码生成变得廉价而消失，反而会更重要。
via V2EX (author: gitlight)
-- AI 率 0% --
考虑一个软件系统是如何构建和迭代的，它可以被抽象为以下的一个 Loop：
需求建模 A->代码编写 A->需求反馈 A->需求建模 B->代码编写 B->需求反馈 B......
那么，我们如何定义一个完美的系统？给定系统 S ，用户需求的形式化描述为 R,对于所有针对系统的动作 A 的反馈,其不确定性都为 0(预期返回正确)，这里可以用条件熵来表示：∑H(R|S(A_i)) = 0 。而需求反馈本身则扮演了优化函数的作用，它的作用本身是引导条件熵 ∑H 向 0 优化，优化的过程则是降低各个流程的不确定性。
编程语言的演化，本质上是不断提高抽象程度，把越来越多的实现细节从程序员转移给编译器，编程语言是一种对于信息的 encoder 。现代语言使程序员用更少的描述表达所需行为，并把更多实现选择交给系统，失去了对底层代码的控制，引入了更多的不确定性（信息熵）。如果要加强对底层的控制，则需要用更底层的语言和更长的描述长度降低不确定性。即便是 AI Coding 也无法违背信息论的规律。程序员对系统的描述越短，系统的不确定性就更高，无法通过建立一个万能的预测器无尽地压缩描述来无损地描述系统本身，其存在一个理论下界，也就是柯氏复杂度；
这一点在需求建模流程也广泛存在着，用户的需求往往是在多轮迭代、描述、交互中产生的，需求方依旧是人，那么需求拆解、编写是一个无法避免的过程。
回过头来表达我的观点：
1.把复杂需求的实现寄希望于许愿式编程是不现实的，消除需求的不确定性和编码的不确定性是一个永恒的问题
2.AI Coding 时代，程序员可能会消失，但软件工程不会因为代码生成变得廉价而消失，反而会更重要。
via V2EX (author: gitlight)
[Android] 分享一个自己搞的安卓下载器开源项目
优点:
1. 多线程,种子跟磁力都支持,基本的都有
2. 下载核心框架拆分成 lib 库,可复用在其他的项目上
3. BT/磁力下载核心按需使用
https://github.com/mtdhllf/Tug-Android
via V2EX (author: mtdhllf)
优点:
1. 多线程,种子跟磁力都支持,基本的都有
2. 下载核心框架拆分成 lib 库,可复用在其他的项目上
3. BT/磁力下载核心按需使用
https://github.com/mtdhllf/Tug-Android
via V2EX (author: mtdhllf)
[产品经理茶话会] 别急着上智能体，有些问题一个对话框就够了
今年我们给一家专业类图书出版社做知识库应用。上线前搞了场内测，开完我感觉，这事我们做复杂了。
人家要的就是个“对话框” 需求其实评审会上就说清楚了，朴素到有点不像需求：能不能在网页上放个对话框，让人直接问问题。
就是读者、编辑、律师打开网页，输一句”夫妻共同债务怎么认定”，底下给一段带出处的回答。比搜索框多会说话。
我们最后交出去的东西技术上高级得多。535 本正版法学图书做了结构化检索，以 API 和 MCP 的形式开放，各种 AI 智能体都能调。
但要用上它，得走完这几步：先下载一个桌面客户端，网页端不支持；然后在客户端里配置知识库连接；再配置 API Key；然后才能提问。
内测会上，出版社同事的原话：
“第一步是要装那个本地化的智能体的这个服务，咱们才能用这个平台。网页端应该是用不了是吧？” “对，网页端用不了。” 现场还有一句更实在的：”关注点一个是这个沃克巴蒂什么的，没用过。”
后来我们才弄清楚人是怎么流失的。跟产品能力没关系，卡在门口：出版社里几乎没人用笔记本，都是台式机，C 盘还紧。有人压根没装成。
我们是从自己会做什么出发的，没从用户已经打开的那个窗口出发。
三种工具，成本差一个量级 这类问题我后来重新理了一遍。同样是解决问题，有三个层次，成本差得挺远。
能写代码的，就别上模型 很多被包装成”AI 问题”的，本质是查表比对。
还是这家出版社。编辑抱怨最多的是参考文献核验。一篇书稿一二十条参考文献，要逐条核对书名、作者、出版社、年份。现在靠什么？学生一条一条去知网、超星上人工查。
这事需要智能体吗。不需要，连大模型都不需要。
拿这 20 条书目信息，去 535 本的书目库里查一遍，比一下出版社和年份，返回”匹配 / 不匹配 / 未收录”。二十行脚本的事，或者做成网页上的一个表单，粘贴进去点一下出结果。
关键是它确定性，对就是对，错就是错，不会编。一次五分钱。
换成智能体来做，用户先装客户端、配 Key，然后问一个会说”我查了一下，这本书好像是……”的模型。一个要精确答案的活，交给了最不擅长精确的东西。
所以，这件事有标准答案、答案还能被验证，就用代码。
对话框够用的，别做成智能体 如果确实是自然语言问答，但只有一轮，问一句答一句，那就放个对话框。
用户输入问题，后台检索片段，模型组织成一段带出处的回答。不用装任何东西，打开就能用。
这才是那家出版社真正想要的。他们要的不是”接入 AI 生态”，是读者在网页上能问问题。
这两种做法成本差多少。我觉得不是差个百分之十，是差一个量级。
用户那边，一个要打开网页，一个要下载、安装、配置、授权，每一步都在筛人。运行那边，一次对话就是一次 API 调用，智能体要跑多轮、要调工具、要维护状态，token 和延迟都翻几倍。论出错，答得不好再问一次就行，智能体中途跑偏可能真的改错文件。
内测会上有个细节我印象挺深。有编辑问”积分用完了就用不了是吧”，还有人盯着”生成一份 PPT 消耗 31.49 积分”这个数字。用户开始算资源账，就说明你的方案对他来说重了。网页上放个对话框，不会有人焦虑这个。
智能体留给真正需要它的活 那什么时候值得上智能体。我觉得得同时满足三条：任务本身多步骤，中间结果要喂给下一步；要跨系统动手，读文件、调接口、改东西；用户愿意为它付安装成本。
比如把一批书稿自动排版，核对法条引用，再生成终稿。或者围绕一个话题把法规、案例、学理观点都检索一遍，最后出一份带引用的研究报告。这些活用户不可能靠问一句话拿到结果，那装一套环境的成本就值。
反过来，用户就想打开网页问个问题，你的智能体再强，他也不会为这个去装客户端。
我们为什么会选错 我后来复盘，原因有三个。
一个是想问题的方式不对。 做技术的人容易先想”这个我能不能做出来”“用新架构是不是更优雅”，我自己也是这样。但用户不关心你用了什么，他只关心自己现在的手在哪儿。他开着浏览器，你的方案就得从浏览器开始。
一个是”先进”这词有诱惑。 MCP、Agent、多智能体协作，这些词说出来有面子，做出来有成就感。给网页加个对话框太朴素了，朴素到不像个值得汇报的成果。但朴素常常是对的，因为朴素意味着用户不用学新东西。
还有一个，安装成本是用户掏的，不进你的账。 算成本的时候算的是 API 调用费、服务器、研发工期，没人会把”用户下载客户端失败”写进报表。它不在你表上，但它是真发生的。那场内测我们丢掉的不是钱，是第一天就没装成的那些人。
而且被筛掉的人不会告诉你为什么，他们只是不来了。
上手前问自己几句 有标准答案吗。有就写代码，别上模型。
用户现在在哪儿。如果他已经开着浏览器，入口就该在那儿。
这活需要多步骤、跨系统吗。一问一答能解决的，对话框够了。
他会为这件事装个客户端吗。一周只用一次的，答案是不会。
顺序大概是这样：能不能不做，能不能用代码，能不能用对话框，最后才轮到智能体。
最后 我不是说智能体没用。它贵、重、强，所以更不该拿去拧螺丝刀就能拧的那颗螺丝。
那家出版社要的东西最后看下来特别简单，一个网页上的对话框。我们做得出来，当时只是没往那个方向想。
via V2EX (author: wmxpop)
今年我们给一家专业类图书出版社做知识库应用。上线前搞了场内测，开完我感觉，这事我们做复杂了。
人家要的就是个“对话框” 需求其实评审会上就说清楚了，朴素到有点不像需求：能不能在网页上放个对话框，让人直接问问题。
就是读者、编辑、律师打开网页，输一句”夫妻共同债务怎么认定”，底下给一段带出处的回答。比搜索框多会说话。
我们最后交出去的东西技术上高级得多。535 本正版法学图书做了结构化检索，以 API 和 MCP 的形式开放，各种 AI 智能体都能调。
但要用上它，得走完这几步：先下载一个桌面客户端，网页端不支持；然后在客户端里配置知识库连接；再配置 API Key；然后才能提问。
内测会上，出版社同事的原话：
“第一步是要装那个本地化的智能体的这个服务，咱们才能用这个平台。网页端应该是用不了是吧？” “对，网页端用不了。” 现场还有一句更实在的：”关注点一个是这个沃克巴蒂什么的，没用过。”
后来我们才弄清楚人是怎么流失的。跟产品能力没关系，卡在门口：出版社里几乎没人用笔记本，都是台式机，C 盘还紧。有人压根没装成。
我们是从自己会做什么出发的，没从用户已经打开的那个窗口出发。
三种工具，成本差一个量级 这类问题我后来重新理了一遍。同样是解决问题，有三个层次，成本差得挺远。
能写代码的，就别上模型 很多被包装成”AI 问题”的，本质是查表比对。
还是这家出版社。编辑抱怨最多的是参考文献核验。一篇书稿一二十条参考文献，要逐条核对书名、作者、出版社、年份。现在靠什么？学生一条一条去知网、超星上人工查。
这事需要智能体吗。不需要，连大模型都不需要。
拿这 20 条书目信息，去 535 本的书目库里查一遍，比一下出版社和年份，返回”匹配 / 不匹配 / 未收录”。二十行脚本的事，或者做成网页上的一个表单，粘贴进去点一下出结果。
关键是它确定性，对就是对，错就是错，不会编。一次五分钱。
换成智能体来做，用户先装客户端、配 Key，然后问一个会说”我查了一下，这本书好像是……”的模型。一个要精确答案的活，交给了最不擅长精确的东西。
所以，这件事有标准答案、答案还能被验证，就用代码。
对话框够用的，别做成智能体 如果确实是自然语言问答，但只有一轮，问一句答一句，那就放个对话框。
用户输入问题，后台检索片段，模型组织成一段带出处的回答。不用装任何东西，打开就能用。
这才是那家出版社真正想要的。他们要的不是”接入 AI 生态”，是读者在网页上能问问题。
这两种做法成本差多少。我觉得不是差个百分之十，是差一个量级。
用户那边，一个要打开网页，一个要下载、安装、配置、授权，每一步都在筛人。运行那边，一次对话就是一次 API 调用，智能体要跑多轮、要调工具、要维护状态，token 和延迟都翻几倍。论出错，答得不好再问一次就行，智能体中途跑偏可能真的改错文件。
内测会上有个细节我印象挺深。有编辑问”积分用完了就用不了是吧”，还有人盯着”生成一份 PPT 消耗 31.49 积分”这个数字。用户开始算资源账，就说明你的方案对他来说重了。网页上放个对话框，不会有人焦虑这个。
智能体留给真正需要它的活 那什么时候值得上智能体。我觉得得同时满足三条：任务本身多步骤，中间结果要喂给下一步；要跨系统动手，读文件、调接口、改东西；用户愿意为它付安装成本。
比如把一批书稿自动排版，核对法条引用，再生成终稿。或者围绕一个话题把法规、案例、学理观点都检索一遍，最后出一份带引用的研究报告。这些活用户不可能靠问一句话拿到结果，那装一套环境的成本就值。
反过来，用户就想打开网页问个问题，你的智能体再强，他也不会为这个去装客户端。
我们为什么会选错 我后来复盘，原因有三个。
一个是想问题的方式不对。 做技术的人容易先想”这个我能不能做出来”“用新架构是不是更优雅”，我自己也是这样。但用户不关心你用了什么，他只关心自己现在的手在哪儿。他开着浏览器，你的方案就得从浏览器开始。
一个是”先进”这词有诱惑。 MCP、Agent、多智能体协作，这些词说出来有面子，做出来有成就感。给网页加个对话框太朴素了，朴素到不像个值得汇报的成果。但朴素常常是对的，因为朴素意味着用户不用学新东西。
还有一个，安装成本是用户掏的，不进你的账。 算成本的时候算的是 API 调用费、服务器、研发工期，没人会把”用户下载客户端失败”写进报表。它不在你表上，但它是真发生的。那场内测我们丢掉的不是钱，是第一天就没装成的那些人。
而且被筛掉的人不会告诉你为什么，他们只是不来了。
上手前问自己几句 有标准答案吗。有就写代码，别上模型。
用户现在在哪儿。如果他已经开着浏览器，入口就该在那儿。
这活需要多步骤、跨系统吗。一问一答能解决的，对话框够了。
他会为这件事装个客户端吗。一周只用一次的，答案是不会。
顺序大概是这样：能不能不做，能不能用代码，能不能用对话框，最后才轮到智能体。
最后 我不是说智能体没用。它贵、重、强，所以更不该拿去拧螺丝刀就能拧的那颗螺丝。
那家出版社要的东西最后看下来特别简单，一个网页上的对话框。我们做得出来，当时只是没往那个方向想。
via V2EX (author: wmxpop)