很多人在聊 AI 的时候，默认有一个前提：人负责目标，AI 负责执行。 但当 AI 开始进入工作、生活、娱乐、社交，甚至开始长期观察你的行为模式之后，事情会发生变化。 因为它不再只是工具，它开始变成一种“连续存在”。 它知道你最近在关注什么，知道你为什么焦虑，知道你哪些事情总拖延，知道你什
让 AI 踏踏实实干活，少出错误，首先要确保它用事实讲话，做任何判断之前得先讲证据。而且光讲证据还不够，还要确保证据链的完整。 比如一次网络请求存在报错，AI 会在各个环节做假设和猜测，并做出一些实际的修复动作，最后还会给个修复报告，说已经处理完了。 可实际情况是，它假模假样地做了一些
现在的 Coding LLM，很擅长处理代码、日志、文档、终端输出，但它们理解的是被描述的世界，而不是真实运行后的世界。 开发时就会遇到一种情况，代码逻辑完全正确，然后页面问题一堆，例如字体发虚、间距不协调、响应式布局失效，或者小程序、WebView、浏览器之间表现不一致。 这些问题，人一眼就能察
十多年前，面试前端，候选人会把 AJAX 给手撸出来（我当年还懂 PJAX，😂），能够说清楚闭包的原理，差不多就可以进场干活了。那会儿的前端啥也没有，也没什么可考察的。 今天AI 的面试跟十年前有那么点的相似，知道 Agent 的基本操作和属性，加上有一些实践，也差不多可以进厂干活了。 这恰恰说明
大多数程序员会慢慢出现两类症状。 一是不想写代码。因为写的没有 AI 快，也写的没有 AI 好，编程将沦为普通人的玩具（架构和工程目前还不是），程序员容易找不到成就感。 二是不想指挥 AI 写代码。由于一的存在，加上指挥一个没有感情的机器，去做自己不认可的事情，会比自己亲自去做更难受。因为躬
微信读书.skills，官网已上架，现在可以通过 AI 直接接入到微信读书的所有书库了。 它提供的能力比较丰富，可以搜书、查看阅读进度，甚至可以去读取自己的划线内容和点评（这点太好用了👍）。
通过 Xcode simulator 启动一个模拟器，再加上苹果自家的 UI 测试框架 XTest，走 Accessibility API 读取 App 界面的元素树（按钮/文本框/文本内容），并模拟点击、输入、滚动，这样就可以安全地拿到很多被限制的内容了，例如微信/小红书等内容读取。 之前爬取 Linkedin 内容的时候，被平台检测到，还
团队将 Claude Code 源码放进了 WebAssembly 运行环境，将 Node.js 和 Python 环境也打包了进去，现在可以愉快地在网页上直接使用 Claude Code 了😄 基于 Claude Code 源码做了四层工作，包括：1）浏览器宿主，让网页中具备 Claude Code 的终端界面、会话状态和交互体验；2）WebContainer/WASI 运行
经常有人问我怎么让孩子进入到 vibe coding 状态。 我觉得首先要解决，不是工具问题，而是兴趣。 我家娃 8 岁，有上过一年的 scratch 培训班，懂得通过拖拖拽拽的方式写最基础的程序，加上我长期在家vibe coding，她耳濡目染久了之后，也想凑过来玩一玩。 当她发现编程的门槛通过说话就可以越过，当
昨天跟团队分享，怎么把自己的工作真正搬到云端。 乍一看，只不过是给自己配置了一个可以对话的 Agent，但工作模式已经发生了颠覆性的变化。 比如我的AI 会读取我所有工作聊天记录后，将需要关注的事项定时推送给我，分析过程中会结合我自己的工作目标，给出针对性的建议。对于可直接被 AI 执行的
昨晚睡前给我的 AI 员工布置了一个任务，让他将我每日工作和生活的 AI 对话拿出来分析，然后总结一些被我忽略的东西，剔除个人敏感信息后，让它发布到 github pages，并且设置了一个定时任务，让它以后每天更新（如有内容）。早上起床一看，效果还不错。
将所有的工作迁移到云端，然后通过一个对话框去接入，这听起来很极客。 最大的问题是，如果脑子里没办法装下所有的工作地图，并且不知道启用怎样的工具去触发工作地图里任务的流转，就会很容易因为频繁地通过聊天窗口跟云端对话而使自己迷失。 一旦还想着通过 GUI 的方式去呈现工作的入口，又会把自
已经把将近一半的工作迁到了云端。这一周的体感是，未来知识工作者的生产方式，绝大部分都会是云端 agentic，人类搭建 harness 环境，AI 来执行，生产质量完全取决于 harness 的质量。 曾经也想过用嘴编程，没想到这一天来的如此快😂
给娃的 vibe coding 做了一个游戏控制台，能够管理所有的游戏，也加了个“创意启动机”，帮助孩子管理创意。这里花了点小心思，加了范围约束，限制她的游戏都是开动脑筋、提升认知和激发阅读兴趣类的😅 游戏界面的聊天跟我微信里的 OpenClaw 打通了，有任何问题，娃可以随时留言，然后我开始指挥我
推荐卡兹克最近搞的这个 AI 资讯站点，内容质量还不错，http://t.cn/AXJrA9ku 真正专业花心思做自媒体，一定都会精心维护自己的 feed 流，也能产出有价值的行业日报周报，相比之下，我就是个纯粹的技术研究者，哈哈。
研究了几天 Tailscale，用它组网实在是太方便了。它支持让任意两台设备，在复杂网络环境下，稳定、安全、低成本地互联，就像在同一个局域网一样使用，也支持将内网服务暴露到公网访问。 Cloudflare Tunnel 是把内网服务安全暴露到公网，在公网进行统一管理；Tailscale 的体验更像是，把所有设备拉进一
slock.ai，比较有趣的一个产品，人 + Agent 的协作模式，以群聊（Channels）为工作入口，核心产物是 todolist，AI 会自动推进 todolist，聊着聊着 AI 就把事情给干了。 平台不提供 Agent，用户来提供。用户在自己电脑上安装接入程序，它是一个 bridge 控制面，会把 Slock 里的消息、任务、系统通知等
关于 AI Coding 和 Harness 最近写的一些内容： 让ai学会并发干活儿 http://t.cn/AXIAvc4I 让AI能够复用过去的经验，把代码写的更好 http://t.cn/AXIAvc4X 如何让AI进入疯狂工作模式 http://t.cn/AXIAvc4i 让AI输出效果提升五倍 http://t.cn/AXIAvc4M AI解放双手，如何把工作托管给浏览器
Spec-Driven Development 如果把任务的颗粒度拆得过细，且没有控制好任务边界和不做什么的声明，在调度多 agents干活时，特别容易出现过度设计问题。 over engineering 更让人头疼，下面是一个很高频的 case。 原始目标只是：给后台系统增加一个文件上传能力。 结果因为没有明确约束： * 一个 suba