构建的乐趣

专属论文阅读工具

AI 能力的进化速度日新月异，各种方法论和产品每天都在涌现，之前在思考对于这些 AI 技术和模型接触的相对较早的我们，可以给身边的人带来什么变化呢。这是我最近的一些实践和想法。

需求来源于生活，我们想要更多的时间在晚上来看电影看书，而不是在房间里不断的看几十篇 Paper。L 日常工作之外有一些科研工作需要进行，时不时需要在组内准备 PPT 做报告分享。前期进行材料收集的时候，需要阅读大量的 Paper，在报告 DDL 的前一周，经常挑灯夜战到凌晨。那么 AI 可以带来哪些改变呢。

每一次的报告会，前期准备的材料阅读量大概在 50 ~ 100 篇左右，所有的文章都是英文。提升阅读效率，减少 DDL 前一周的熬夜时间，于是这么一个工具产生了。那么继续聊聊过程中，我的一些工具的选择，实践过程中的一些思考。

构建这个工具使用的是 Claude Code，模型是 Opus 4.6, 前期设计讨论的时间大概是花了两个小时，和 agent 在一个 PLAN.md 文档中多次交互，明确了下自己的需求。此外就是更多的对于给出的第一版的技术栈做了一些调整，比如前端框架，UI 组件库，状态管理，数据库选择等。

个人在这一步的实践是，倾向于不使用 Plan mode 模式，和 agent 的交互都是基于 md 文档来讨论，前期我尽量给到更多我初步可以明确的细节和上下文信息，交互过程中，提示词中我鼓励 agent 多挑战我的输入，一些不明确的信息多和我确认，然后这些信息和确认的结论，也继续更新到同一个文档。这种方式相比给予不多的输入，agent 根据自己的猜测生成一个偏离自己意图的 Plan 会更加符合自己的需要。

实施阶段，大量实践的就是 Multi agent 方式。在制定好 Plan 之后，先拆分一些开发任务，然后生成一个 workflow.md ，里面重点说明一些项开发中需要遵循的流程。

  • 主会话承担 Orchestrator 和 Integrator 角色，判断具体任务的目前，验收标注，开发调度。
  • Worker，subagent，只关注自己的开发目标，验收标注，所有的输入来自 Orchestrator，输出通过 md 展示。
  • Reviewer，所有的输入来自 Worker 的代码产出，reviwer Worker 生成的代码，根据功能大小，拆分这些个 reviewer 角色
  • QA 真实流程验证，基于浏览器进行真实的验证。
  • Doc Sync，在任务完成，QA 验收之后及时更新文档。

第一个 MVP 在 agent 持续运行1个小时之后，最终直接 lint passed & test passed & build success ，然后本地就运行起来了。功能不多，上传文档，解析文档，文档翻译，标注高亮。过程的的一些细节：

  • Claude Code 的不断确认，请求授予权限，通过 claude --allow-dangerously-skip-permissions 解决，Agent 开发过程中，人就是里面最大的瓶颈了。
  • Multiple agent 开发，是否有效率提升，有的区分 subagent 之后，实现的 worker agent 的可以在自己专注的上下文中完成自己的任务，达到给予的验收标注就行。在一个主会话中完成所有 MVP 的任务开发，不一定能更节约时间，反而会花较多时间在最后的修 bug 中。
  • 关于 Opus 4.6 和 gpt-5.4 xhigh 的对比，阅读文章过程中，有一个选中段落进行解释翻译的功能，在选择段落最后一句的时候，选择区域会跳到选择全文。我尝试过 opus 4.6 解决过两次，通过截图+清空上下文进行处理，都没有完全解决，而 gpt-5.4 xhigh 慢悠悠的一次性解决了这个问题，效果也很好，gpt-5.4 大概花了有 20min 分析代码，解决问题，补全测试集。这一刻是我第一次感觉到慢就是快。基于这个案例，也促使我在三月底从 Claude code Max 订阅转到 ChatGPT Pro 订阅。

新时代的 Todo List 项目

语音输入法界面 1语音输入法界面 2

目前收费的&开源的语音输入法项目不计其数，而我同样不能免俗，也构建了一个自己的语音输入法。借助 Claude Code 和 Codex 等工具，构建这样的一个工具成本微乎其微，一个提示词，几乎就可以实现一个可用的工具。采用 MacOS 原生开发，编译出来之后只有 2.2 MB。这个工具本身没有太多可说的，从这个小的功能需求看向未来，也许很多工作流，具备一定开发经验的都可以自己定义了，比较就是一句提示词和需求描述，然后祈祷半小时之后梦想就成真。而随着时间变化，开发经验的需求就会更低了，而这给整个 App Store 的众多 App 来说都是一个不小的改变。虽然我也在周末时间写自己的 App 准备上架 App Store。

随便聊聊

最近几个月，我时不时有 FOMO（Fear of missing out ） 的焦虑情绪。社交媒体上的信息，也总给我错觉，这些东西不马上了解，就要被新时代淘汰了。而事实真的是这样吗？

  • 很多目前的热点，不去看，一个星期，一个月之后，对自己真的有影响吗？
  • 一些爆火的项目，稍微晚一些时间去了解，会有什么损失吗？

第一个问题，我的理解是不会有影响。

许多热点都是时间线上的中间产物，不去第一时间了解不会有任何影响。而什么热点都去关注，去尝试，代价却是失去了自己的专注时间。基于这个，那我做了什么：

  • 对于之前我关注的一些 TG 频道，我好好梳理了一些，几乎不怎么看的频道，几乎没有太多有效信息的频道，我主动选择了删除退出， 比如我之前关注了一些 vps 交流群。
  • 对于经常发新消息，偏于闲聊，但是偶尔会有一些高质量的讨论的频道，我选择了归档，有需要的时候，在进去点开翻一翻历史记录，而首页只保留自己的常用联系人。
  • 给自己制定了一个规则，早上醒来之后，唤醒屏幕之后，不再去看 TG 频道中的消息。

第二个问题，我的理解也是不会有损失。

比如 Openclaw 稍微晚一些接触，会有什么损失吗，对于大部分人不会，相反晚一些接触会给自己节省大量的时间去探索踩坑。如果是为了流量不断的去靠近热点的人这个另说。

那么我使用了 openclaw 吗？用了，而且我还部署了两个 openclaw。但是用这些，不要基于这些是目前社交媒体中的热点去使用或不断更新最新版本，而是基于自己真实存在的需求来使用。

  • 我有两个局域网内部的 openclaw，主要在 discord 中使用，为什么部署两个呢？他们可以互为守护，盯着对方的健康状态，遇到一些使用过程中的问题，可以帮我去直接修复，而不会担心一个 openclaw 自行修复将自己搞得失联。一个真实的案例就是，3月有个版本，我升级之后，发送任何消息，discord 中不会显示 typing，而官方最新版本还没有修复但是已经有社区 issue了，所以就让 openclaw A 分析问题，然后在有问题的 openclaw B 直接打上了一个 js 的 patch 解决了问题。这里的一个反思是：如果一个产品质量足够好，我也就不需要两个实例互为 backup 了。
  • 创建了一个 content-digtest 的的 discord 频道，解决的问题是，我日常有一些感信息的文章，视频，我想根据具体内容摘要，辅助判断是否之后进行阅读原文精读，所以这个 discord 频道会监听我发送过去的链接，解析里面的内容，做一些分析，输出一个 md 存在我的 Obsidian 中，此外还有有一个内部的 doc server 可以快速查看这个总结文档。而之前我是转发到 TG Saved message 中（不方便索引查找）。

内容摘要频道界面 1内容摘要频道界面 2

Openclaw 引爆整个社交媒体，而国内也是各种线上线下的龙虾交流会，但是我自己的一些探索之后是。这个项目目前的代码质量堪忧，借助方便的 IM 接入这个前期设计的助力，解决了入口问题，同时很少的顾虑到安全和权限，释放了 ai agent 的能力边界。这两点可能是龙虾目前热度如此之高的两个原因。

那我会继续使用吗，我的答案是不会，因为目前该项目的迭代，每周进去的 PR 太多了。结合快两个月的体验下来，只是基本的 discord 会话的稳定性这一点有时候都会被 break，探索性的长任务丢失状态不反馈等问题也多次遇到，所以我在逐步构建自己的小龙虾，这是我目前在尝试的一些工具和项目

我不需要一个大而全的东西，我需要的是简短的 Discord + TG 接入，基于目前我的场景的一些基础功能，日后基于真实的需求自行迭代扩展自己的能力边界就足够了。这样我理解整个应用遇到的 bug 会更少，而且过程中可以体会到搭建积木一样的乐趣。

三月的一些输入和探索

  1. Gemini 3.1 Flash Live 和 x.ai voice realtime 两家都推出了基于 WebSocket 的 Real-time voice conversations，在本地测试使用了一下，实时对话效果真的不错。

    实时语音界面 1实时语音界面 2

  2. 旧世代电台24 | 新年的内容消费行动建议 这是 26 年我听到的最有价值的一期播客节目，里面提及的 少看消费品评测内容 和 已经没有不看第一手材料的借口 也是我今年准备实践的一些准则，然后里面还提及了一些其他的观点，分享出来给大家：

    1. 看过的内容至少写一句话，目前我实践的是，每天晚上通过语音输入法进行记日记。
    2. 降低观测世界的频率，我会可以的避免自己刷 twitter 的频次，比如中午之前我不会打开 twitter 刷信息流，上午的专注时间留给自己关注的事项。
    3. 有一类游戏实在没时间玩了，目前 ai agent 代理的 build 的乐趣，正向反馈已经超越游戏了，我的 PS5 自从元旦之后已经没有开过机了。
    4. 减少Backlog焦虑，一些想做的事项，预期记录在 backlog 中，现在我更倾向于直接 claude code 沟通之后做个 demo 出来，然后再记录更新到 linear issue 中。
    5. 多读文学和虚构作品，这些年我的书籍更多是工具类倾向，而这方面 L 做的比我好。
    6. 媒体内容先过 AI 初筛，播客 & 长文，都适合这种方式，好的内容再去看原文消化。
    7. 音乐 > 播客，目前已经在刻意控制自己闲暇时间想要听播客的习惯了。但是做饭的时候，感觉播客还是一个最适合这个场景的媒介。

  3. 如果你也有 FOMO 的焦虑，下面几篇文章也许有帮助。

    1. Thoughts on slowing the fuck down
    2. I'm OK being left behind, thanks!
    3. Some Things Just Take Time

  4. GitHub - Justineo/working-with-ai: Working with AI - presentation slides Slide 很漂亮，内容值得学习 Working with AI。

  5. Linear 是三月我开始重度使用，并计划付费的一个产品，能够帮我专注一些事项推进，给我的第一感觉是有着 Apple 产品的精致感的简化版 Jira。

  6. 关于 AI agent 的记忆问题，这个领域还是一个持续迭代快速变化的过程，许多方案正在不断涌现，继续观察保持关注，目前在用的两个是 Unlimited Memory Infrastructure for OpenClaw 和 https://mem.nowledge.co/。

    1. 短暂开启过 Gemini 和 ChatGPT 的对话记忆，使用不到一周我就关掉了，因为他们都喜欢不管三七二十一，之后任何新会话都喜欢用一些索引到记忆去关联，强行扯上关系，弄出一些啼笑皆非的比喻。
    2. 尝试过使用记忆方案的 session context 级别的记忆刷新，结论是目前的 token 太贵了，每次上下文如何更新了更准确的记忆文本，导致缓存失效，5小时的 rate limit 撑不到 1小时。

最后的分享

分享一个有趣的实体小物件，一个 3.5寸显示屏，和 MacStudio 放在一起的对比。

小猫的纸屋，靠着应该不太舒服吧。

小猫的新屋 1小猫的新屋 2

期待四月有更多有趣的事物可以探索。