即刻App年轻人的同好社区
下载
置顶
晚上又多vibe了几个页面不行✋，设计能力有待提升，跟我直接用代码写的效果差不多，但代码写的还能交互，这个纯静态效果就显得很多此一举了。唯一的好处可能是做完可以古法编辑✍️，但工具栏不好用，今天还碰到插件经常断联。
目前来看还很不成熟。
目前来看还很不成熟。
SUKIII: Pencil 好用，最大的价值是打通了设计稿和代码。装了pencil插件后能直接在cursor里打开开始基于上下文vibe design，vibe完直接开始写代码，不用离开IDE环境也不用配MCP。原生vibe coding工具。
14 00
Pencil 好用，最大的价值是打通了设计稿和代码。装了pencil插件后能直接在cursor里打开开始基于上下文vibe design，vibe完直接开始写代码，不用离开IDE环境也不用配MCP。原生vibe coding工具。
18 205
每年开年都好精彩，2026年我想我会长期关注的三个方向：
1. OS Agent：从沙盒走向操作系统
2026 年是 Agent 从“实验室”进入“真实世界”的节点。
回顾进程，从早期的 Claude Computer Use 到 Devin、Manus，再到现在的 Coworker 和 Clawdbot：
2025 年： 见证了 LLM 从“缸中之脑”进化成有手有脚的初级 Agent。
2026 年： Agent 正在经历从虚拟沙盒（浏览器、虚拟机）向原生操作系统的集体迁徙。
技术层面的跨越没想象中那么大，核心变量在权限和长路径规划的问题，Agent可以跨应用完成任务了。过去我们总想走 API 这种“正统”路线，觉得安全、规矩，结果发现进度慢得像老牛拉车。Clawdbot 这种“邪修”路子反而跑通了——它开源、本地化、直接接管 OS 权限。虽然看着危险，却给了一种“数据在我手里”的掌控感，让它迅速爆火。
它验证了一个朴素的需求：用户太渴望一个能 24/7 主动干活、有长期记忆的“分身”了。即便它现在还在“裸奔”（没防火墙），大家也愿意先把它领进家门。
未来谁能解决“行为审计与意图防火墙”的问题，让这套暴力美学变得安全合规，也许谁就是下一个时代的引爆点。
2. A2UI：界面随需而变，取代预定义的 GUI
这不是新概念，但我确实在 2026 年看到了落地的苗头。
Google 去年推了 A2UI 协议，把 Chatbot 里的 UI 从传统的 iframe 变成了更高效的 JSON 声明式格式。最近 MCP apps 的发布进一步加速了这个进程。
传统 GUI 的局限很明显：
路径固定： 界面是死板的，用户得配合产品预设的逻辑去“点点点”。
交互降级： 强行把复杂的 Agent 能力塞进对话框，体验非常匮乏。
A2UI 的逻辑是“界面服务于意图”。UI 变成了一种流动的资产，根据 Agent 的当前任务实时渲染。这种从“人适应机器”到“界面适应需求”的转场，是 Agent 摆脱对话框、获得原生体验的唯一路径。
3. 个性化 AI：从“搬运数据”到“传承技能”
这也是一个老概念，但RAG 和 MCP 虽然解决了数据获取的问题，但没触及“个性化”的内核。给 AI 再多资料，它仍旧只是一个高效的检索器，缺乏对你行为逻辑的理解。
但我觉得带来真正的转机在于 Skills 的民主化。 目前封装一个 Skill 还是少数人的游戏，但门槛正在迅速降低。Claude正在Beta的一个插件可以通过视觉化的方式教学用户，跟人类师傅带徒弟的模式非常类似。个性化的终点，是通过极低门槛的“教学”，让 AI 掌握你的知识体系，并学会用你的方式处理事务。也许26年Skill的民主化会真的让个性化这件事真的有实际落地，而不是几个简单的System prompt和混乱的Memory。
1. OS Agent：从沙盒走向操作系统
2026 年是 Agent 从“实验室”进入“真实世界”的节点。
回顾进程，从早期的 Claude Computer Use 到 Devin、Manus，再到现在的 Coworker 和 Clawdbot：
2025 年： 见证了 LLM 从“缸中之脑”进化成有手有脚的初级 Agent。
2026 年： Agent 正在经历从虚拟沙盒（浏览器、虚拟机）向原生操作系统的集体迁徙。
技术层面的跨越没想象中那么大，核心变量在权限和长路径规划的问题，Agent可以跨应用完成任务了。过去我们总想走 API 这种“正统”路线，觉得安全、规矩，结果发现进度慢得像老牛拉车。Clawdbot 这种“邪修”路子反而跑通了——它开源、本地化、直接接管 OS 权限。虽然看着危险，却给了一种“数据在我手里”的掌控感，让它迅速爆火。
它验证了一个朴素的需求：用户太渴望一个能 24/7 主动干活、有长期记忆的“分身”了。即便它现在还在“裸奔”（没防火墙），大家也愿意先把它领进家门。
未来谁能解决“行为审计与意图防火墙”的问题，让这套暴力美学变得安全合规，也许谁就是下一个时代的引爆点。
2. A2UI：界面随需而变，取代预定义的 GUI
这不是新概念，但我确实在 2026 年看到了落地的苗头。
Google 去年推了 A2UI 协议，把 Chatbot 里的 UI 从传统的 iframe 变成了更高效的 JSON 声明式格式。最近 MCP apps 的发布进一步加速了这个进程。
传统 GUI 的局限很明显：
路径固定： 界面是死板的，用户得配合产品预设的逻辑去“点点点”。
交互降级： 强行把复杂的 Agent 能力塞进对话框，体验非常匮乏。
A2UI 的逻辑是“界面服务于意图”。UI 变成了一种流动的资产，根据 Agent 的当前任务实时渲染。这种从“人适应机器”到“界面适应需求”的转场，是 Agent 摆脱对话框、获得原生体验的唯一路径。
3. 个性化 AI：从“搬运数据”到“传承技能”
这也是一个老概念，但RAG 和 MCP 虽然解决了数据获取的问题，但没触及“个性化”的内核。给 AI 再多资料，它仍旧只是一个高效的检索器，缺乏对你行为逻辑的理解。
但我觉得带来真正的转机在于 Skills 的民主化。 目前封装一个 Skill 还是少数人的游戏，但门槛正在迅速降低。Claude正在Beta的一个插件可以通过视觉化的方式教学用户，跟人类师傅带徒弟的模式非常类似。个性化的终点，是通过极低门槛的“教学”，让 AI 掌握你的知识体系，并学会用你的方式处理事务。也许26年Skill的民主化会真的让个性化这件事真的有实际落地，而不是几个简单的System prompt和混乱的Memory。
34 33
通用 agent 的设计，其实非常值得多向优秀的 coding agent 产品学习。Cursor 的 planner mode 就是一个很好的参考案例。很多通用 agent 在任务规划阶段停留在简单的待办列表层面，这在面对复杂、长链路的问题时，往往难以真正对齐用户意图，也影响了最终执行效果。
Cursor 的 planner mode 则提供了一种更成熟的思路：它能够先输出一份接近 PRD 级别的完整方案，对问题背景、目标拆解和改进路径进行系统分析；在进入执行前交由用户确认，并支持持续修改和迭代。这种“先对齐认知、再推进执行”的设计，对提升 agent 的问题解决能力非常关键。
Cursor 的 planner mode 则提供了一种更成熟的思路：它能够先输出一份接近 PRD 级别的完整方案，对问题背景、目标拆解和改进路径进行系统分析；在进入执行前交由用户确认，并支持持续修改和迭代。这种“先对齐认知、再推进执行”的设计，对提升 agent 的问题解决能力非常关键。
29 00