今天发现了一个我自己做的很酷的产品，叫做旅人信箱，功能特别简单，有一个虚拟的旅人每天会给你发送一封信，附带一张他拍摄的风景，照片会自动设置为New Tab的壁纸，你也可以回复旅人，然后等待第二天的回信吧。

📷附上我的旅人发给我的照片。

去chrome商店搜索『旅人信箱』试试吧:)

作为一个怀有梦想的产品经理，我倒是希望AGI来的慢一点，让我们这旧时代的人们还能发挥一点余热。梦想是什么？对于互联网的产品经理来说，自然是打造出全世界都在用的产品，扬名立万，名利双收。但是，梦想的最大前提是需求，如果需求都被满足，人人都能做出自己想要的产品，那这个梦想的前提就不存在了，起码是大幅缩小。以前经常听到AI毁灭人类，感觉很遥远或者危言耸听，现在感觉就是，当绝大多数需求都被满足，社会不需要分工，文明何在？也许就像那片树林中的树一样，各种生长，绽放自己。

App Store新应用提交量暴涨60%，每个人都在用AI花24小时造一个app，每个人都觉得自己会是下一个爆款。

但没人愿意面对的现实是：当所有人都能造app，你的app就什么都不是。

更残酷的是，用户正在跳过app这一层。越来越多的事情直接在和AI对话中完成了——不需要下载，不需要注册，不需要打开任何一个图标。

我们正在见证一个荒诞的景象：无数人兴高采烈地涌入一个正在萎缩的赛道。

开源一个轻量级多agent框架，默认自带七个agent，对话中能够智能刷新系统的提示词，具备记忆管理系统，能够查找以往的聊天记录，可以执行命令和查询数据库，甚至还可以自己搭建新的agent。代码简明易懂，作为agent开发入门上手框架也很不错，地址：github.com

这两天让 Claude Code 帮我写了个终端转发工具，主要是为了解决外出时还想用 Claude Code 的问题。

之前好几次在外面想改点代码或者查看项目，但是 Claude Code 只能在电脑上用。特别是有时候想到什么思路，但人不在电脑前，就很不方便。于是想着能不能让手机也能连到电脑的 Claude Code 。

具体实现方式就是，电脑上跑个 pty ，服务器用 cloudflare worker 做 WebSocket 中转，网页端用 xterm 做命令渲染和输入。

目前用下来感觉还行，但是还不是很成熟，连接上会有不稳定的情况等等。主要是想知道大家有没有这种需求，需求多的话，会继续投入精力完善。

项目地址： github.com

说实话，我还是Get不到MCP的点。

这件事的本质，其实就是AI发起一个工具调用请求，服务方给出工具执行结果，AI添加到上下文，然后回答用户或者继续调用。

如果说这是为了统一标准，OpenAPI不是已经是标准了吗？全世界的API都在用OpenAPI文档，AI也能直接读懂，工具调用完了结果该怎么加到上下文还是怎么加，为啥还要搞个MCP？

OpenAI的Actions多简单，配个API，写个schema就能用，调用结果直接回来。MCP呢？要学协议、搞服务器、处理SSE、WebSocket一堆东西。但最终不还是要把工具执行结果塞回上下文吗？90%的场景就是查个天气读个文件，用得着这么复杂吗？

与AI对话的消息应该视为文档，AI能够根据对话调取文档，重整上下文。在代码修改的场景里，AI能够把用户发送的代码直接加载到工作台，然后通过局部修改快速完成编辑。

现在每天的工作全靠AI，我感觉并不是agent在代理我，而是我是ai在公司的代理。

初步跑通claude-computer-use的写作功能，利用官方内置的text_editor实现ai编辑器，可以通过和ai对话让ai创建、撰写和编辑文章，这和传统的编辑器有根本的不同，传统的编辑器本质还是一个工具，它本身不会产生内容，更不用说理解你的想法，而ai编辑器则是一个写作代理，你能够和它对话，它能够理解你的复杂的想法，然后自动选择合适的工具，实现你的需求，它还能在对话中启发和引导你，提供你原来想不到的思路，从而创造更好的内容。

关于人工智能操作电脑，这个之前也已经做了，方法是让gemini给出目标交互元素的坐标，然后让ai输出坐标去点击，然后再把截图信息发送给ai让ai进行下一步的操作...如图中所示，创建账号按钮上的红色圆点就是视觉模型给出的坐标点的标记...

实现ai操作电脑没有难度，有多种方案，现在感觉比较好的是视觉，但是问题在于，找不到场景，一个简单的任务，ai要搞很久，并且还容易出错...现在的gui本身是为了鼠标设计的，并不是为了ai设计的。

这么说来，也许接下来交互界面就是要综合人类和ai进行设计，既能让人类利于理解和互动，也能让ai较好的理解和互动，这样才能很好的实现人机两个模型的协同，并且，当然是生成式的。