即刻App年轻人的同好社区
下载
Barret李靖
168关注11k被关注11夸夸
编程领域优秀贡献者
🧑💻 软件工程师 / 终身学习者 / 俩妞爸
🧐 AI / Cloud Native / Indie Maker
👻 小胡子哥，一个有趣的灵魂
🧐 AI / Cloud Native / Indie Maker
👻 小胡子哥，一个有趣的灵魂
人机交互的范式正在发生结构性迁移，从最初的键盘指令到图形界面，再到如今以语音、实时影像与三维空间为主的沉浸式交互，整个链路正在被重新定义。
每一次交互能力的跃迁，都会从根本上冲击前端作为“粘合层”的角色：从低代码、无代码，到 sketch2code、image2code，再到如今模型直接生成交互逻辑，传统意义上以切图、对齐 UI、手写交互为中心的人力需求自然会持续收缩，于是“前端已死”的声音周而复始地出现。
但我眼中的前端，从来不是一门技术栈，而是一条翻译层。它负责将终端服务的能力翻译成可感知、可理解、可操作的体验，也负责将用户的行为、反馈与真实诉求翻译回底层系统。这是一条细腻、繁琐、又极度关键的链路，它贯穿任何时代的人机交互，不会因代码生成而消失，也不会因界面形式改变而过时。只有执行方式会换，角色本质不会换。
前端市场的紧缩与释放，本质取决于范式成熟度与用户需求的离散度。在 Chatbot 这种高度同质化的交互形态下，对前端的需求自然趋向过剩；而当交互正式迈向语音、多模态、AR/VR、空间计算，新的交互结构和感知模式将迅速增殖，界面与操作将重新被塑造，前端的边界又会重新被拉伸。
真正不会被淘汰的，不是某个技术栈，而是对“下一次人机关系”保持足够敏锐的洞察力，理解自己如何与未来的交互方式接驳。范式迁移不会淘汰人，只会淘汰那些不再迁移的人。
每一次交互能力的跃迁，都会从根本上冲击前端作为“粘合层”的角色：从低代码、无代码，到 sketch2code、image2code，再到如今模型直接生成交互逻辑，传统意义上以切图、对齐 UI、手写交互为中心的人力需求自然会持续收缩，于是“前端已死”的声音周而复始地出现。
但我眼中的前端，从来不是一门技术栈，而是一条翻译层。它负责将终端服务的能力翻译成可感知、可理解、可操作的体验，也负责将用户的行为、反馈与真实诉求翻译回底层系统。这是一条细腻、繁琐、又极度关键的链路，它贯穿任何时代的人机交互，不会因代码生成而消失，也不会因界面形式改变而过时。只有执行方式会换，角色本质不会换。
前端市场的紧缩与释放，本质取决于范式成熟度与用户需求的离散度。在 Chatbot 这种高度同质化的交互形态下，对前端的需求自然趋向过剩；而当交互正式迈向语音、多模态、AR/VR、空间计算，新的交互结构和感知模式将迅速增殖，界面与操作将重新被塑造，前端的边界又会重新被拉伸。
真正不会被淘汰的，不是某个技术栈，而是对“下一次人机关系”保持足够敏锐的洞察力，理解自己如何与未来的交互方式接驳。范式迁移不会淘汰人，只会淘汰那些不再迁移的人。
17 23
OpenAI 有一个 privacy 二级域名，专门用来处理数据隐私问题，你可以要求 OpenAI 导出以及删除你的所有数据，也可以声明不允许你的数据参与大模型的训练。
我尝试将过去两年跟 ChatGPT 的对话数据导了出来，结果令人震惊：总共 220Mb+ 的内容，其中纯文本就有 45Mb，约两千万字，还包含大量音视频和图片文件。
如果把这些内容重新结构化拼凑起来，几乎可以复原出一个完整的“数字分身”——它记录了我的思考、表达、偏好、甚至情绪节奏。
这是一件令人感到愉悦的事情，不过也是个恐怖故事，意味着跟大模型保持长期交互之后，基本就是“赤裸裸”地暴露在它们面前了。
在 AI 时代，我们既在创造自己的“Second Me”，也在不断把真实的自我交托给算法。
我尝试将过去两年跟 ChatGPT 的对话数据导了出来，结果令人震惊：总共 220Mb+ 的内容，其中纯文本就有 45Mb，约两千万字，还包含大量音视频和图片文件。
如果把这些内容重新结构化拼凑起来，几乎可以复原出一个完整的“数字分身”——它记录了我的思考、表达、偏好、甚至情绪节奏。
这是一件令人感到愉悦的事情，不过也是个恐怖故事，意味着跟大模型保持长期交互之后，基本就是“赤裸裸”地暴露在它们面前了。
在 AI 时代，我们既在创造自己的“Second Me”，也在不断把真实的自我交托给算法。
6 38
工作的幸福感来自于对方向的选择，以及对环境的选择。
知道自己想做什么、为什么要做、怎么做才对，就不会盲目追求绩效。把每一个任务放进自己的“人生系统”去规划和判断，会获得更长期和更有效的 ROI，这是对方向感的把握，让自己远离“瞎忙”的幻觉。
遇到让自己不舒服或者限制生产力的人或事，坚决远离！坚定 Say no！如果同事让你低效，那就少接触。如果上司让你窒息，那就换个部门。如果整个组织都让你无法发挥，那就换个生态。这不是逃避，而是主动优化自己的生存环境。
高效能不是靠隐忍堆出来的，而是靠选择筛选，真正的成熟，是明白“环境比努力更重要”。
知道自己想做什么、为什么要做、怎么做才对，就不会盲目追求绩效。把每一个任务放进自己的“人生系统”去规划和判断，会获得更长期和更有效的 ROI，这是对方向感的把握，让自己远离“瞎忙”的幻觉。
遇到让自己不舒服或者限制生产力的人或事，坚决远离！坚定 Say no！如果同事让你低效，那就少接触。如果上司让你窒息，那就换个部门。如果整个组织都让你无法发挥，那就换个生态。这不是逃避，而是主动优化自己的生存环境。
高效能不是靠隐忍堆出来的，而是靠选择筛选，真正的成熟，是明白“环境比努力更重要”。
23 53
夸克也出 AI 眼镜，小米、华为、阿里均已入局，接下来还有谁呢？🍉
夸克在宣推的时候，把快捷换电池“全天候使用”放到了首位，可以看出，对一副 AI 眼镜来说，如果失去了 AI 功能，用户的体感基本只剩负分差评了。
我对 AI 眼镜最强的诉求就是 whisper，能够用近乎唇语的小声，让 AI处理一些任务，例如提问、拍照、记录、导航。目前来看，只有 Solos 做到了，其他产品好像不是很在意这部分的体验？
夸克在宣推的时候，把快捷换电池“全天候使用”放到了首位，可以看出，对一副 AI 眼镜来说，如果失去了 AI 功能，用户的体感基本只剩负分差评了。
我对 AI 眼镜最强的诉求就是 whisper，能够用近乎唇语的小声，让 AI处理一些任务，例如提问、拍照、记录、导航。目前来看，只有 Solos 做到了，其他产品好像不是很在意这部分的体验？
11 11
最近这段时间的 AI 编程体验让我越发觉得，Manus 朝着 Wide Research 的方向持续前进，是符合认知和技术发展规律的，我非常认同这种趋势。
如果不是受限于算力，如果不是我自己在 Agent 调度上的能力还不成熟，那么前两天编写的那个完整程序，根本不该花我四个小时，理论上，十分钟甚至更短就能搞定。
Manus 1.5 的推出正好印证了这一点。它没有刻意去构建一个所谓的 app builder agent，而是基于 Wide Research 框架，增强了工具的调用能力。结果就是：一句话就能生成一个带前后端、数据库、支付模块、数据分析的完整产品。
在高价值的交付面前，高客单价根本不是问题。
如果不是受限于算力，如果不是我自己在 Agent 调度上的能力还不成熟，那么前两天编写的那个完整程序，根本不该花我四个小时，理论上，十分钟甚至更短就能搞定。
Manus 1.5 的推出正好印证了这一点。它没有刻意去构建一个所谓的 app builder agent，而是基于 Wide Research 框架，增强了工具的调用能力。结果就是：一句话就能生成一个带前后端、数据库、支付模块、数据分析的完整产品。
在高价值的交付面前，高客单价根本不是问题。
hidecloud: Manus 1.5 来啦。全面升级的原生 AI web app 构建能力，让每个人都能用 AI 来实现自己的想法，打造自己人生中第一个 AI 应用。这个版本对我们来说也格外重要，除了在速度、性能上的全面提升外。它也再次证明了 Manus 核心架构的通用性，我们并没有刻意去做一个 AI website builder，而是持续进化 Manus 的核心框架，并为其提供合适的工具，最终在短短一个月的时间里就进化出了 sota 级别的 AI web app 构建能力。 与此同时，这个能力并不是单独存在的，它与 Manus 全套功能都是打通的，你可以创建一个自己的服务介绍网站，用户留资后你的 Manus 客户端会收到通知，你的邮件也会收到推送从而可以触发 Mail Manus 功能完成后续的任务（比如给每个留资客户准备一个个性化的幻灯片？） 这项增强功能今天面向所有 Manus 用户推出。支撑这项能力的基础设施是我们正在构建的更宏大愿景的一部分——一个任何人都能利用云计算和 AI 的全部力量的平台，只需通过对话。 敬请期待。
8 02
AI 编程不是让你变懒，而是让你更像一个系统设计者。Coding 的确变少了，但你在 Architecture & Orchestration（架构与编排）上，做得比过去任何时候都多。
没有对代码的组织和结构化做设计，全靠 Vibe coding， 项目是很难长大的。功能越多，越容易在后期陷入稳定性差、鲁棒性低、可维护性崩塌的泥潭。
AI 本身并不关心这些系统属性，这也意味着，如果人类不主动构建它的秩序，那 AI 产出的代码就只能是一次次补丁的堆砌。
没有对代码的组织和结构化做设计，全靠 Vibe coding， 项目是很难长大的。功能越多，越容易在后期陷入稳定性差、鲁棒性低、可维护性崩塌的泥潭。
AI 本身并不关心这些系统属性，这也意味着，如果人类不主动构建它的秩序，那 AI 产出的代码就只能是一次次补丁的堆砌。
36 26
指挥 Codex CLI 干了四五个小时，把之前写的“网页音视频加速播放”油猴脚本改成了 Chrome 插件，已经提交商店审核。快速记录几点感受：
1. 聊四到五个小时，开始限制 token 了，不太够用，聊的过程中，感觉 token 消耗是个黑盒，不知道它在干什么
2. 当遇到报错时，会给它提供报错信息以及截图，但一开始总是有点不信任它能把问题搞定
3. 代码一旦改坏了，最想做的就是回到上一步，但上一步我给它安排了四五个任务，这时候要是只让它移除其中某段代码，又怕引出新的报错。事实证明，最稳妥的方式还是每个 feature 都独立进入 git 管理，否则回退会非常麻烦。feature 都进入 git 管理
4. codex 读代码读的实在是太认真了，以至于执行任务的速度特别慢，对于稍微复杂点的任务，或者同时布置了多个任务，需要 5～20min 才能搞定
5. 每次对话结束，我都希望它能自动把过程记录下来，但它做得并不好，总结的内容也很一般。
6. 80% 情况写出来的代码能直接跑；出错的那 20%，经过第二轮调教后大多也能跑通。
7. 看着它执行某个任务的空档，脑子里有了新的想法，会想让它并发执行很多任务，但又担心它处理不过来。
8. 95% 都是 AI 写代码，但有些问题它排查得实在是太慢了，会忍不住自己上手，比它要快很多。
9. 有部分任务它处理的并不好，例如让它生成 svg 图标，效果很差。
10. 表达清晰很重要，如果任务描述的过于抽象，它可能会理解错，如果跟他沟通的时候，具体到函数名或 DOM id，它的处理基本会更准确。
以上遇到的问题，基本都找到了好的解法，等后面整理了再分享。还是要多用，才能不断优化工具的使用。
总的来说，整个项目完成的速度已经是我自己的 5 倍以上，因为省略了学习陌生知识的时间。说实话，一个月花 2～3k 在 AI Coding 上，完全是值得的，相当于给自己找了个外包。
1. 聊四到五个小时，开始限制 token 了，不太够用，聊的过程中，感觉 token 消耗是个黑盒，不知道它在干什么
2. 当遇到报错时，会给它提供报错信息以及截图，但一开始总是有点不信任它能把问题搞定
3. 代码一旦改坏了，最想做的就是回到上一步，但上一步我给它安排了四五个任务，这时候要是只让它移除其中某段代码，又怕引出新的报错。事实证明，最稳妥的方式还是每个 feature 都独立进入 git 管理，否则回退会非常麻烦。feature 都进入 git 管理
4. codex 读代码读的实在是太认真了，以至于执行任务的速度特别慢，对于稍微复杂点的任务，或者同时布置了多个任务，需要 5～20min 才能搞定
5. 每次对话结束，我都希望它能自动把过程记录下来，但它做得并不好，总结的内容也很一般。
6. 80% 情况写出来的代码能直接跑；出错的那 20%，经过第二轮调教后大多也能跑通。
7. 看着它执行某个任务的空档，脑子里有了新的想法，会想让它并发执行很多任务，但又担心它处理不过来。
8. 95% 都是 AI 写代码，但有些问题它排查得实在是太慢了，会忍不住自己上手，比它要快很多。
9. 有部分任务它处理的并不好，例如让它生成 svg 图标，效果很差。
10. 表达清晰很重要，如果任务描述的过于抽象，它可能会理解错，如果跟他沟通的时候，具体到函数名或 DOM id，它的处理基本会更准确。
以上遇到的问题，基本都找到了好的解法，等后面整理了再分享。还是要多用，才能不断优化工具的使用。
总的来说，整个项目完成的速度已经是我自己的 5 倍以上，因为省略了学习陌生知识的时间。说实话，一个月花 2～3k 在 AI Coding 上，完全是值得的，相当于给自己找了个外包。
17 14