即刻App年轻人的同好社区
下载
App内打开
芦思苇
97关注276被关注1夸夸
🤖Context Is All You Need
🏖️AI Native PM
📸业余摄影师
💻在Coding 一个摄影类工具
芦思苇
5天前
我从上个周六开始休假,结果第一天就把假期玩成了远程办公。

出来玩的时候,我用手机远程给电脑派活。电脑隔一会发一条消息过来,我就停下来看看进度,发下一条指令。就这样反反复复地持续了两三个小时。

回到酒店后,我突然意识到,我的假期被 AI 给毁了。

虽然古镇逛完了,但整个过程我并没有真正“在玩”,我没有活在当下,没有去感受身边的风景、周遭的事物,所以也没有感受到那种出来玩的快乐,只有疲惫。

我的大脑一直在两种状态之间来回切:刚准备放松,又被消息拉回去开工。

为了守护我的假期,我给自己的 `im2cc` 做了一个“反茄钟模式”。

番茄钟是帮你专注工作的,反茄钟反过来——帮你专注休息。工作5分钟,强制休息半小时,守护你的休息时间。

这两天实际用下来,我觉得它真的有用。在他的约束下,我不会再隔几分钟就想看一下AI 是否返回新消息,休息时间,信息被拦住了。

在那半小时里,我“不得不”踏踏实实地去看眼前的风景,去听浪花拍打石壁,去闻海风裹来的气息。

当我走累了,还是可以坐下来休息一会,用5分钟的时间专注工作一会。

如果你也是那种 AI 一回消息,就忍不住继续干活的人,反茄钟可能是你假期最需要的功能。

GitHub 搜索 im2cc ,按提示一键安装,已装过的 im2cc update 命令更新一下就行。
00
芦思苇
8天前
💧雨滴落在湖面的时候,清明雨上就被按下了播放键

此刻就是音乐最有魅力的地方

听到这首歌,你就穿越到了江南
走在江南烟雨中,你就会听到这首歌

无锡·寄畅园
00:26
00
芦思苇
12天前
成为数字游民的第三天,刚刚开源了一个项目im2cc。

通过它,你可以直接用微信/飞书,接管电脑上正在跑的 Claude Code。 同时也支持 Codex Gemini CLI。

虽然 Claude 也出了远程功能,也有一些类似的开源项目。但我试了一圈,要么不够顺手,要么不贴自己的工作流。

那就干脆自己做一个。

我比较喜欢的主要是这三点:

1️⃣ 多会话能并行
我会在飞书里开几个群,同时跑几个不同任务。脑子终于不用堵在一个窗口里。

2️⃣ 多设备丝滑切换
电脑上用 `fn` 创建会话,后面手机上直接 `fc` 接上,不用反复扫码,也不用复杂指令。

3️⃣ 上下文完整
不同设备流转时,用的是同一个上下文。每次切到手机,最近一轮沟通记录也会自动带出来,瞬间找回工作记忆。

🤖怎么安装:GitHub 直接搜索 im2cc 。只需把项目 readme 中的提示词丢给 AI,就自动安装了。提示词我也放在评论区了。

这个项目我前后磨了半个月,迭代了快 100 次。尤其花了蛮多时间做 onboarding,朋友上手用了下,反馈也还不错,希望能帮到你~
11
芦思苇
15天前
干了一件所有打工人离职的时候想干的事。

离开之前“骂”老板😊

原帖发于美团内网“话题”社区,@了一下王兴,不知道能不能看到哈哈。

为了避免被阳光职场,没有直接截图。
60100
芦思苇
25天前
"编程""写代码""Coding"这些词,或许该被时代更新了。

它们携带着上个时代的背景信息,总让人觉得这是只有特定的人能做的专业的事。实际上AI Coding 正在变成一种通用的创造方式——就像写文章一样,不是只有学文科的人才能写文章,如今也不是只有程序员才能写代码。

大家都不识字的时候,写字撰文是少数人的权利。九年义务教育普及之后,每个人都能整上两句。

“写代码”大概率会走同一条路。随着 AI Coding 的普及,"我做了个应用"这种说法会越来越多的代替"我写了个应用"——这其实更准确地描述了 AI 辅助下的创造过程。"开发"这个词可能会活得最久,因为它天然不暗示你是怎么做到的。

而"程序员"这个称谓大概率会淡出视野。真正留下来的专业身份,不再是"会写代码的人",而是"能做系统判断的人"。当谁都能开发的时候,专业的稀缺性从"能不能写"转向了"知不知道该怎么写、为什么这么写"。

也可能最终不需要一个新词来替代"写代码"。就像摄影从暗房走到手机,"拍照"这个词活了下来,但内涵被完全重写了。一两年后有人说"我开发了个 app",默认理解就是"用 AI 搭的",而不是"手敲了几完行的代码"。

识字普及之后,"写作"并没有消失,而是分化了:发微信人人都会,但编剧、作家并没有因此贬值。所以更专业的(指导 AI)编程的技能和人依然是需要的,不是每个人都能熟练的掌握如何用 AI 写出复杂而稳定的程序。

很是期待,当写代码这件事像写作一样普及之后,这项技术本身和以此为职业的人,会发生怎样的变化呢?
01
芦思苇
1月前
远离AI的几个小时

带着实体咪咪出来感受春天
50
芦思苇
1月前
GPT 5.4更新了,距离5.3 Codex更新还不到半个月,AI世界快得让人眼花缭乱。

这次更新也没有什么颠覆性的东西,对于以Opus做主力的人来说,没啥影响。

好消息就是GPT作为openclaw的引擎,会更靠谱一些了。
30
芦思苇
2月前
Claude 控制的一个月,终于结束了。

在开始这一切之前,我以为是人类会把AI榨干,开始之后发现搞错了,Pro 会员的额度太少了,很容易触发5小时上限,也正是这样潜意识里觉得每一周的用量都不能浪费,然后为了把每个周的 token 用完,为了不让AI闲着,每一次睡前都想给他布置个任务,结果就是每天都比原计划晚睡至少一个小时🥲这个月的生物钟是被 Claude 打乱的

Claude 的会员是按31天计算的,实际会有五个周的额度,最后一周只有三天,前两天几乎连续不断的用满了八个5小时额度,最终把最后一周额度用光了,是人类被AI榨干了🤪

再过10分钟就可以开始下个周期使用Max会员了,人还会继续被AI遥控吗?🤔
00
芦思苇
2月前
@刘小排 使用AI的思路就很受启发,就是把用 AI 当成雇员工,AI探索者里的普通人可能一个月花一两百美元雇员工,还经常受到额度限制,相当于只雇了一个员工,每周只工作一定的时间就休息了(token 用完),他一个月投入上万美元来雇AI 员工,相当于雇了几十上百个员工且无休息的工作,这个效率和产出量级必然是不一样的。
所以对个人来说,接下来比拼的或许是谁对自己管理AI员工的能力有信心,能投入更多的预算?

歸藏: 目前最影响 AI 产出效果的是你的思想: 你究竟是把它当成一个人去发工资,还是把它当成一个订阅产品去交订阅费? 换句话说,你敢不敢为了一个项目给它足够的权限,让它燃烧足够的 Token? 我现在发现,确实是思路或者思维限制了我。 我一直以为自己是敢给 AI 花钱的,但在目前这个阶段,确实算不敢的

02
芦思苇
2月前
所以下一次的腾飞要等 verifier 发生质变了

CageZ: Anthropic 在 Agent Teams 发布的时候也公布了一个不错的内部实现,花2万美金/2周,用 multiagent 从头写了一个 C 编译器,推荐阅读。我读完主要的感受是 : 1/ Coding AGI 真的到了,今天 Codex 博客中也说了自己在 fix model 中起了贡献。 2/ multi-agent 的价值体现在任务的时间尺度可以再次指数级增长,因为 线性的 O(N) 任务被折叠成 O(log N) 的分层协作。于是更多原本不可能的任务可以实现,大家体感的 token 消耗量会再上一个台阶。这个思路其实中国团队贡献了很多,Manus Wide Research,Kimi Agent Swarm 在这里都有重要贡献。 https://www.anthropic.com/engineering/building-c-compiler 文章主要内容 1) 他们用 16 个 Claude 并行写了一个 C 编译器 这个目标满都很大,之前 coding agent 不太能做好。从零写一个 Rust C compiler,能编译 Linux kernel。作者说他们让 16 个 agent 并行跑、几乎不介入;两周内大约 2000 次 Claude Code session、花费约 2 万美金,产出 ~10 万行代码的编译器,能 build Linux 6.9(x86/ARM/RISC-V),还能编译一堆大项目(QEMU/FFmpeg/SQLite/postgres/redis 等),并且在多数 compiler test suite 上做到 ~99% 通过率。 2) “能跑很久”不是模型自然具备的,而是 harness 设计出来的 Claude Code 默认需要人持续在线互动,否则会“停下来等你”。作者做了个非常简单粗暴的 infinite loop harness:让 Claude 做完一件事立刻接下一件事,永远不停止;并强调要在容器里跑,而不是在真机上。这个思路和 Openclaw 的比较深似。 3) multi agent 的关键收益:high throughput 吞吐 + 不同价值任务的分工 并行能解决两类问题: 一个 agent 一次只能干一件事,并行能把 debug/修复多个 failing tests 的速度显著拉起来; 角色分工:有人写功能、有人做文档、有人做性能、有人做代码质量整治等。 他们用 git + “任务锁文件”做了一个很原始但有效的同步:每个 agent 认领一个任务文件,避免重复劳动;合并冲突很多,但 Claude 往往能自己解决。 4) human in the loop 部分:verifier 质量决定上限 作者反复强调:agent 会非常努力地“通过你给它的验收器”,所以验收器如果不严谨,最后就是“把错误问题做得很完美”。 于是他自己大量精力花在:找高质量 test suite、写 verifiers/build scripts、补 CI、把“新功能经常破坏旧功能”的回归问题压住。 同时要“站在 Claude 的视角”设计反馈:控制输出避免污染上下文、把关键信息写日志便于 grep;还要考虑模型对时间没有感知,傻跑很久测试。

01