有了 AI 之后，都有点感觉不会写东西了，或者说已经不太会打字写东西了。自己的事情，用语音输入乱喷一通，然后交给 AI 做润色和结构调整，就能拿到成文的内容。工作的时候，不方便语音输入，很多时候也只是简单打几个字词拼凑下，然后就让 AI 去组织生成一篇完整的文章，很多时候都是先让 AI 写好，然后自己微调而已。要不是重新工作的话，感觉打字表达这个能力还得继续退化。 之前看到一个挺有意思的 meme 图还是段子，说的就是 AI agent 盛行之后，很多很简单的事情，人们都不会自己去干，而是选择丢给 AI 去做。比如自己去干可能只是一两分钟，丢给 AI 的话，AI 思考调用执行一通，时间其实差不多，甚至还可能更多，因为 AI 还可能会…
阅读全文最近重新上班之后，在公司里大量使用 AI 进行工作和开发，使用强度上来后，消耗也多了很多。眼下最头疼的是：公司虽然提供工具和额度，但多且杂，没有一个足够好用、也足够用的。公司层面有自己的 AI 平台，部门又单独搞了一个，限额、可用性、排队都经常碰到。为了补这些缺口，我自己也自费买了一些订阅，可即便切到最高档的 Codex 猛用，一个账号也完全不够，还是得在多种工具之间来回切。日常工作里同时面对多个 AI 工具、多个模型和不同供应商，管理起来很乱。往后可能还是得用回公司内部的各种工具和模型；再加上公司所谓的保密要求，以后对外部模型大概也会有所限制——真要是自己的订阅用不了，切换只会更频繁。 更麻烦的是，对话内容、记忆和工作进展很难在这…
阅读全文从怀疑数据记录开始 几年前，我曾经写过一篇博客，吐槽自己对各种数据记录的执念。那时候我会记录很多东西：戴运动手表记录身体数据，用时间记录工具记录每天的行为和工作，也会关注一些健康指标。记录得越多，我反而越怀疑这些数据的价值。它们被保存下来之后，似乎很少真正被使用，也很难从中看出什么有价值的信息。 现在回头看，当时的吐槽有它的背景。数据本身被记录下来，并不等于它能自动产生价值。真正困难的地方在于：如何读取、整理、分析这些数据，并从里面发现一些对自己有用的规律。但在 AI 逐渐普及之后，这件事情的意义开始变得不一样了。 AI 让健康数据重新变得可用 最开始让我产生这个想法的，是在推特上看到有人把自己的 Apple Health 数据全部…
阅读全文起源：Valine + LeanCloud 博客最早期用的评论系统是 Valine.js。当时整套方案完全是前端操作，后端找一个 SaaS 提供对象存储服务。在 2017、2018 年左右，大部分博客系统推荐的都是 Valine.js + LeanCloud 这套组合 —— 存储免费、够用也好用，基本上大家都用 LeanCloud。 中途 Valine 爆出过漏洞。毕竟它是纯前端的，Token 之类的敏感信息都直接写在页面里，很容易泄露。一旦泄露，别人就能拿你的 Token 去读写数据 —— 更恶心的是，可以往里面乱写一通，直接把你的博客评论刷满无意义内容甚至危险内容。 漏洞出来后没多久，就有人在 Valine 的基础上做了一个新框…
阅读全文我一直是 RSS 的老用户。早在建立个人博客之前，我就养成了用 RSS 订阅别人博客的习惯。所以我的博客一搭起来，就马上开启了 RSS 订阅源。 对我来说，RSS 一直不只是个订阅工具。这些年我读到的那些人、那些故事，基本都是从一条条 RSS 链接开始的。所以这篇想聊的，除了我用过的几个 RSS 工具，也想顺便说说，那些工具带我看到了哪些博客和哪些人。 RSS 之于我 在那段时期，RSS 基本上就是我的博客与其他博客之间的主要关联方式。这也跟我没加"友链"有关——我感知别人的更新、看到别人写了什么，基本都通过 RSS；反过来，别人想知道我写了什么，也是通过 RSS 来发现。 RSS 本质上是输出内容的索引。它维护一份像内容摘要或预告…
阅读全文本文使用古法键盘手搓码字 拥抱语音输入也有一段时间了，进一步深入使用后，还是真的爽，尤其是需要长文输入的场景里面，使用语音输入可以让自己没有拘束地输入大段文字，再加上使用 typeless 这种能够帮忙整理语音输入内容和句式结构的软件，使用体感非常好。 之前提到的一些问题，现在用多了再回头看来，其实也不太算问题了，或者说都有比较好的解法。 比如“需要挑安静环境”这件事，换了一些软件之后我才发现，有些软件其实可以过滤掉背景声音，或者明显和说话者无关的杂音。如果再配一个专门收音的麦克风，那就更不是问题了。 再比如准确率和所谓的 AI “加戏”。如果软件够强、模型够强，准确率其实还是相当不错。哪怕是专有名词或者英语单词，只要比较常用，识别…
阅读全文我曾经是一个非常习惯做笔记、写文章的人。学习的时候，总觉得如果只是看了一遍而没有动手做点什么，就好像没有真正学到东西。 对于技术性的内容，可以通过动手实操来掌握；但对于知识型的内容，似乎只能靠输出——做笔记、写总结——来验证自己是否真的有所收获。 不过，“记笔记”这件事其实比较笼统。笔记至少可以分为两种：一种是主观输出型，由自己思考、总结得出，能写出这样的笔记自然没什么问题；另一种是摘录整理型，也是大多数人更常做的——把学到的内容摘录下来，最多做一些结构化整理。 这种摘录式的笔记，记下来似乎没什么意义：记完不过是堆在知识库里，不一定会再翻出来看，顶多是偶尔需要的时候去笔记软件里搜一下。但如果不记，又会有种不安感，好像没有学过一样。尤…
阅读全文最近我大量使用 Claude Code 进行 Vibe Coding，也做了不少自己的小项目和小工具。这些工具在运行时，往往会启动本地服务器来提供 Web 或 API 服务。本地调试确实很方便，但问题在于，用完之后它们并不总能被彻底关闭。 有时即使显式让它退出，进程也未必真的结束；有时直接关闭会话窗口，服务却依然在后台运行。久而久之，系统里就残留了不少 Web 服务进程，占用内存和端口。 这类残留进程会带来几个比较麻烦的问题： 1. AI 误判服务状态 在 AI Coding 场景下，AI 判断服务是否启动，通常只是简单扫描端口是否被占用。 结果就是：看起来一切正常，实际上什么都没跑起来。 2. 端口冲突导致反复修改配置 当端口被占…
阅读全文春节假期刷了不少关于语音输入的帖子，这颗安利我吃下了，决定更进一步拥抱 AI，看看能不能把效率和生产力拉满。 于是，我开始试用各种语音输入软件，强迫自己将日常输入场景切换到“动嘴”模式。目前的这套工作流主要是：使用 “闪电说” 配合 “豆包” 或 “通义千问” 的流式语音模型进行识别转写。 针对不同的输出需求，我的处理方式如下： 大段文字：我在 Gemini 中自定义了一个 Gem，将转写后的“生肉”扔给它，让它帮忙去除口语废话、修正错词。之后，我会再人工过一遍。 短句/碎片想法：通常直接手动修改。 目前的结论是：输入准确率尚可，但距离真正的“生产力自由”还有很长的路要走。 甚至在很多场景下，它处于“不可用”或“不好用”的状态。当然…
阅读全文在使用 Claude Code 的过程中，superpowers 提供的 Skills 套件实在太好用了，尤其是其中的 Brainstorming、Writing-plans 和 Executing-plans。用上这些技能后，明显能感觉到 AI 干起活来更有章法，逻辑性提升显著。 最近我也在研究 Claude Code 以外的代码 Agent CLI 工具。既然开了 Gemini 的会员，就顺手试了试 Google 官方提供的 CLI 工具。虽然 Gemini CLI 也支持 Agent Skills，但在命令格式和规则细节上与 Claude 存在一些差异。目前官方的 superpowers 尚未正式支持 Gemini（尽管我在…
阅读全文