isboyjc
70 posts
isboyjc
@isboyjc
探索更好的“用”AI，不止于 AI； 极客；独立开发；持续创业； 不正经的前端；很正经的摄影📸； https://t.co/tmlMTFGTxL https://t.co/U6tBM2rUR2
Katılım Şubat 2020
179 Takip Edilen84 Takipçiler
在国内做个独立小产品环境也太差了... 刚发两天，喜提各种「致敬」，谢谢大家了 😅 甚至还打上我的 #vibeisland 的 tag 是想干啥
中文
所以我们放弃了图形用户界面GUI，转而使用终端TUI，现在又在终端里做图形用户界面～
那些无脑鼓吹TUI如何如何的人脸疼不疼～
Boris Cherny@bcherny
Today we're excited to announce NO_FLICKER mode for Claude Code in the terminal It uses an experimental new renderer that we're excited about. The renderer is early and has tradeoffs, but already we've found that most internal users prefer it over the old renderer. It also supports mouse events (yes, in a terminal). Try it: CLAUDE_CODE_NO_FLICKER=1 claude
中文
不是没有好内容，问题是可能刷半天才能刷到一条有价值的。
剩下的大部分内容都是：
一个观点，被反复咀嚼、反复包装。
所谓“大佬”，很多时候也只是：
别人一手观点 → 他二次解读 → 别人三次总结 → 又有人四次复盘。
看多了真的像嚼蜡。
前几年AI圈人少的时候还好，现在人一多，再叠加一堆等着热点洗流量的人。
只要出现一个热点，整个X中文时间线基本就只剩这一件事了。
所有人都在追热点。
真正有长期价值的内容，反而越来越少。
现在的推特，刷起来真的有点反胃。
不是信息少，而是噪音太多了～
逸尘@gengdaJ
X真的越来越浮躁了，但是真的一点不奇怪。 我从来不觉得整天混在X上的人比国内的人强。 有一个很简单的道理：如果一个生意赚钱，能赚大钱，且能持续长期地赚钱，那他有必要去接触国外的AI、国外的讯息吗？ 很多人X上面的人的互联网和商业思维其实很浅薄，知道的能赚钱路子尚且很少，自己打通的变现闭环就更少了。 嘴上高呼“出海赚美金”“只用最顶级AI”的口号，很容易就陷入了一种“高认知的傲慢”里面，觉得自己就是比墙内的人略高一等——用上Claude、挂着VPS、赚着老马的工资，老牛逼了。 但是，如果说，一个人，只用免费的豆包，一天产出200篇文章，一年一个人运营公众号做到上百万。我觉得需要认真反思一下自己了。 这一篇不是讽刺谁，而是我的“自省贴”。我是“X上的人”，我之前也因为用着最顶级的AI，为了老马的工资追逐流量，也一时冲昏了头脑。 接下来，我要回归正轨，时刻保持清醒，去追逐、去打造更长远的商业模式，我相信，在X的这段磨炼能给我下一段旅程带去可复用的经验和能力（没说我要停更）。 不为了流量而做流量、不做短期商业模式、追求长期发展，这一类朋友，是之后发展的过程中需要去深度结交的。 最后的建议，少刷推特。如果刷，可以多去刷英区的builder。
中文
在魔改了，大家想玩的话可以看这个：
github.com/isboyjc/claude…
我已经提前埋好了钩子， `postinstall` 脚本（`scripts/postinstall.js` ）会自动完成两件事：
- 创建私有包存根
- 补丁 commander
安装完bun之后先安装依赖bun install，然后bun run build构建。
最后就可以bun dist/cli.js来玩了。
直接跑会复用本地cc环境变量，也可以根据README.md说明改一下环境变量和本地区分开。
大家都疯狂在Claude Code仓库提PR修BUG，但是看A社已经下架了 2.1.88 版本，所以直接开源的可能性几乎为零。
isboyjc@isboyjc
So，Claude Code NPM包给到了sourcemap，懂得都知道意味着什么，很快就有人还原了Claude Code 2.1.88版本源码～ TMD，这世界真是个巨大的草台班子！
中文
@FlowBinary @fkysly 把法拉利的发动机拆下来装进拖拉机怎么跑不出 F1 的速度？
同理也是一样的，国产的某些cli，为啥用claude也达不到cc的效果？
Anthropic 的 Claude 模型本身代码能力很强，但也不能否认CC做了完整且优秀的 agent 设计（检索、规划、编辑、验证一整套闭环），而且上下文和 prompt 是深度工程化调过的
中文
Claude Code 泄露了全部源码——不是被黑客攻破，是 Anthropic 自己把 source map 打包进了 npm 发布物。
一个 57MB 的 cli.js.map 文件，里面藏着 4756 个源文件的完整内容。其中 1906 个是 Claude Code 自身的 TypeScript/TSX 源码，剩下 2850 个是 node_modules 依赖。
提取方法极其简单：cli.js.map 本质就是一个 JSON，里面有两个关键数组——sources（文件路径）和 sourcesContent（对应的完整源码）。两者索引一一对应。不需要反编译，不需要反混淆，sourcesContent 里存的就是一字不差的原始代码。提取脚本见文末。
从还原的源码可以看到：Claude Code 用 React + Ink 构建 CLI 界面，核心是一个 REPL 循环，支持自然语言输入和 slash 命令，底层通过工具系统与 LLM API 交互。架构设计、系统提示词、工具调用逻辑，全部一览无余。
这件事的本质是一个经典的安全疏忽：source map 是开发调试用的，包含从变量名到注释的所有信息，不应该出现在生产发布物中。Anthropic 后来意识到了这个问题，移除了 source map，GitHub 上提取源码的仓库也被 DMCA 了。但早期版本的 npm 包已经被存档，源码早就在社区流传。
给所有发布 npm 包的开发者提个醒：发布前检查你的 .map 文件。一行 sourcesContent 就能让你的所有代码公之于众。
gist.github.com/sorrycc/ec2968…
中文
我不觉得 CLI 会是最终形态。
如果 AI coding agent 真的成熟，最终用户体验更可能是：
自然语言 → 软件
“帮我做一个带登录和统计图表的记账 App。”
AI 自动：
生成代码 → 跑测试 → 部署 → 上线
这是一个完全端到端的路线，用户甚至不需要看到终端。
所以现在看到的大量 CLI agent，更像是：
“AI 编程时代的 DOS 阶段”。
能力先出现，界面交互形态会在后面慢慢进化，但一定不是CLI，因为他并不适合所有人。
宝玉@dotey
飞书 CLI 开源了，为什么 AI Agent 时代，大家都在做命令行工具？ 飞书刚开源了一个命令行工具 lark-cli，能让 AI Agent 直接操作飞书：发消息、查日历、写文档、建多维表格、发邮件、管任务。你跟 AI 说一句话，它自己去操作飞书完成任务。 类似的 CLI 还很多，三周前 Google 也开源了 gws，让 AI Agent 操作 Google Workspace。2026 年了，所有想接入 AI Agent 的产品，都在做 CLI。 【1】先说 CLI 是什么 CLI（Command Line Interface），就是你在电脑上打开一个黑底白字的终端窗口，敲一行命令，回车，电脑帮你干活。 比如你要查今天的日程，不用打开飞书 App 找日历，敲一行： lark-cli calendar +agenda 日程就列出来了。 没有按钮，没有图标，没有花哨的界面。CLI 比图形界面早了二十多年，在 Windows 时代逐渐没什么人用了。但 AI Agent 时代，又火起来了。 【2】为什么 AI Agent 时代，大家都在做 CLI AI Agent 要干活，就得有操作工具的能力。你让 AI 帮你订会议室，它需要能访问日历系统。你让它帮你整理客户数据，它需要能读写表格。你让它帮你部署代码，它需要能跑部署命令。 总得有一个接口让 AI 去调用。API 也能做这件事，但 CLI 有一个 API 不具备的优势：CLI 是自描述的。AI 碰到一个陌生的 CLI，敲一下 --help 就知道有哪些能力、怎么用、参数怎么填。API 不行，AI 得先拿到文档、弄清端点、搞懂认证方式，才能动手。CLI 自带说明书，AI 拿来就能用。 而且 CLI 天然是用文本交互的，输入是文字，输出也是文字。AI 最擅长处理的就是文字。反过来，让 AI 操作 GUI 就绕远了，得截图、用视觉模型识别按钮在哪、再模拟鼠标去点，一行命令能搞定的事拆成四步，每步都可能出错。对 AI 来说，CLI 就是天然的操作界面。 【3】那 MCP 和技能呢 让 AI Agent 操作外部服务，现在主流有三种方式：MCP、CLI、技能（Skills）。三者不是互相替代的关系，各管一件事。 CLI 是实际干活的工具。装完之后终端里就能跑命令，查日历、发消息、建表格，都是 CLI 在执行。 MCP 也是让 AI 操作外部服务的，但方式不同。MCP 是提前把工具清单注册给 AI，AI 随时能调用，但清单本身常驻上下文窗口（可以理解为 AI 的“工作记忆”，空间有限）。就算 AI 暂时不用某个工具，它的描述也占着空间。CLI 是 AI 需要的时候自己去终端敲命令，用完就走，不占上下文。 另一个区别是组合能力。CLI 可以靠管道和参数组合出没预设过的操作，比如： lark-cli calendar agenda --next-week | grep“张三” | wc -l 一行命令就能查出下周和张三有几个会。MCP 的每个能力都需要提前注册，要实现同样的效果，得单独定义一个新工具。 不过 MCP 有自己的适用场景。在不支持命令行的环境里（比如 Cursor、Claude 桌面端），MCP 是唯一选择。两者各有所长：能访问终端的场景用 CLI 更轻量灵活，不能访问终端的场景靠 MCP。 技能是给 Agent 看的说明书。它不干活，但告诉 Agent 这个 CLI 有哪些命令、什么场景该用什么参数、出错了怎么处理。没有技能文件 Agent 也能用 CLI，靠 --help 自己摸索。有了技能文件，Agent 一上来就知道该怎么操作，成功率高得多。 简单说：CLI 是手，MCP 是另一种手，技能是肌肉记忆。飞书这次开源的项目，CLI 和技能一起提供。 【4】怎么给 AI 写好一个 CLI 不是随便写个命令行工具 AI 就能顺畅地用。如果你想给自己的产品做一个面向 AI 的 CLI，飞书的设计有几个值得参考的地方。 第一，help 文本是你最重要的文档。AI 碰到不认识的 CLI，第一件事就是运行 --help。你的 help 文本就是工具说明书、参数规格、使用指南三合一。别写那种“Usage: myctl deploy [flags]”就完事的帮助信息，要写清楚每个参数干什么、什么时候用、有什么默认值。飞书 CLI 还有一个 schema 命令，可以快速查询任何 API 方法的参数、请求体、响应结构、支持的身份和权限范围。AI 看到这些信息就能自己决定怎么调用。 第二，支持 dry-run，这是为 AI 设计的安全网。AI 会自己做决策，有时候它理解错了你的意图，或者匹配到了不该动的数据。dry-run 相当于一个“预览”机制。 举个例子，你让 AI 帮你删除飞书多维表格里上个月的过期数据。如果直接执行，删错了就没了。加上 --dry-run，AI 会先跑一遍，返回类似这样的结果：“将要删除以下 47 条记录：2025-05 的过期任务 23 条，已归档项目 24 条。未做任何实际修改。”你看了觉得没问题，再让它去掉 --dry-run 真正执行。Google 的 gws 也做了同样的设计，它的技能文件里甚至写死了一条规则：对所有写入和删除操作，必须先 dry-run。 第三，错误信息要能指导下一步操作。人看到“Permission denied”会自己去查文档。AI 看到“Permission denied”就卡住了。飞书 CLI 的做法是：告诉 AI 你缺了什么权限，顺便把申请权限的命令也给出来。比如 lark-cli auth login --scope“calendar:calendar:readonly”。AI 看到就能自己修复问题，继续干活。为 AI 设计的 CLI，每一条错误信息都应该包含三个要素：哪个参数出了问题、具体错在哪里、下一步应该执行什么命令来修复。 第四，返回结构化数据，控制好输出量。飞书 CLI 支持 json、csv、table 等多种输出格式。对人来说 table 更顺眼，对 AI Agent 来说 json 更可靠。好的 CLI 不只是能跑通，还要方便被别的工具消费。同时要控制输出量。AI 的上下文窗口有限，如果一个命令返回一万行日志，上下文就炸了。飞书 CLI 提供了分页参数（--page-limit）和过滤参数，让 AI 能拿到它需要的那部分数据就好。 不管你是设计 CLI 的人还是用 CLI 的人，记住这条：让 Agent 动手之前，先让它 dry run 一遍。 【5】装完之后，你动嘴，Agent 动手 装完之后用起来就是：你说一句话，Agent 去操作飞书把事情办了。 你开完会，跟 AI 说“把刚才会议里提到的所有待办都提出来，该发文档的发文档，该建任务的建任务”。AI 读会议纪要，拆解出待办事项，然后逐条执行：用 lark-cli doc create 在飞书里建文档，用 lark-cli task create 建任务并指派给对应的人，用 lark-cli im send 把结果通知到群里。整个过程你只说了一句话，Agent 在终端里跑了一串命令。而且因为有 dry-run，你可以让它先预览一遍要建哪些任务、发给谁，确认没问题再真正执行。 你要约一个五人跨时区的会，跟 AI 说“帮我看看下周大家什么时候有空”。AI 去查每个人的日历和时区，推荐几个时间段，你选一个，会就建好了。 你甚至可以让 AI 在飞书文档里直接帮你写初稿，你在文档里留评论提意见，AI 读完评论自己改。整个协作过程不用离开飞书。 安装也简单，npm install -g @larksuite/cli 装 CLI，npx skills add github.com/larksuite/cli -y -g 装技能文件。你甚至不用自己记这两步，把项目地址 github.com/larksuite/cli 发给 Agent，让它自己安装、自己学会怎么用。 【CLI 的回归】 过去四十年，计算机的界面进化方向一直是从 CLI 到 GUI，从文字到图标，从键盘到触屏，对人越来越友好。 AI Agent 时代，方向反过来了，软件的用户变成了 AI Agent。CLI 这个为文字世界设计的接口，恰好是 AI 最顺手的工具。 既然 Agent 成了软件新的用户增长点，那么像飞书提供 CLI 也不稀奇，与其等着社区来写 MCP 适配层，不如直接做一个 AI 原生的 CLI，完全开源，无需注册审批，让所有 AI Agent 都能接入。 这也带来一个绕不开的问题：Agent 的权限怎么给？不给权限，什么都做不了；权限太高，又怕 Agent 理解错意图干出不可逆的事。毕竟还做不到让 Agent 代你审批、代你发全员邮件。dry-run 能兜住一部分风险，但真正要让 Agent 在企业里大规模跑起来，权限体系、审计追踪、人机协作的边界，都还在摸索中。 但换个角度想，当年我们把公司的钱从保险柜搬到网银，把合同从纸质搬到电子签，也都是一步步摸索出来的。CLI 和 dry-run，可能就是这个过程里的第一步。 而飞书做这件事，其实有一个别人不太容易复制的优势：它本身在企业协作领域已经足够成熟，消息、文档、日历、审批、多维表格、任务，这些能力都是现成的。现在把这些能力通过 AI 原生的 CLI 全部开放出来，大概率会成为国内对 AI Agent 最开放、最友好的企业级接入入口。这件事的价值不止是多一个工具，更像是真正在为 Agent 时代搭建企业级基础设施，把权限、审计、组织能力开放给整个生态，对行业落地 AI Agent 会是很关键的一步。
中文
App这种形态可能很快就要消亡了。
最近几天飞书，钉钉和企微先后开源了自家的CLI，昨天评测了一下飞书CLI，得出这样一个结论：App 这种形态，可能很快就要消亡了。
未来的数字世界，或许不再有琳琅满面的图标，只有你和 AI 的对话框。
我们曾以为不可或缺的软件，将回归它们的本质，成为 AI 调用的底层工具，而不是人类直接交互的对象。
从底层逻辑来看，计算机只认识二进制，而人类使用自然语言。为了让两个物种能交流，我们发明了GUI。
每一个按钮、菜单、滚动条，本质上都是在给人类“翻译”复杂的机器指令。
你想点个外卖，得先找到那个黄色或红色的图标，点击进入，在层层叠叠的菜单里筛选，最后下单。这个过程其实极其低效。
所谓的“用户体验设计”，本质上是想方设法让这用户用起来更顺手一点。但归根结底，你并不想“刷 App”，你只是想“吃顿饭”。
现在，AI 出现了。它最强大的地方在于，它能直接听懂人类的意图，并将其转化为机器能执行的代码。
现在大厂纷纷开源CLI，也是看到这一点。
- 以前： 你要在手机上打开 12306 抢票，打开携程订房，打开高德打车，再打开大众点评找餐厅。你在不同 App 之间跳来跳去，像个忙碌的接线员。
- 以后： 你只需要对 AI 说：“我下周三去上海出差两天，住静安寺附近，帮我订好往返最快的票和评价最好的酒店，并约个周三晚上的饭局。”
AI 会直接去后台调用这些应用。 对你来说，这些 App 是透明的、不可见的。它们不再是面对用户的“窗口”，而变成了 AI 随取随用的“仓库”。
岳哥大胆预测一下，未来的软件开发逻辑将发生 180 度大转弯：
- UI将不再重要： 开发者不再需要挖空心思设计华丽的 UI 吸引用户留存，因为用户根本不看界面。
- API才是王道： 软件将演化为纯粹的功能集合。谁的接口更稳、数据更准、被 AI 调用的频率更高，谁就是赢家。
试想一下，你不再需要“刷”淘宝或京东。你只需告诉 AI：“我需要买一个能放在家里客厅、能过滤甲醛、噪音小于 30 分贝、且保修期在三年以上的空气净化器，预算 2000 元以内。”
AI 会在一秒钟内对比全网数据，直接给出结论并替你下单。在这个过程中，电商 App 沦为了纯粹的物流和仓储后端。 流量分发权从“平台”转到了“AI 助手”手中。
当然“消失”并不代表软件行业死亡了，相反，意味着软件真正融入我们的生活。
当 AI 真正成为数字世界的操作系统，那些密密麻麻的 App 图标，终将像磁带和光盘一样，成为一个时代的符号。
中文
速报一波，GLM-5.1 真的猛，应该是从国产模型SOTA要跃升到真正的全球SOTA了，我的 vector-db-bench 直接刷到了第一，我已经在剪视频了，稍后马上为大家带来GLM-5.1详细评测视频~
(另, GPT-5.4-Pro(xhigh) 真的贵, 为了跑这个昨天干进去150刀....其实也算好消息, 当模型价格比我工资贵, 那它就没太多竞争力了...[允悲])
(测试在这里：vector-db-bench.kcores.com)
中文