Zhiheng
800 posts


手机上的腾讯视频的体验真是一塌糊涂,开了会员仍然有一堆广告,看电影是左滑右滑粒度很粗很难用,也没有类似 YouTube 的双击屏幕跳过 10s 功能。
Shame on you, @TencentVideo !
中文

@krishdotdev The quality isn't very good. The videos are all generated by AI, and they are somewhat blurry—even those labeled 4K.
English

我觉得对于苹果电脑用户来说,如果最后你的软件安装、删除和清理都退化到统一用 Homebrew 来管理,那似乎在某种程度上失去了使用 macOS 的意义。
既然已经习惯了命令行,为什么不直接用 Linux 呢?
现在的 Linux 已经非常强大且好用。而且很多发行版在 UI 设计上已经把 macOS 模拟得非常传神。
比如 Elementary OS,它的 Pantheon 桌面环境从 Dock 栏到窗口逻辑,几乎就是像素级的还原。
再比如 Zorin OS,它内置了多种布局切换,如果你习惯 Mac 的操作习惯,一键就能无缝衔接。
甚至连老牌的 Mint Linux,在稳定性上也不输 macOS,且配置门槛极低。
作为一个有 20 年经验的 Linux 使用者,每当我坐在 Mac 前敲下 Homebrew 命令时,脑子里经常会产生一种荒谬的错位感。
这种感觉就像是:我绕了一大圈,最后还是回到了 Linux 的逻辑里,却为此支付了昂贵的苹果溢价😂


Manhattan, NY 🇺🇸 中文
「小宇宙」这款 Podcast 应用居然不支持以 URL 添加自己的 Podcast 订阅?这个需求很小众吗?😒
我以为这功能算是 Podcast 应用的基本标配,没想到还有主流应用不支持… 国人都习惯了被平台圈养的内容生态吗?
Oasis Feng@oasisfeng
今天让 OpenClaw 帮我写了个脚本生成 podcast.xml,然后用 CloudDrive2 + tailscale serv 将 xml 和音频文件一起 host 好了。 现在直接 Apple Podcast 就能播放,不用再苦苦寻觅这样一款应用了。😏
中文

不至于,一个外包综合成本 2 万人民币 一个月,可以买 15 个 Claude Code Max plan 了。🥹
突然感觉这样比较很残忍
Orange AI@oran_ge
今天听到的故事 有个老板说,AI 写代码太强了,我们用 AI 换掉外包团队吧 成本核算完,老板说算了,还是外包便宜一些...
中文

视觉审美系列~~🔥
Obsidian 好看的视觉风格集合网站~~
这个网站上有很多好看的,一键预览,一键安装~
安装以后整个感觉都舒爽了~~
好看就是生产力~~
obsidianmate.com/themes

中文

终于调教了一个感觉还可以的版本!
给大家看看视频演示 🎉
起手英文写作,语法检查,在一次一次写英文帖子的过程中,轻轻松松学英语。
Zayn Hao@ZaynHao
基于多次产生这样的念头,有这样粗糙的想法,打造了一个小工具来满足这个需求。 以英文书写起手,然后快捷键进行语法检查。 Claude Code 构建这种 Mac 原生小应用可太方便了。
中文
Zhiheng retweetledi

我举一个很简单的例子。
Web 应用的登录鉴权,你什么都不说,AI 可能会根据语言和生态随便套一个流行的模型就上了。如果生态里没有,AI 大概率会闭眼睛弄一个账密登录的方案。这个时候,你告诉它,现在流行的是没有密码的 One-Time Password 登录,它很可能不会问你用什么 OTP 方案,而是直接 Mock 一个实现然后告诉你已经完成。
当然,现在你知道问题是啥了,你会说那你在 prompt 里写清楚,或者在 plan mode 里把需求定清楚,或者加载对应 skill 就行。问题是这其实是一个 unknown unknowns 的事情。所以我才认为,对于创造性程序的开发,或者用户体验非常重要的软件,AI 实际每段核心代码的产出都需要 Review,因此 Agentic Coding 的带宽瓶颈实际来源于 Review 带宽。而人自己写一遍,就是一种自然的全面 Review 的方式。所以跟 AI 交互,用 AI 去探索可能性,让 AI 生成 stub,再由人定期维护核心设计和框架实现,是我目前看到在生产高质量软件场景下,生产力提效的上限。
所以我才会在 x.com/tison1096/stat… 里分享目前遇到的障碍,希望能够交流分享一下实践,看看有没有人遇到一样的问题,有没有什么我没想到的尝试。
这个问题我问 AI,只有车轱辘话回答,一点意义都没有。就是 Unknown unknown,我不知道怎么问才能让 AI 给我一个有意义的回答。
tison@tison1096
能理解到目前这种 LLM AI 根子上是概率模型,其实很多 AI 能力的边界是可以推理出来的。 语料大力出奇迹可以做很多突破,甚至纯靠拟合做到中等偏上的水平。但是一旦离开标准路线就会出问题,类似之前 AlphaGo 面对神之一手崩盘。 我之前提到过,不同于围棋有明确的优化目标,软工缺乏明确的量化指标,AI 并不能彻底解决这里的问题。
中文










