
Soon
2.4K posts

Soon
@Soon_Iter
🦀 @rspack_dev Contributor, maintaining Rspress https://t.co/FM70CCzm6A 😁 Error Translation Engineer 🔨 Monorepo & Build tooling 中文 👉🏻@soon_it_zh



两周前,一个 Cloudflare 工程师用 AI 重新实现了 Next.js,Token 费用是1100美元。 我觉得,这件事情对Next.js的打击非常大。 代码的护城河不存在了,只要投入一小笔金钱,AI 就能复刻出大型软件。 防止复刻的关键是测试用例,我写了一点看法《测试是新的护城河》。ruanyifeng.com/blog/2026/03/w…


MCP Apps lets AI hosts render interactive UI in conversations. But most solutions bundle UI into the MCP Server — rebuild + redeploy every time anything changes. We built @module-federation/mcp-apps: point a JSON at your existing MF remotes, and your components show up in Claude. Zero separate builds. 🔗 GitHub: github.com/module-federat… ⭐ Star the repo if this looks useful — issues and PRs very welcome.


AI 模型发展至今,下载 app,几分钟就把 Google Calendar、Gmail、Slack、Notion 等工具全串起来,AI 直接在对话里跨工具调度,体验很丝滑。 回头看国内,钉钉飞书企微恨不得把八百个功能塞进一个 App,聊天邮件文档会议 OA 全做,但每个都只做到能用的程度。更关键的是,这种大一统架构天然排斥外部接入,AI 能调度的边界就是自家围墙内那几个模块。 国外那套逻辑是每家把自己的事做透,然后用开放接口让 AI 来当调度中枢。这个路径差异,在 AI 时代会越拉越大。



Openclaw 龙虾🦞本身对普通人的门槛就很高吧: 1. 如果真正源码安装,需要从 GitHub 搞,这就很扯了,何况国内的安装环境。当然这点现在很多龙虾服务器都内置了,问题还好。如果是个人电脑安装,那就是第一个麻烦。 2. 装完以后就是基本配置,怎么配?原生情况下配置还需要命令行;机器人配置连接到微信、qq、飞书、钉钉等,还需要各种教程,这块牵扯到各种机器人的创建流程、权限等等,也没有那么简单。 3. 然后一个门槛就是大模型 API,这块对普通人来说,也是一个认知门槛:豆包、千问、Deepseek 之类的都不要钱,这玩意还要花钱?API 这个名词都是一个非常需要科普的东西。在哪买,买什么,为什么要买,买了以后怎么配置上。 4. 然后就是界面交互,就这?聊天半天不回复,急死了。习惯了豆包千问,第一反应语音输入,结果没反应。 5. 龙虾的搜索问题,默认没有搜索能力,要配置 brave,也就免费一部分。这个哪怕稍微懂点技术的,也会卡在这,要么冲 brave api,太贵?大部分人我看是不会充钱,那怎么办? 6. 高级配置问题,不会满足于基本日常聊天吧,得生产力。怎么配置技能?这玩意怎么搞,怎么折腾,又是一个大门槛。 7. 这还不包括版本更新挂了咋办、配置挂了咋办、机器人限流咋办、安全咋办、想要能力更强访问个人企业内部数据咋办、想要它写代码咋办、想定制化咋办… 这么一个 DIY 的东西,普通人没有专家帮忙,真的能玩好吗? 这里问题很多,需要各种托管和封装的商业模式。















