前端哥Liam
@jinglian • 8,162 subscribers
11年前端开发者 & AI 重度用户｜ AI工具 + X运营，我踩过的坑都帮你避开｜ vx：qian_duan_ge
Shorts
Videos
我成功躲过了 Claude 封号潮好几波。 我的 #ClaudeCode Max 5X，已经安全度过5个月了。我始终坚持只在我的 Mac 主力机器上单设备登录，其它设备全部使用远程。 今年我把 ToDesk 的会员给停了，曾经的屠龙少年，如今变恶龙，吃相难看，那个弹 VIP 真烦人，经常断连，已被我卸载抛弃。 现在我基本只用UU远程，功能全免费，画质随便调，连接稳定延迟低，别的远程软件的付费功能随便用。 现在Mac上的 AI coding 没跑完，我可以随时放心离开，出门前，把 Claude Code、Codex 等任务都跑在 Herdr 里，Herdr 负责保持 Session 和管理多个 Agent。 人在外面，用 UU 远程连回电脑，直接进 Herdr，哪个 Agent 卡住了，就进去处理一下；还在跑的不用管。 说完这个，接下来还有一个超级实用的功能👇
前端哥Liam300,097 次观看 • 1 个月前
你有没有过这种经历：想薅各种各样的会员VIP首月优惠，但是忘记关闭自动续费，反被扣了连续包月的第二个月高价会员费。 微信读书、QQ音乐、各种会员突然扣了钱，点进去才发现“自动续费”开着，想关的时候，进到微信里面，要跳好几层页面，操作路径总是记不住，烦到想摔手机。 或者每天手动刷X列表找爆款AI帖，滚半小时眼睛酸，还怕漏掉。 这俩痛点我上周用Airtap实测了一遍，把过程和结果完整跑给你看。 不是产品介绍，是真实操作记录。 先说第一个：取消微信自动续费。 我直接给 Airtap Airtap Ai 的iMessage发了一句： “帮我查看一下微信绑定了哪些自动续费的项目，如果有腾讯相关的项目，比如微信读书，或者QQ音乐的，直接关闭自动续费。” 后台立刻启动云手机，开始操作。 这台云手机真的打开了微信 → 点“我” → 服务 → 钱包 → 支付设置 → 自动续费。最终找到了：微信读书会员包月自动续费，19元/月，状态生效中。 它确认关闭成功后，自动续费列表变成“暂无扣费服务”，并且明确说：没有发现QQ音乐或其他腾讯自动续费项。 整个过程我没动手。 #justtextit #textyourapps #airtap
前端哥Liam238,041 次观看 • 1 个月前
传统的 Deep Research 已经卷到头了。 能写出一份漂亮的总结报告 ≠ 能把真实的复杂任务干完。 我拿几十万字的《红楼梦》原著，给 Apodex 1.1 在线工作台，出了个极其变态的任务。 统计 20 个核心人物的 → 出场次数 → 出场回数 → 每个人第一次出场时的原句 最后还要整理成一张可以直接下载的完整表格。 整个完成任务的过程，像是直接「雇佣一个 AI 数据团队」。 上传文件后，它自己开始拆任务。 一个 Agent 负责解析原著，另一个独立分析，多个任务并行推进； 右侧 Task Board 会实时告诉你现在做到哪一步。 更有意思的是，任务跑到一半，我突然改需求： “只分析前 80 回，后面的不要了。” 以前遇到这种情况，AI 很可能重新来一遍。 Apodex 直接保留已经完成的成果，只重规划受影响的部分。 更关键的是，它不是做完就交卷。 交付前，又调起独立核验 Agent，把人物统计、出场回数和 900+ 条出场原句重新检查一遍。 最后交付给我的是： 可下载的结构化表格 + 完整分析结果 + 口径说明。 这可能才是下一代 Deep Research 真正值得关注的变化： 从“帮你生成一份报告”，变成“接管一项复杂任务，并把它做完”。 目前，Apodex 1.1 Web 端已经正式上线。 🎁 注册即送 credits，强烈建议立刻上传个复杂文件自己跑跑看： 🌐 没想到，更炸裂的是，Apodex 居然开源了 开源模型： Apodex 1.1 mini，35B，开放模型权重，支持本地部署。 开源框架： FrontierAgent，Agent 执行 Harness，支持 ReAct 单 Agent + Multi-Agent Team。 本地运行： 支持 macOS / Linux，无需强制依赖 Docker。 组合能力： Apodex 1.1 mini + FrontierAgent，可在本地运行完整 Agent 执行流程。 💻 如果你是开发者，这里有开源 Agent 框架，欢迎顺手点个 ⭐： 👉 🤗 想本地自己跑模型的看这里👇 #Apodex #DeepResearch
前端哥Liam108,599 次观看 • 28 天前
卧槽，GPT-6 Astra 的蜜月期也太短了吧。 爽了不到一周，就从“小甜甜”变成“牛夫人”了。 熟悉的剧情再次上演：刚让你产生依赖，降智，速率限制就开始逼你戒断。 偏偏 Deadline 已经顶到脑门，我还有一堆任务没跑完，只能紧急把部分工作搬到 Claude Code 和 Cursor。 但现实很骨感：Agent 可以随时切，【上下文】和【记忆】却带不走。 为了解决这个问题，我最近开始折腾一个很有意思的开源项目：Memmy。 它想解决的问题很直接： 把散落在 Codex、 Claude Code等不同 Agent 里的经验抽出来，沉淀成真正属于我们自己的长期资产。 这样，昨天 Codex 踩过的坑，今天换成 Claude Code 就不用再踩一遍；项目背景、失败方案和关键决策，也不用每换一个工具就重新解释。 ━━━━━ Memmy 不只是一个本地个人 AI Agent，更像是多个 Agent 共用的「个人记忆中枢」。 只要获得你的授权，Memmy 就会自动扫描 Codex、 Claude Code等工具的历史记录。 它能把过去的历史，精准转化为可查询、可复用的长期记忆： 1️⃣ 项目核心背景 2️⃣ 关键技术决策 3️⃣ 你的个人偏好 4️⃣ 踩过的血泪坑 最让我惊喜的是，Memmy 让各个独立的 Agent 变成了配合默契的「一家人」。 以前大家各干各的，现在基于同一份用户上下文，一个 AI 学会的东西，下一个 AI 直接用！ 更重要的是，这份记忆只属于【你】，而不是某个 AI 。 Memmy 默认 Local-first： ✅ 你的记忆你做主，自由决定连接和保留哪些数据 ✅ 换 Agent、换模型，上下文数据直接打包带走 它不仅是 Memory Layer，还是 Personal Agent Runtime，支持桌面端、CLI/TUI 甚至工具直连执行任务。 ━━━━━ 如果你也是多 Agent 重度用户，强烈建议把过去几个月积累的上下文导进去跑一遍，看看下一个 Agent 能不能真正「接着干」。 Memmy 目前已开源，完美支持 Claude Code, Codex，Cursor, Hermes, OpenClaw, DeepSeek Harness 等。 👉 GitHub 传送门： 别忘记福利🎁 👇
前端哥Liam20,650 次观看 • 7 天前
1/2) 最近看到一个有意思的技术趋势：大家又开始重新拥抱 Native 了。 Shopify 刚刚宣布，要把移动 App 从 React Native 重新迁回 Swift 和 Kotlin。 更夸张的是，在 Coding Agent 的帮助下，他们只用了 12 周，就把 Shop 从 概念验证做成了已经上架 App Store 的原生应用。 Shopify 给出的理由很直白： 以前选择跨平台，是因为“同一个功能写两遍”太贵。 Notion 其实更早就在走这条路。 它的移动端曾经大量依赖 WebView / React Native，后来为了启动速度、交互体验和系统级控制，一点点把核心界面迁到了原生。 现在也宣布，完全用原生方式重建 Notion 的移动端应用。 why？ 因为现在 AI Coding 能力是越来越强，原生开发最大的成本劣势正在快速消失。 所以我最近 Vibe Coding 一个 AI 工具的时候，没有 Electron，没有网页套壳。 我直接就是做成了一个 macOS 原生的实时视觉 AI 助手。 它想解决的问题非常简单： 以前你想问 AI： “右上角那个按钮是什么意思？” “这个公式怎么推出来的？” “第三行这个数字占总数多少？” 你首先得花半天跟 AI 描述—— “我到底在看哪里。” 现在不用了。 在 Mac 上按下快捷键，直接在当前屏幕上： 截图 → 画圈 / 框选 / 箭头标记 → 提问。 AI 直接看懂你指的是哪里，然后秒级流式回答。 整个过程不用切 App，也不需要把截图保存下来，再拖进 ChatGPT。 看到哪里，问到哪里。 一个视觉 AI 助手如果每天要被唤起几十次，它就不应该像一个“网页工具”。 它应该像 Spotlight、截图工具一样，长在操作系统里。 而驱动这个助手的，是蚂蚁百灵刚刚开源的： Ling-3.0-flash-VL。 实际跑下来，我测试了几个特别适合这种 Native + Vision 交互的场景。 ━━━━━ ✨ 场景 1：看到外语，直接圈 碰到英文文档、论文、国外软件界面： 不用复制文字。 直接把屏幕上的区域圈出来，问： “这段是什么意思？” Ling-3.0-flash-VL 会同时利用视觉位置和文字内容进行理解，再把结果流式返回。 相当于给 Mac 加了一个随时可以召唤的视觉翻译层。 ━━━━━ ✨ 场景 2：看到公式，直接问 看论文时遇到复杂的微积分公式、上下标、符号关系： 直接框起来： “给我讲明白这个公式。” 它不仅要 OCR 出字符，还需要理解公式的结构。 实际测试里，它可以继续解释定理、变量含义、推导过程，再用大白话重新讲一遍。 以前是： 截图 → 保存 → 上传 → 描述问题。 现在就是：圈一下。 ━━━━━ ✨ 场景 3：看到数据，直接算 表格可能才是这个交互方式最爽的地方。 我直接用画圈和箭头标出表格里的一个商品，然后问它占比是多少。 它马上识别出我指的是“桃子”，再结合整张表里的数字完成计算： 桃子的销量占比：16.7%。 这里实际上连续做了三件事： 视觉定位 → 语义理解 → 数值计算。 而用户只做了一件事：圈。 ━━━━━ 但 Ling-3.0-flash-VL 真正让我感兴趣的，其实不只是“看图问答”。 它本身就是冲着 长程多模态 Agent 去设计的。 ⚙️ 124B 总参数，单 Token 仅激活 5.5B 采用稀疏 MoE 架构。也就是说，它不是靠把一个巨大的 124B Dense 模型每次完整跑一遍来工作，而是在每次推理时只激活其中一部分专家。 目标就是： 把大模型容量和实时推理效率同时保留下来。 ⚡ 视觉不是外挂，而是原生进入推理链 它原生支持图片、文字和视频。 ViT 负责视觉编码，再把视觉信息真正送进后面的理解、推理、行动与验证流程。 这点很重要。 因为未来的视觉 Agent，并不是： 看图 → 回答一句话。 而应该是： Observe → Act → Verify → Correct 看见界面 → 执行操作 → 再看结果 → 发现错误 → 自己修。 这才是 GUI Agent 真正需要的能力。 📚 256K 长上下文，面向复杂多模态任务 这意味着它不只是适合单张截图问答，也能一次处理更长的文本、更复杂的多图输入，以及持续时间更长的视觉信息。 同时，它还加入了 VideoRoPE 时空编码，让模型不仅能理解“画面里有什么”，还能够结合时间顺序去判断： 什么事情，在什么时候发生。 所以它可以进一步用于长视频理解、事件检索、片段定位，以及更复杂的多模态 Agent 工作流。 对我这个 Mac 原生助手来说，这一点也很重要： 未来它不一定只理解“你刚刚圈的这一块”，还可以结合前后的屏幕内容、历史操作和上下文，持续理解你正在做什么。 💻 对 Agent 和代码生成尤其友好 这也是为什么我觉得它特别适合这个 Mac 助手。 它不仅能够理解： ⭕ 圆圈 ➡️ 箭头 🟨 高亮 ▢ 框选 这些人为添加的视觉提示， 还可以直接： 看 UI → 理解布局 → 写 HTML / CSS / SVG → 再看生成结果。 如果再给 Agent 接一个 Image Diff： 生成页面 ↓ 截图 ↓ 和目标图对比 ↓ 发现偏移 ↓ 修改代码 ↓ 再次截图验证 就可以做出完整的： 「生成 → 看结果 → 对比 → 修改」视觉自愈闭环。 ━━━━━ 而且 Ling-3.0-flash-VL 最近又更新了两个非常关键的东西。 ① API 可以免费玩 Ling-3.0-flash-VL 现在已经上线 OpenRouter， 官方最新活动是：两周免费使用。 所以想复刻类似的视觉 Agent，基本可以直接拿 API 开始测试。 ② 模型已经开源，而且量化版本也补齐了 也就是说，你既可以直接调用 API， 也可以根据自己的硬件环境，选择不同精度版本自己部署。 这对本地视觉 Agent 尤其重要： 云端 API 是最快的起点，本地模型才是隐私和系统级 AI 的终局之一。 ━━━━━ 所以我越来越觉得： Shopify 从 React Native 回到 Swift/Kotlin，其实不只是一次技术栈轮回。 背后更大的变化是： AI 正在重新改写“原生开发到底贵不贵”这笔账。 以前： 跨平台 = 开发快。 原生 = 成本高，但体验好。 现在 Coding Agent 开始承担大量重复实现、迁移、测试和 Review 之后， 这个公式可能变成： AI Coding + Native = 开发效率 + 原生体验。 而视觉模型又给 Native App 增加了一层新的可能： 它不只是“一个带 AI 的应用”。 AI 可以开始直接理解你正在使用的整个操作系统。 以前是： 人费劲地告诉 AI：我在看什么。 以后可能只需要：划个圈。 它就懂了。 附录链接👇
前端哥Liam24,317 次观看 • 9 天前
还在纠结语音输入法选哪个？Typeless、闪电说？统统可以卸载了。 豆包语音输入法最近的这波更新，直接让我实现了【输入法自由】。 核心爽点盘点 👇 1️⃣ 真正的全平台制霸 Windows 版终于正式上线！现在完美覆盖 macOS、Windows、安卓、iOS，甚至连鸿蒙 Next 都安排上了。 2️⃣ 神仙级跨端剪贴板 Mac 上刚复制一段文字甚至图片，手机端立刻就能收到。多设备党狂喜，数据流转壁垒被彻底打通。 3️⃣ 极其精准的语音识别 体验一如既往的稳定，识别准确率高，几乎不需要二次手动修改。 4️⃣ 霸道的无缝全局唤醒 不管你当前在使用什么底层输入法，只要开启全局唤醒，随时随地一键召唤豆包，彻底告别繁琐的切换步骤。 🔥 还在观望的朋友，可以直接去下载体验了，这绝对是目前门槛最低、最好用的生产力外挂。
前端哥Liam13,396 次观看 • 12 天前
两年前，MiniMax 的闫俊杰问梁文峰：DeepSeek 做不做 AI Coding？ 梁文峰当时的判断是：不做。 中国真正写代码的人也就一两百万，市场太小。 结果两年后，AI Coding 成了大模型主战场 😂 其实仔细想想，也不难理解。 Coding 是一个特别适合大模型率先突破的场景：效果好不好，有相对明确的判断标准；模型能力有没有进步，也更容易量化。每次新模型发布，代码能力往往也是最容易拿出来展示和对比的指标。 另一方面，Vibe Coding 本身确实有点让人上瘾。效率提升足够直观，而程序员和有编程需求的人，付费意愿也普遍更强。 所以 Coding 最先跑出来，并不一定意味着它是最大的市场，而是因为它可能是最容易验证价值、也最容易商业化的市场。 但真正更大的市场，可能是白领 Agent。 销售、运营、财务、人事……人数是程序员的几十上百倍。 只是这里有个悖论： TAM 大得多，ARPU 却可能低得多。 程序员愿意每个月花几十甚至上百美元购买生产力工具，但普通白领的个人付费意愿和客单价，可能都没那么高。 所以 AI Coding 可能只是 Agent 商业化的第一站。 真正的大仗，还没开始。
前端哥Liam27,172 次观看 • 1 个月前
千万别盲目在公司做“AI赋能雷锋”！ 一个月薪 3 万 8 的程序员，被裁了。 最讽刺的是： 不是因为他技术差， 而是因为他太会用 AI 了。 去年下半年，他开始用 Claude Code 写代码，交付效率直接拉满。 老板一看： 你这么会用 AI，那你能不能带带团队？ 于是他花了 3 个月，把团队都教会了 Claude Code。 结果团队效率翻倍，公司发现： 以前需要他兜底的事，现在其他人也能干了。 上周，老板找他谈话： “你工资太高了，公司承受不了。” 他把 AI 能力扩散给了团队，最后却把自己干掉了。 这件事最扎心的地方在于： 未来最危险的程序员，可能不是不会用 AI 的人， 而是只会把 AI 用在“写代码”上的人。 因为写代码正在变便宜。 真正值钱的是： 懂业务、能拆需求、能设计流程、能把业务翻译成 AI 能执行的系统。 未来最吃香的工程师，不是单纯的代码高手， 而是懂业务的技术架构师。 AI 淘汰不了所有的程序员，但是肯定可以淘汰“只会写代码的工具人”。 顺便问大家一个扎心的问题：你敢在公司毫无保留地教同事用 AI 吗？你觉得程序员真正的“护城河”到底是什么？ #裁员 #ClaudeCode
前端哥Liam61,954 次观看 • 3 个月前
劳伦斯大神好久没更文章了，这次他评测的 Ante CLI真是个狠货 Ante 是一个用 Rust 从零写的终端编码 Agent > 单个 ~15MB 二进制，零运行时依赖 > 自研推理引擎（内置 llama.cpp 路线），指一个 GGUF 文件就能整个 loop 跑在本机。没 API key、没账号、没网都能干活。 > 零厂商锁定：12+ provider 自由切换，用你自己的 key / 订阅 / 本地模型 > 目前是 Alpha preview，只支持 macOS / Linux，Windows 要 WSL。 最炸裂的是，同样 20 个并行任务对比 Claude Code： 内存少 7×，CPU 少 9×，磁盘 I/O 少 5×。详细看下面的对比视频 更多详细评测，请看原文章👇
前端哥Liam26,649 次观看 • 1 个月前
