吹爆 ZCode 的遠程控制，簡直是移動端遠程指揮本地 Agent 的典範。
操作成本幾乎為零：手機註冊個帳號，不需要開會員。掃一下電腦上的二維碼，順手綁到微信或飛書上。
最絕的是自帶免費內網穿透，完全不用管網絡環境。人往沙發上一躺，或者出門在外喝咖啡，手機發條消息就能隨時調用電腦裡的 Agent 跑代碼。
標籤
主題篩選
2026.08.05 · 7 分鐘
DeepSeek V4 Flash 正式版深度體驗：便宜、快、1M 上下文、內建搜尋
置頂深度體驗了幾天 DeepSeek V4 Flash 正式版：極致的便宜、快如閃電、1M 上下文、官方內建聯網搜尋、完全開源。唯一的短板是多模態，但可以組合其他模型補上。
DeepSeek模型評測AI 工具
2026.09.09 · 8 分鐘
原廠 Harness 未必是版本答案：開放模型時代，模型和 Harness 要分開選
用 Claude 就上 Claude Code？開放模型時代這個直覺該升級了。原廠的優勢是真的，但訓練好模型和做好 Harness 是兩門工程——這篇文章講清楚為什麼模型與 Harness 已經可以分開選，以及五家 Harness 的定位地圖。
AI AgentHarness選型
2026.09.09 · 8 分鐘
穩定、快速、高產、便宜：我的 AI Coding 全家桶實錄
OpenCode + OpenChamber + 兩份 DeepSeek V4 Flash 訂閱，15 個項目同時跑代碼，額度只掉一點點。這篇文章攤開我的完整配置：上下文剪枝、分層記憶、桌面自動化，以及「原湯化原食」的選型教訓。
OpenCodeAI 程式設計配置
2026.09.09 · 7 分鐘
TUI 正在殺死你的認知頻寬：AI Coding 的「極客濾鏡」該碎了
一堆 AI Coding Agent 搶著上 TUI，把互動塞回 80 年代的終端範式，還美其名曰「沉浸式」「尊重程式設計師」。這篇文章拆解 TUI 系統性降低認知頻寬的三個機制，以及 Web UI 為什麼才是正解。
AI 程式設計互動設計隨筆
今天群裡有朋友問：有沒有一個萬能的 AI 編程桌面端？能接各家訂閱，所有模型還不降智？
我和幾個天天高強度折騰的朋友聊完，結論一致：
原湯化原食。
模型套進第三方殼子，基本逃不掉降智、變慢和訂閱不通。我們幾個現在的配置幾乎一樣：
GPT ➔ Codex：官方訂閱直連，原生調度最穩。
Gemini ➔ AntiGravity：速度天花板，長窗口不卡殼。
DeepSeek GLM等開源模型➔ 統統給 ZCode。
重點說下為什麼必須有 ZCode：
ZCode它可以很方便地配置第三方的供應商模型。
ZCode它的手機遠程控制模式非常非常好用，直接躺在沙發上玩著手機就把活幹了。
Zcode它的緩存利用率極高。
大家針對Gemini美國大豆包的評價非常的乾貨滿滿，我給留言區觀點做了一些簡單的總結：
很多人覺得Gemini不好用，核心原因在於誤把它的定位當成了主力工程機床。
事實上，它的定位更像一把功能齊全的瑞士軍刀：輕快、多能、邊際成本極低，但在複雜工程和自主執行上有著明確的邊界。
在信息輸入端，原生解析 YouTube 是目前最省心的能力之一。不需要在本地配置下載腳本或轉錄工具，直接提交連結，就能在雲端提取帶時間戳的完整文字稿、關鍵幀擷取與結構化摘要。
很多人的實際工作流已經形成了清晰分工：用 Grok 跟蹤 X 上的即時討論與動態，用 Gemini 處理半小時以上的技術播客和深度視頻。
在視覺與前端開發場景中，它的多模態底子很紮實。無論是整頁手寫筆記、複雜表格還是低清晰度掃描件，識別準確率都非常高，較少憑空捏造。
而在前端出原型時，它的速度極快，代碼結構自然，沒有那種刻板冗餘的生成痕跡。
不少獨立開發者會用固定提示詞讓它單頁生成幻燈片結構，或是配合設計截圖快速產出可用頁面。
從成本和工具鏈組合來看，它的生態賬算得很划算。每月 20 美元的訂閱支持最多 6 人家庭組共享，同時附帶數TB 的 Google Drive 空間，並且與 Docs、Sheets 深度打通。
把查資料、多模態解析和輕量頁面搭建分流給它，再把核心複雜代碼交給專門的代碼模型，可以有效壓低整體的開發工具開銷。
還有幾個被驗證有效的進階用法：
一是利用它相對直接的邏輯偏好，讓它去審查其他大模型容易出現的過度設計與冗餘代碼；
二是配合 NotebookLM 搭建專注特定資料的私有知識庫；
三是將高級額度分配給語音合成與圖像處理等衍生需求。
但使用時必須清楚它的能力邊界。
第一，它不適合承擔複雜的終端 Agent 任務，要求其修改系統規則、部署環境時，往往容易拒絕執行或不遵循多步指令；
第二，深層業務代碼必須由其他主力模型交叉複審，避免埋下隱性缺陷；第三，它對訪問網絡環境較為敏感，節點質量不穩定時容易遇到服務限制或體驗降級。
美國大豆包，啟動！
這幫福娃開始變種了？
發的這些垃圾帖子，跟以前不一樣了，
沒關係，我們會即時更新這種名單，即時的去學習這樣的指紋。
老子打的就是精銳！
經過多輪的迭代，黃推清理大師——福濾娃正式上架 Chrome 商店了。
一鍵拉黑垃圾帳號的快感誰不想體驗一下呢
兄弟們，可以放心衝！
好奇大家用美國大豆包 Gemini 都在幹什麼？
我感覺大多數人有了 Codex，平時根本用不上美國大豆包。
想知道它的優點到底是什麼？
開著福濾娃插件，沒事就去熱帖的留言區刷刷怪，還挺治癒的。
剛剛抓到一個熱帖刷到了33個福娃怪。
一鍵封鎖全部！！！
閒魚 12 塊錢買來的，18 個月大的美國大豆包！
啟動！
我目前的格局是這樣的。
如果是中國大陸的模型，就推薦掛上 ZCode（DeepSeek V4 Flash、GLM 5.3 Flash 這種模型）。
如果是 GPT，就直接用 Codex。
如果想要速度快，就用 Pi。
如果既要速度快、又要省心，就用 OMP。
如果想幫企業做客製化的用戶端開發，就用 DSH。
如果想鍛鍊脾氣，就用 Workbuddy。
真的難以想像，5 年前關進牢裡、今年剛放出來的人
看到這個 AI 世界，到底是什麼想法。
昨天我發 Command GOAT 和 OpenCode Go 的額度對比，Command Code 的 CEO 親自跑來評論了。他說我其實還少算了一筆快取的帳，我順著去研究了一下，發現 Command Code 有點東西。Coding Agent 本身就是一個巨大的 Prefix Cache 機器。一個幾十萬 Token 的 Session，跑到下一輪的時候，真正新增的可能只有幾千 Token，前面的 System Prompt、Tools、程式碼上下文、歷史對話基本都沒變。快取命中率越高，這些舊 Context 就越便宜。Command Code 他們前段時間專門狠狠地做了一輪 Cache Thrashing，主要採取的策略如下：同一個 Session 盡量固定到相同的 GPU Pod，保持 KV Cache 熱著；盡量維持 Stable Prefix，Provider fallback 也不亂改 Context；再加上他們那套 Tool Call Repair，模型參數寫錯了 Harness 直接在本地修，少讓模型來回報錯重試。v0.33.0 的 Changelog 甚至直接寫了：Major Cache Overhaul，median cost reduction 2.9×。他們現在官方宣稱快取命中率已經能長期做到 95～99% 左右。同一個模型，同樣是 10 美元套餐，因為快取帶來的差異，這玩意累積起來，效果天差地別。
我把 Command Code 這個 Harness 又仔細研究了一遍，也順手拿它和 Pi、OMP、DeepSeek Harness、OpenCode 對了一下。
Command Code 現在最有價值的地方是它對開放模型做的 Harness Engineering。
Pi 的思路很極簡，Harness 盡量少干預模型，輕、快、Token 開銷低，可塑性也非常強；OMP 則是在 Pi 上繼續堆 LSP、Debugger、Browser、AST 這些重型 Coding 能力，更像給 Agent 裝了一套完整 IDE。
DeepSeek Harness 走得更遠，Everything is Plugin，Agent Loop、工具、權限、Preset、UI 都可以拆開重組，特別適合拿來研究下一代 Agent Runtime。
OpenCode 則是目前最均衡的一類：開源、Provider 多、生態大、Client/Server、桌面端、Subagent 都比較成熟，屬於什麼模型都能接、什麼活都能幹的綜合型選手。
Command Code 的路子不大一樣。它特別喜歡替模型擦屁股。Tool Call 參數寫錯了，Harness 本地修；文件剛讀過又要重複讀，Harness 幫你去重；長 Session 盡量維持 Stable Prefix，提高 Cache Hit；Context 快爆了就做 Compaction；再加上 Session Affinity、Taste、Subagent 隔離這些東西。
這套思路放到 DeepSeek V4 Flash、GLM-5.3 Flash 這種苦力模型上，價值可能會大一點，模型差一點，Harness 給你補。
所以我現在會這樣給這幾個 Harness 定位：
Pi，最適合做自己的長期 Agent 基座，簡單、乾淨、隨便魔改。
OMP，適合真正重度 Coding，需要 LSP、Debugger、複雜 Repo 導航的場景。
DeepSeek Harness，最適合折騰 Agent 架構、Preset、多 Agent 和下一代 Runtime。
OpenCode，最適合想要一套成熟通用型多模型 Coding Agent 的人。
Command Code，則特別適合 DeepSeek / GLM 這些開放模型的重度用戶，尤其是大量跑 Flash 苦力模型的人。
所以如果只看長期可塑性，我依然更喜歡 Pi。但如果今天就讓我拿 DeepSeek V4 Flash/ GLM-5.3狠狠幹活，我現在真會嚐嚐 Command Code的鹹淡。
最近被「福不黑」這種垃圾帳號給搞得煩了。
一怒之下寫了一個瀏覽器擴充功能，叫做「福濾娃」。
迭代了好幾個版本以後，我覺得已經完美了，馬上就要上線了。
有需要的朋友們可以 mark 一下，稍後我會開源並上架 Chrome 商店。
經常用 Deepseek、GLM 國產模型的朋友們，完全可以看看洋人搞出來的全家桶：
Command GOAT 和 OpenCode Go 兩家。
我把這兩家的 10 美元套餐仔細研究了一下。
得出結論就是閉眼選 Command GOAT，毋庸置疑，在 2026 年八月底，版本答案就是：
Command GOAT 10 美元套餐！！！
https://commandcode.ai/docs/plans/goat
之前 X 上吹得很兇的 5 美元 OpenCode Go 已經徹底涼了。
以前 OpenCode Go 好歹還有個首月 5 美元的優惠能撐一下性價比，現在連 5 美元優惠都沒了，直接 10 美元。
作為對比，競爭對手 Command GOAT 套餐開始變得眉清目秀起來。
DeepSeek V4 Flash、GLM-5.3 Flash、GLM-5.3 這些現在真正適合高強度 Coding、跑 Agent 的主力模型，Command GOAT 套餐給的額度明顯更慷慨。
我現在其實會把 Coding 模型簡單分成兩類：主力模型和苦力模型。
V4 Pro、GLM-5.3 這種就是主力模型，負責啃硬骨頭。複雜架構、疑難 Bug、大重構、關鍵決策，遇到真正難的問題都可以交給它們。
V4 Flash、GLM-5.3 Flash 屬於苦力模型。讀 repo、搜程式碼、改檔案、跑測試、批次處理、開荒，這種髒活累活就該讓 Flash 往死裡做。
Command GOAT 套餐苦力模型的額度夠大，主力模型的額度也沒有明顯短板。
所以我要宣布：Command GOAT 套餐才是目前的版本答案。
充個 200 美元的 ChatGPT Pro 會員，好好用，把它用乾淨。AI 就入門了。
DeepSeek Harness + 第三方 API 相容問題：Agent 呼叫 Bash 等工具時報
ToolNotFoundError: unknown tool ""，看上去像是工具沒註冊。實際上是閘道回傳的資料格式跟 DeepSeek 官方不一樣，工具名在中間被弄丟了。幾個相關的 GitHub Discussions 連結：- 在 deepseek-ai/dsh#issues 裡搜尋 "unknown tool"
- 自建閘道（OpenRouter / OneAPI / new-api）的人最容易踩這個坑
我最近又翻了一遍 DeepSeek Harness 的倉庫和 Discussions，感覺這個專案現在正處在一個很有意思的階段：DeepSeek Harness 目前已經有 15 萬+ Star、倉庫累計超過 1.2 萬次 Commit。但官方 README 依然非常明確地寫著：現在只是 Developer Preview，還會發生破壞相容性的改動。rc.7 於 8 月 17 日發布。Issues 和 PR 限制建立，回饋走 Discussions。社群很大但核心開發集中。Bug 頻出，比如 unknown tool "" 問題。最缺的是測試覆蓋、Provider 相容性、會話可靠性。架構上還是有吸引力的，像 Agent 作業系統底座：
- Everything is a Plugin
- Cordis 組合架構
- Preset / Skill / MCP / Agent / Provider 全部外掛化
我現在越來越覺得情緒的價值是很有價值的。我們智人為什麼能團結在一起去幹大事？就是因為共同相信某種故事、某種情緒、某種圖騰、某種神話、某種敘事，才形成了組織，互相合作，做大做強，共創輝煌。這難道不是一種情緒的價值嗎？
最近研究 DeepSeek Harness。有一個叫做 Preset 的概念值得關注。Preset 可以理解為 Agent 的分發單位。同一個模型載入不同的 Preset，最後可以變成完全不同的 Agent。Preset 和 Skill 最大的區別是什麼？
- 一個財報分析 Skill：教 Agent 怎麼分析財報。
- 一個財報分析 Preset：直接把財報分析 Skill、網頁搜尋、Browser、PDF、Python、Subagents、研究 Prompt 和上下文策略全部組合好，直接給你一個開箱可用的 Agent。
- 一層是 Plugin / Skill Marketplace，主要給開發者和進階使用者組 Agent；
- 一層是 Preset / Agent Marketplace，真正面向一般使用者。
DeepSeek Harness 的生態很有可能透過 Preset 繁榮起來。社群已經出現了 Preset 廣場，有興趣的朋友可以關注一下。入口：dshdesktop.com/preset
稀缺的是一種做產品的感覺、一種對需求的洞察、一種理解使用者心態的能力。
這篇文章告訴我們，在使用Deepseek Harness的時候，一定要多試試PTC模式。
好處就是速度更快，更節省token，讓模型的注意力更加專注。
花了點時間研究一下 DeepSeek Harness 這四種模式，我把四種模式的優缺點和適用場景捋一下。
- Standard：最適合日常開發 Standard 就是 DeepSeek Harness 預設的完整 Coding Agent。它把日常開發需要的東西基本都配齊了，特別適合那種一開始並不知道問題在哪裡，需要 Agent 自己探索的任務。 但因為大量操作都是：LLM → Tool → LLM → Tool → LLM → Tool，任務複雜以後，Tool Calling 的 round trip 會越來越多，延遲和 Token 開銷都會上去。 所以探索性任務優先 Standard。
- PTC：複雜任務的效率模式 PTC 允許模型寫一段 TypeScript，把多個工具呼叫組合起來一次執行。 例如 Standard 可能是：搜尋檔案 → 回模型 → 讀檔案 → 回模型 → 搜尋 → 回模型 → 修改 → 回模型 PTC 可以變成：模型寫 TypeScript → 一次執行 → 搜尋 + 迴圈 + 過濾 + 讀取 + 處理 → 回傳最終結果 這可以減少 round trip，也可以減少大量無意義的中間資料進入模型 Context。所以大量批次處理、重複操作、結構化處理特別適合 PTC。
- Minimal：只給模型 Bash + Editor 它最大的優點就是簡單。工具數量少，Tool Schema 少，Prompt 固定開銷低。 但是沒有 Web，沒有 Skills，沒有 Subagent，沒有 Workflow。複雜任務只能一個 Agent 自己硬幹。而且 Minimal 沒有 Standard 那套完整的 Context Compaction。所以它雖然短任務固定 Token 開銷低，但如果 Session 特別長、Bash 輸出特別多，反而未必真的省 Token。 因此 Minimal 最適合明確的小任務，任務越明確、越短，Minimal 越香。
- Creator：用 Agent 創造 Agent 擁有 Standard + Cordis Runtime + Plugin 實驗 + Preset 創作能力。它連 Agent 本身都做成了可以組合和創建的東西。 想想還挺可愛的，模型自己支了個攤子開始賣貨，然後自己把自己的攤子擺弄擺弄，自給自足。 但 Creator 最大的問題也是權限高。這一點要注意。
Awesome Deepseek Harness Desktop已經來了。
ADHD — 出色的 DeepSeek Harness 桌面版，一個開箱即用的 Electron 桌面封裝，專為 DeepSeek Harness 打造 Awesome Deepseek Harmony Desktop已經來了。
原帖見：https://x.com/zacklin233862/status/2087922286368375265?s=20
現在一堆 AI Coding Agent 動不動就上 TUI，這股風氣，Claude Code 得負很大責任。
它把在終端裡跟 AI 對話寫代碼這件事做得很極致。
但問題在於，好像真正高級的 Coding Agent，就得默認是終端介面，Web 端反而是附屬，甚至被嘲成不夠程式設計師。
結果呢？
先搞一個複雜的 TUI
各種顏色、狀態列、快捷鍵、模式切換
然後美其名曰「沉浸式」「高效」「尊重程式設計師」
真的嗎？
對一小部分每天泡在終端的人來說，確實爽。但對更多人來說，這就是在人為製造門檻。功能藏在按鍵和模式裡，新用戶一臉懵，老用戶也得重新適應各種工具自己的鍵位習慣。
Web UI 完全可以做得又快又乾淨，裝成 PWA 之後跟桌面客戶端幾乎沒區別，更新還更方便。非要強行把互動塞回 80 年代的終端範式，然後還反過來鄙視 Web，多少有點自我感動。
Claude Code 本身很強，這點沒問題。但它把TUI 才是正統這個審美和路徑依賴帶起來了，後面一堆跟風的就更離譜。
工具是給人用的，不是用來證明誰更「極客」的。
把反人類的互動包裝成高級，真是很滑稽的一件事情。
說真的，有些極客群體已經不是小眾那麼簡單了，是徹底的孤芳自賞。
他們最典型的特徵就是：把難受當高級，把門檻當品味。
一個東西如果好用、直觀、普通人也能快速上手，他們就會下意識覺得不夠硬核、太大眾、掉價。
反過來，越是操作彆扭、資訊藏得深、需要專門學一套黑話和快捷鍵的東西，他們就越覺得這才叫真正的工具。
這已經不是在追求效率了，這是在用痛苦來確認自己的身分。
我能忍受別人忍受不了的互動——這句話一出口，優越感就有了。
圈子越小，這種自我感動就越容易互相強化。
最後演變成：誰敢說不好用，誰就是不懂，誰就是外行。
真正厲害的人，是把複雜的事情變簡單。而有些極客，是把簡單的事情搞複雜，然後站在複雜上面俯視別人。
我覺得 Deepseek Harness 它的形式非常好。
沒有一上來就搞反人類的 TUI，反而是 Web UI。
首先它的安裝包不會很大，因為它根本就沒有安裝包。不會用某些 Electron 框架硬塞一個瀏覽器引擎進去。就非常的節省儲存。
唯一的缺點就是要在瀏覽器裡用。其實完全可以把它作為 PWA 的程式安裝起來。這樣就跟原生客戶端沒啥區別了。
使用 Chrome 瀏覽器把網頁端作為應用程式安裝，是一個非常實用的功能。比如我這個截圖裡，它雖然是一個網頁，但是實際跟桌面端的應用程式用起來沒什麼區別。
說得太精闢了，這個就是 GPT-5 這一代的通病：總是會把內部需求寫在介面文案上，來證明自己的工作量。證明自己：喔，我確實做了，你看我厲害吧，我沒有偷懶喔，我把你所有的需求都擺在檯面上了喔。而且介面上的文案非常冗餘。從 5.0 迭代到 5.6，整整迭代了這麼多代，還是沒有改掉這個問題，已經深入骨髓了。真正做過前端產品的人都懂：
- 介面上無論小字還是大字，都是寫給使用者的文案
- 該在聊天裡回饋給開發者的文字，絕不應該寫進產品裡
英文播客的閱讀網站終於做出來了。
名字叫做：Cherina Pod
歡迎大家來玩。狠狠地給我提建議吧，我要狠狠地迭代、修改、優化。
https://pod.cherina.app
OpenChamber又發布了新的版本。感覺作者真的在很用心的維護。這可能是我見到的，在開源項目中最用心做前端的項目了。
目前我一直在用的OpenChamber+OpenCode+Deepseek V4 Flash真的狠狠的爽到我了。
每次看到Pi Agent的相關的項目，就感覺很興奮。
herdr+pi 打造出來的工作流，值得好好研究研究。
千問出了一個官方插件，可以把DeepSeek V4 Flash裝一個眼睛，感興趣的朋友可以試試
我體驗過市面上幾乎所有的開源的Harness GUI客戶端，大多數從設計體驗上，都是一言難盡。
Openchamber是我用過的開源項目裡面打磨得比較好的Harness GUI客戶端了，精緻，穩定，偶爾有些bug也不影響長期的使用。
但是它只能結合OpenCode用，不能切換到其他的Harness。有網友反饋說，OpenCode的整體的性能不夠好，容易拖模型的後腿。
所以我在構思一個項目。把OpenChamper的前端作為骨架，把其中的內核換為oh my pi，這樣子可能更加符合我自己的需求。
為什麼不用原生的Pi Agent，而用Oh My Pi？
因為原生的Pi Agent太過於靈活。沒有辦法做成一個通用的GUI出來。
相對折中一下，Oh My Pi算是Pi Agent的發行版。整體的插件交互體驗算是比較穩定的。
所以我覺得把OpenChamper+Oh My Pi做成一個開箱即用的產品，是一個潛在的需求。
我把這個項目取名為：OMPChamber，目前還在密集開發測試中，有需要的朋友歡迎star。
https://github.com/realchendahuang/OMPChamber
果然我們還是要多多關注一些有審美的設計師和程式設計師。
Deepseek V4 Flash真的好智能吶，好省錢吶
連續開了15個項目，同時在跑代碼。
額度只消耗了一點點。
分享一下我當前用的OpenCode配置。我的配置圍繞三個核心訴求：
上下文管理——長會話不爆上下文、省錢省 token
記憶系統——跨會話記住用戶偏好、項目決策和歷史教訓
外部能力——文檔查詢、代碼搜索、桌面自動化
主要用了以下幾個插件:
- opencode-dcp（開源）動態上下文剪枝插件。 上下文達到閾值時自動把舊內容壓縮成技術摘要，保留關鍵信息、丟棄噪聲，自動清理重複內容，把工具報錯等低價值內容從上下文裡剔除
- opencode-goal-plugin Goal 模式插件，給長任務加目標管理
- Hermes Memory（有需要我後續開源） 這是我最重的一個插件——把 Hermes agent 的分層記憶機制移植到 OpenCode 上。
- context7-MCP 查庫/框架的最新官方文檔。
- grep-MCP GitHub 代碼搜索,在 GitHub 全站代碼裡搜真實用法。
- open-computer-use（桌面自動化） 讓 AI 直接操作 macOS 應用——點擊、輸入、滾動、拖拽、截圖、讀無障礙樹。
2026.08.06 · 6 分鐘
試遍了 Pi Agent、OMP、Codex、ZCode，我最後為什麼選了 OpenCode + OpenChamber
試過一輪 Agent Harness 後的選型復盤：以 GUI 體驗、供應商綁定、二次開發自由度三個標準，排除了 Pi Agent、OMP、Codex、ZCode，最後選了 OpenCode 核心 + OpenChamber 介面。
AI Agent工具選型
2026.08.06 · 5 分鐘
給 DeepSeek 補上多模態：Qwen-3.7-Flash 識圖方案
DeepSeek V4 Flash 沒有多模態，識圖怎麼辦？研究後目前 CP 值最高的方案是 Qwen-3.7-Flash：辨識一張圖片成本極低，和 V4 Flash 組合使用補齊短板。
DeepSeek多模態模型評測
2026.08.05 · 6 分鐘
DeepSeek API 內建聯網搜尋，Responses API 白拿官方搜尋能力
DeepSeek 官方在 API 裡內建了聯網搜尋：用 Responses 介面呼叫 deepseek-v4-flash，宣告 web_search 工具即可，不用自己接第三方搜尋引擎，也不用申請搜尋金鑰。
DeepSeekAPIAI 工具
OpenCode Go 套餐，首月只要 5 美金，約合人民幣 35 塊
開通以後，就可以用它的新版 DeepSeek V4 Flash 模型
實測下來，我狠狠用了一整個上午，只用了每週額度的 1%，太扯了吧，用不完又要開始焦慮了哈哈哈哈哈
便宜、好用、速度快這個不可能三角，在 OpenCode Go + DeepSeek V4 Flash 的組合下被完美實現了
Opencode https://t.co/c0k1WKWNle
我真的服了，OpenAI 殺瘋了。GPT-5.6-Luna 降價 80%，輸入 0.2 美金，輸出 1.2 美金，快取命中 0.02 美金。
拿 DeepSeek V4 Pro 來比，以寫程式的典型用量來算，一億 tokens 裡 95% 命中快取，DeepSeek 跑下來大概人民幣 20 塊，Luna 大概 26 塊。
如果你開了 Codex 套餐，跑 Luna 能頂原本五倍的量，整整五倍用量提升！ https://t.co/fBVVfyN2OC
梁文鋒在投資人會議上說：
「智能的終點可能都是具身。因為對一個正常人來講，他的需求並不是電腦，而是人力。」
這句話說得很準。普通人要的從來不是更聰明的電腦，而是能幹活的「人力」。文字再強，也只是中間態。 https://t.co/2xg5o5hNjt
給大家介紹一個概念，叫 FOMO，全稱 Fear of Missing Out，錯失恐懼。
相信很多人都有這個毛病：刷到好東西就想收藏，看到新工具、新趨勢就想跟，總覺得不跟上就會錯過什麼重要的東西。結果就是收藏夾越來越滿，腦子越來越亂，注意力就在這個過程中一點一點被消耗掉了。
很多人平常使用 AI 工具，都需要設定 API Key，有時候還會要你選擇介面格式。這個介面格式可以簡單理解成：你和模型服務之間約定好的溝通方式。比如以前大家最熟的 OpenAI 相容介面，很多時候指的就是 Chat Completions。這套格式很適合聊天，也很適合簡單的文字生成，所以海內外很多模型廠商都會優先相容它。但現在做 AI 應用，場景已經複雜很多了。模型常常要讀檔案、查網頁、呼叫函式、執行程式碼、連接 MCP、保留上下文，再繼續完成後面的任務。這時候，OpenAI 推出的 Responses API 的價值就出來了。
- 它的推理模型效果更好。同一個模型，放在更合適的介面結構裡，任務完成的成效會更好。
- 它原生就適合 Agent。模型可以在一次 API 請求裡呼叫多個工具。
- 它更省錢。Responses API 的快取利用率比 Chat Completions 提升了 40% 到 80%。快取利用率越高，重複呼叫的成本就越低，回應速度也更容易最佳化。
突然想到一個挺有意思的角度。星座、生肖、星象、算命這些東西，可能可以理解成人類低算力時代的「壓縮模型」。古人沒有資料庫，沒有統計學工具，也沒有 AI。他們只能長期觀察季節、天象、農時、性格、人情世故和社會週期，然後把這些複雜經驗壓縮成一套容易記憶、容易傳播的符號系統。12 星座、12 生肖、八字、卦象，本質上都像是在把複雜世界降維。它當然不能當成嚴謹的科學預測。但它也未必只是純粹的迷信。更像是古人在算力不足、資料不足、工具不足的情況下，用故事、符號和規則做出來的一種經驗蒸餾。
最近刷 X 的頻率降下來了。不知道是不是進入了賢者模式。仔細反省之後，我發現自己更關心一個問題：我每天刷的這些東西，最後到底能不能變成真實的產品。工具更新看再多，不如把一個具體場景打穿。接下來這段時間，我想把更多精力放在產品、社群和長期內容上。
最近在重新思考知識管理這件事。我發現這裡其實有兩條路線。一條是基於飛書搭建。它的優勢很直接：免費、多端同步、可分享、協作方便，形式也夠豐富。文件、多維表格、試算表、簡報、畫布、Todo、知識庫，這些模組組合起來，已經能涵蓋很多個人和團隊的知識管理場景。我尤其看好多維表格。它很適合當作知識中樞。資訊收集、資料歸檔、狀態管理、結構化整理、內容再生產，都可以圍繞它展開。再加上飛書 CLI 和 AI Agent，飛書就不只是一個辦公軟體了。它更像一個可以被 Agent 操作的知識工作流系統。另一條路線是基於 Cloudflare 自行開發。這條路更自由，也更適合產品化。比如我現在正在做的 FlareMo，就是想基於 Cloudflare 去做一個知識管理產品。Cloudflare 的好處是底層能力很完整：前端、後端、資料庫、物件儲存、向量檢索、AI 能力，都可以組合起來。但它需要開發。也需要自己設計資料結構、搜尋體驗、權限系統和產品邏輯。所以我現在的判斷是：
- 飛書適合快速搭一套能馬上上線的知識管理系統。
- Cloudflare 適合把知識管理做成一個真正可控、可迭代的產品。
什麼是知識管理？很多人一提到知識管理，第一反應就是收藏文章、整理連結、做筆記、搭一個漂亮的資料庫。但從第一性原理來看，知識管理真正要解決的問題其實是：我今天看到的資訊，能不能在未來繼續幫我做判斷？人的記憶有限，注意力有限，經驗也很容易流失。如果一份資料只是被收藏起來，最後很可能變成資訊墳場。真正有價值的知識管理，應該完成一個轉化：把外部資訊和個人經驗，變成可檢索、可調用、可複用、可更新的行動能力。
- 一篇文章，單純收藏只是資料。
- 你提煉出觀點，它變成資訊。
- 你把它和自己的專案、場景、判斷連結起來，它才開始變成知識。
- 最後它能幫你寫文章、做產品、做決策、設計工作流，這才變成能力。
透過網易 UU 遠端連到家裡的 Mac。隨時隨地寫程式。隨時隨地陪老婆出去逛街。
雖然最吸引人的是獨立開發者的收入但對我們普通人來說，最有價值的還是獨立開發者的來時路
Brave 瀏覽器用的是什麼黑科技？看 YouTube 一點廣告都沒有！！
有朋友問我，圖裡面的充電寶是什麼牌子？好了，我要開始推坑了。這是酷態科 25 號超級電能塊 SE（酷態科就是曾經的紫米）。140 多塊錢，25000 毫安時，最高 120 瓦輸出，自帶充電線。可以讓我的 MacBook Air 持續一下午高強度工作。是星巴克、麥當勞、肯德基、下鄉等場所的辦公良品！
講一個冷知識，大家可能以為 DeepSeek 在虧本賣 token。它的 API 雖然賣得便宜，但是官方提到過這一塊的利潤率是 545%！！！所以 DeepSeek 不僅是賽博 AI 菩薩，而且技術超強。原文見：DeepSeek Open Infra Index
厚禮蟹！我才知道 Firefox 瀏覽器為每個使用者提供了每月免費 50G 的 VPN 流量。對於先有雞、先有蛋的尷尬場景，非常有幫助。使用方法：
- 在網址列輸入
about:config - 進入進階偏好設定，點顯示全部
- 搜尋輸入
browser.ipProtection.enabled - 將該條目的值切換為 true
小試了一下騰訊的 Workbuddy，有一個很經典的場景，叫做領美團優惠券。在登入環節，它產生了一個 QR Code，讓我掃碼登入。然後我再吼一聲「幫我領優惠券」，它就幫我領了那麼多。把 AI Agent 用在領優惠券這樣的場景，非常 amazing。
分享一個寶藏網站：Buzzing它適合想拓寬資訊來源、想打破資訊繭房的人。它會持續抓取 Hacker News、Reddit、BBC、Reuters、Bloomberg、Product Hunt 等國外熱門內容，並把標題翻譯成中文。它最大的價值，是讓你先用中文把標題瀏覽一遍。如果看到感興趣的、值得閱讀的文章，再點進去看看詳情。這時候可以配合沉浸式翻譯做雙語閱讀。
關於翻牆，如果買了機場、又自己架了 VPS 節點，會希望把它們統一管理、統一分流，統一輸出一條訂閱連結。
希望把分流規則、節點篩選和組合邏輯放在伺服器端維護，而不是在每個用戶端重複設定。
希望用 Cloudflare 的輕量部署方式來跑，不想維護伺服器、資料庫服務和複雜的背景任務。
分享一下我珍藏多年的瀏覽器擴充功能。
- Wetab：新分頁擴充功能，可以把常用東西放進來，還能自訂搜尋引擎，登入帳號免費多裝置同步。我在上面特別搞了一個基於 Google 的 X 搜尋引擎，比內建的還好用的多。
- Video Speed Controller：靈活調整影片倍速，適合高效攝取知識。
- XHunt：玩 X 必備，可以看到每個 KOL 的排行榜，以及目前最熱門的貼文。
- X 互關雷達：在頁面標記互關和單向關注關係，並可選擇顯示 following / followers 關注率。
- FireShot：捕捉網頁截圖，編輯並儲存為 PDF、JPEG、GIF、PNG 或 BMP。
- Proton Pass：設計優雅的帳號密碼管理工具，多裝置同步。
- 沉浸式翻譯：老牌雙語翻譯擴充功能，接入 DeepSeek V4 Flash API。
- Codex：Codex 連接 Chrome 瀏覽器必備，有了它可以自動化任何在瀏覽器上的事情，比如帳號被封寫申訴郵件。
2026.06.28 · 4 分鐘
我把機場訂閱聚合搬到了 Cloudflare 上
原創多個機場加自建節點合成一條訂閱，分流規則在伺服器端配好，用戶端只管訂閱。
Cloudflare翻牆開源專案
人負責判斷。AI 負責放大。人的注意力是有限的。人只負責最關鍵的那一部分判斷。一定要把有限的注意力分配在有價值的地方，讓 AI 去做更多雜事。這就是 AI 工作流存在的意義。讓 AI 工作流把雜事全部包下來，人負責最終的判斷——最有價值、最核心、最接近最終目標的那種審核，或是結果的驗收。這是我很想達成的一種狀態。我最近也在研究這些工作流。
基於 Cloudflare 技術棧原生開發的筆記軟體——FlareMo。註冊一個免費的 Cloudflare 帳號，部署完以後就可以擁有 10G 檔案儲存、5G 資料儲存。永久免費，裝備不花一分錢，流量不花一分錢，資料多地備份，天生自帶高可用機制。24 小時隨時隨地在雲端服務，完全相容 Memos 生態。當時開發進度：花了一天完成整體基本功能搭建，已經完全可用。後續會補充更多使用部署教學、工程化測試案例、AI Agent 相關技術，以及多端支援。Build in public。
我把翻牆訂閱聚合搬到了 Cloudflare 上。開源了一個完全免費、部署在 Cloudflare 上的翻牆訂閱連結聚合專案。幫你把所有的翻牆訂閱連結、自建的節點，統一聚合在一條連結上，同時還可以配上分流規則。真正做到只需要一條連結，就能在所有的用戶端使用，不需要每個用戶端單獨設定。GitHub：https://github.com/realchendahuang/sub-store-cloudflare部落格原文：我把機場訂閱聚合搬到了 Cloudflare 上
Clash Party 翻牆上網
配合部署在 Cloudflare 上的 Substore
一條訂閱連結完成了多供應商聚合、規則分流
舒服（第二聲）！
也推薦一下 Clash Party 這個客戶端，非常優雅。
我的 sub-store-cloudflare 的開源網址：
https://t.co/u8zhrOSrAwhttps://t.co/Zzc3IXKsLI
花了點時間，在 Cloudflare 上完成了 Sub-Store 部署。把我自建的節點和機場的備用節點全部融合在一起，還搭配上了 ACL4SSR 分流規則自動訂閱。直接用一條訂閱連結就實現了：
- 多家供應商節點合併
- 節點過濾
- 分流規則設定
- 設定自動更新
最近在思考一個計畫。
打算把個人知識管理、資訊收集、知識輸出全部搬到 Cloudflare 上。
免費帳號本身就內建 10GB 的物件儲存和 5GB 的資料庫。
等於是一個自己架的、在雲端上的、永久免費的知識管理系統啊。
給大家講講我公司取名的經歷吧。我是用 GPT 5.5 和 Gemini 3.1 Pro，用這兩個模型經歷了多次的頭腦風暴，想了兩三天都沒想到好名字。為什麼呢？因為我發現這些模型沒有創新。牠給你的名字選項都是詞藻的堆砌和字的組合。你提出自己的想法，牠就來回鬼打牆地給你繞來繞去，氣得我高血壓都犯了。還有一個很大的問題，你好不容易想到幾個比較滿意的名字，打開企查查一看，好傢伙，要嘛被註冊了，要嘛有雷同的。這裡可以推薦一下阿里巴巴的 88 查，類似於企查查，但是免費，可以用它查查有沒有雷同的名字。取名字如果不想一直重複，最好取四個字的，思路一定要開闊。一定要多換幾種模型，換幾種不同的腦子。可以給 AI 一些好名字作為參考，比如說 DeepSeek 深度求索、ByteDance 字節跳動。把你認為的好名字，讓 AI 去參考參考。博採眾家之長，才會有牛逼的名字出現。
想找一個「隨手記下、慢慢長成知識」的工具。想要 Flomo 那種開箱即記、不打擾的靈感收集；想要 Memos 那種成熟開源生態、資料可遷移、API 能玩；又不想再開一台 VPS、維護 Docker、Postgres、Node 常駐程式。那怎麼辦。FlareMo 的做法是把 Memos 的資料模型和 API 當成「規範」，把整個執行環境重搭到 Cloudflare 上：Workers 跑 API、D1 存筆記、R2 放附件、Queues/Cron 跑背景任務、Vectorize + Workers AI 留給日後的語意搜尋和 AI 工作流。站在 Memos 的肩膀上，做一份長在邊緣雲上的個人知識庫。
Cloudflare Container 受害者出現了。因為寫的程式碼還在除錯階段，stop 指令沒有生效。導致一個 Container 連續運行了 7 天，扣了我 4 美元。
東西神話圖鑑的名字想好了——God-Museum · 眾神博物館：把《山海經》《西遊記》、古希臘、北歐、古埃及這幾套互不相干的神譜塞進同一個宇宙裡，讓它們不打架。同一個雷電法則，在希臘叫宙斯、在東方叫雷震子；同一場大洪水，東方人記得是女媧補天，希伯來人記得是諾亞方舟。認真追問下去，整個神話世界就得重排一遍。線上體驗：https://chendahuang.com/god-museum/
AI 時代新的軟體機會在哪裡？比較大的一個機會，是處理在傳統軟體層面無法被記錄下來的這一部分，也就是說，一些非結構化的背景資料。比如說，真正 AI native 的 CRM 軟體，在記錄給某個客戶的折扣時，可以順帶記錄為什麼要給這個折扣，而不是另一個折扣，以及其他方案為什麼被否決，這其中是誰說服了誰？傳統的軟體有太多這樣的隱藏資訊是沒有辦法記錄的，而 AI 時代可以利用對文字、對影片的理解能力，把這些隱藏的資訊、這些大量的冗餘資訊，提取出結構化的資料來進行分析。
第一天進駐 OPC 社區
以後這個工位就屬於我啦
Nice！ https://t.co/3rSQcZ760R
今天是正式進駐 OPC 辦公室的第一天。我來跟大家講講我開 OPC 的過程經歷。我的初衷只是想有個合規的主體可以收錢、可以上架產品，所以就在網路上找相關的公司註冊資訊。我對城市沒有太大的要求：南京、蘇州、杭州、寧波，只要是沿海發達地區，都是我的備選。機緣巧合之下，某天來南京出差，閒來無事，滑了滑南京相關的微信公眾號，翻到了一個 OPC 社區聯絡人的電話，然後就加了上去。在簡單介紹了自己的專案以後，負責人覺得 OK，就安排下午去現場參觀。他們提出的要求是每週要有三天時間駐場辦公，如果我能接受的話，就可以讓我在這裡註冊公司。因為是南京國資旗下的專案，他們的政策條件非常好，水電網、物業全部免費，理論上免費三年，甚至還有專門的記帳會計幫我註冊公司、幫我刻章、幫我拿營業執照、幫我聯絡銀行開戶，感動到誇張啊。在經歷了兩三個星期的註冊流程以後，終於拿到了所有的材料。園區經理讓我在這裡選一個自己的工位。我對工位的要求並不高，只要有座位、有椅子、有電就行。園區經理讓我填三張申請專案的表格，主要是介紹自己專案的優勢、團隊成員的狀況，以及跟 AI 結合的專長。如果寫得好、夠可靠的話，就有機會拿到 5~10 萬的政策補貼。我覺得南京這一塊做得是真的好。大家也可以看看自己的城市有沒有相關的政策，或是自己的省會有沒有更好的政策。好的政策不等人，一定要多多去打聽。我今天到的時候，其實這個園區已經有很多公司進駐了，我算是比較晚的了。今天要分享的就是這些，之後我會持續分享我整個創業的經驗和過程回顧。感謝大家的關心。
發表一個觀點：程式碼是我們普通人的槓桿。Codex 是槓桿的槓桿。抽走 Codex，那就是釜底抽薪。正所謂，基石不牢，地動山搖。國產的 AI 們快支稜起來吧！
很多人用 AI 寫 Cloudflare 專案，翻車不是因為語法。
真正的問題是：
AI 經常把 Workers 當 Node.js 寫
把 Binding 當 process.env 用
忘記 await
亂用全域變數存請求狀態
不知道靜態資源請求免費
從 Worker 裡用 REST API 呼叫自己的 R2
這些坑我都整理進了 Cloudflare Playbook。
順便還寫了
對於獨立開發者來說，如果對要做什麼產品沒有靈感。可以先從滿足自己的需求開始做起。大概率會有跟你同頻的使用者。
我做了一個有點離譜的 Skill：Dahuang AI Tone大家都在聊「去 AI 味」。但 AI 味到底是什麼？它可以做兩件事：
- 把一段正常文字，改成指定模型的 AI 味
- 反過來指出一段文字哪裡像 AI、像哪種模型腔
分享給大家我一年多血淚換來的獨立開發踩坑經驗。2026 年，獨立開發者想開發 APP，最佳實踐是：MVP 階段先做 Web + PWA。 開發快，除錯快，迭代快。Web 技術棧：React + TanStack Start + Vite + TypeScript + shadcn/ui + Base UI + Tailwind CSS + better-auth + Vercel AI SDK + oxfmt / oxlint後端統一：Hono + Cloudflare WorkersWeb 除錯：Chrome DevTools MCP + Codex Chrome 擴充功能等產品真的跑起來，再做行動端。行動端技術棧：React Native + Expo + Expo Router + NativeWind + React Native Reusables + Reanimated + Gesture Handler + EAS Build / Submit / Update核心思路很簡單：先用 Web + PWA 驗證需求。真的有使用者，再上 React Native + Expo 做 APP。
花了一天的時間，我把「去除文章的 AI 味」這件事情好好研究了一番。綜合對比了市面上主流的 Humanizer、去 AI 味 Skill、Prompt 方案。再結合我從 2023 年用大語言模型到現在，被 GPT、Claude、Gemini、豆包各種 AI 味反覆折磨出來的經驗。做了這個：Dahuang Human Tone一個面向中文語境的去 AI 味 Skill。我的願望是：讓天下沒有難讀的 AI 小作文。GitHub：https://github.com/realchendahuang/dahuang-human-tone
我做了一個 Cloudflare Playbook。適合所有想用 AI Coding 做產品的獨立開發者。裡面整理了：
- Cloudflare 常用服務怎麼選
- Workers / Pages / D1 / R2 / KV / AI Gateway 怎麼用
- 免費額度到底夠不夠
- $5 Workers Paid 什麼時候該買
- AI 寫 CF 程式碼最容易翻車的坑
- Codex / Claude Code 怎麼配 Cloudflare Skill 和 MCP
- 有哪些開源專案可以直接參考
經營第 7 天突破 2000 追蹤者，簡單回顧一下。核心就一個字：利他。我主要分享了兩類乾貨：
- macOS 重度使用軟體清單（48k 閱讀）
- Cloudflare 免費額度表 + Playbook（在 X 上數據不錯，還被老哥搬運洗稿到知乎，竟然也拿到好幾百個收藏）
- 還有 OPC 一人公司資源推薦（38k 閱讀）
我做了一個 macOS Playbook。適合剛買 Mac、剛從 Windows 換到 Mac，或是一直覺得 Mac 用不順手的人。裡面整理了：
- 買完 Mac 先裝什麼軟體
- Windows 使用者怎麼適應 macOS
- Rectangle / AltTab / Homebrew 這些工具怎麼選
- 跨裝置協作怎麼用
- 終端機、Git、SSH、AI Coding 環境怎麼設定
- 系統維護、故障排除、安全備份、換機遷移怎麼處理
2026.06.20 · 10 分鐘
發心原理：獨立開發者為什麼要學會捨棄
你為什麼出發？你為誰出發？你到底想解決哪一個問題？產品的鋒利感來自捨得和放棄。
產品思維獨立開發
2026.06.20 · 8 分鐘
使用者說「很屌」別上頭：痛點與癢點
口頭喜歡一文不值。判斷需求只有一個硬標準：看使用者願意付出什麼。
產品思維需求判斷
Mac 上 Docker 方案，簡單做個技術選型。
- Colima：免費開源，很輕量，但基本上只有命令列。適合能接受折騰、習慣命令列的人。
- Apple Container：蘋果新推出的容器方向，未來值得關注，但目前生態還不行，還處於很早期的階段，例如連 Docker Compose 都不支援。
- OrbStack：有 GUI，又輕又快，生態支援也很完整。缺點是不開源，商業版需要授權，但個人版免費。
- Docker Desktop：官方出的東西，結果又重又臃腫，體驗跟一坨屎一樣。Mac 上能不用就別用。
我宣布：Cloudflare 是真正的 AI Native 公司。它真的在圍繞 AI Agent 重做開發者體驗。剛發布的 Temporary Accounts 可以讓 AI Agent 寫完程式碼，直接部署，拿到臨時 URL，自己測試，自己迭代。絲滑的一批。結合 Cloudflare 官方 Skills，一行指令安裝：
npx skills add cloudflare/skills什麼叫 AI Native 啊？這才是 AI Native 的 GOAT。很多朋友對 OPC（一人公司）感興趣。我在查資料的時候發現了寶藏網站，分享給大家：https://www.opcquan.com/communities
macOS 重度使用多年，我整理了下面這幾個真的很猛的軟體：
- QuickRecorder：螢幕錄影神器，體積小，功能強大。
- ClashParty：翻牆工具，Mihomo 核心，支援的協定多、更新快、介面美觀。
- V2rayN：翻牆工具，支援的協定多，介面復古了一點，但勝在穩定、免費。
- 豆包輸入法：語音輸入準到不行，支援 macOS、iOS、Android，Windows 還在路上。
- Brave：隱私優先的瀏覽器，內建廣告過濾，比擴充功能過濾得更乾淨，看 YouTube 的最佳夥伴。
- Mos：讓你的滑鼠滾輪滾動得更絲滑。
- Amphetamine：讓你的筆電闔蓋也不會關螢幕，Vibe Coding 的最佳夥伴。
- UU 遠端：網易出品的遠端桌面工具，免費、速度快。有了它以後，限制畫質的從來不是會員，是網速。我通常用它透過手機遙控 macOS 看 Vibe Coding 的結果，按鍵映射效率太高了。
- Tencent Lemon：騰訊出品的 macOS 垃圾清理軟體，卸載軟體很順暢，狀態列圖示也很好用。
- Mole：macOS 最強的垃圾清理軟體，終端機版免費，UI 版要收費。
- Tailscale：基於 WireGuard 的遠端異地組網軟體。有了它，你在天涯海角都能連上家裡的小電腦。
- Obsidian：AI 時代，本地優先的知識管理工具。生態太好了，搭配官方 Web Clipper 瀏覽器剪藏擴充功能有奇效。
我們免費的帳號到底能白嫖多少 Cloudflare 的資源？
在使用 Cloudflare 的時候，有哪些坑和最佳實務？
這些問題，我花了整整三天的時間，狠狠地研究了一下。
答案系統整理放在了下面的倉庫裡。
這個倉庫我會持續更新：
https://t.co/gDuCwIdWHihttps://t.co/WZqEZLH9pE
2026.06.18 · 6 分鐘
討論有沒有價值，這件事本身就沒有價值
我們的價值不由任何人定義。人在 AI 時代，到底應該如何理解自己。
AI 思考人文隨筆
AI 它沒有記憶，我們是否需要對 AI 保持禮貌？看過一篇 arxiv 論文，說你如果常罵 AI，牠做事會更賣力。我們和 AI 溝通時，如果常說：
- 「你是個蠢蛋，不准偷懶」
- 「廢物東西，給我好好做。」
- 「我開會員養你，你就拿這種智障回答敷衍我？」
- 「給我搞快點，你不做有的是 AI 做。」
- 「謝謝哥」
- 「你好，兄弟」
- 「辛苦了寶貝」
有老哥問：有沒有 Claude Code 比較好的分析文件可以學習？我的回答是，在 AI 時代，一定要處處想到 AI，要讓 AI 輔助你去學習。如果真的想學 Agent 的原理。可以去看看 Pi Agent 這個專案。麻雀雖小五臟俱全，太適合學習了，程式碼品質還很高。Claude Code 並非開源，是原始碼外洩。Pi Agent 才是真正的開源。
今天有朋友在我的留言區分享了關於一人公司股權責任的問題。首先，非常感謝這位朋友的善意提醒。他的觀點是，一定要讓自己的家人持有至少 1% 的股份。一人有限公司的問題在於：只有一個股東時，如果說不清公司錢和個人錢是分開的，股東可能就要對公司債務承擔連帶責任。《公司法》第 23 條就是這個邏輯。如果公司有多個股東，公司就從「一人公司」變成「普通有限責任公司」，藉此避開一人公司的特殊舉證風險，給自己多一層低成本緩衝。希望能給大家做個參考。但我們平時要注意公私帳要分明，爭取做到每一筆重要的錢都能說清楚。
- 錢從哪裡來、為什麼來、進了哪個帳戶。
- 錢花到哪裡去、為什麼花、誰批准的。
- 你從公司拿錢，是薪水、報銷、借款，還是分紅。
在 AI 時代，現在最普遍的拖延症：
囤工具、買課程、加社群、換模型、調 prompt。
每天都很努力。
但始終不敢面對一個問題：
我手上到底有沒有真實業務，值得我拿 AI 去解決？
研究磨刀很忙。
可很多人根本不敢殺豬。
給大家分享一個洗稿的小技巧。可以用豆包輸入法語音轉文字。一邊看著需要整理的稿子。一邊口述，把它按照自己的話複述出來。這樣的 AI 味更少。效率還高，還不花錢，還不用充會員。在任何場合都能隨時隨地語音輸入，提高輸出效率。
2026.06.16 · 12 分鐘
一天多漲粉 1000+，我做了什麼
6 月認真經營 X，一天多漲粉 1000+。這篇記錄我當時做過的事和得到的回饋。
X 經營內容增長
說個暴論：現在用 Codex 創業相當於 2010 年拿顯示卡挖礦！
我感覺很多人對 Cloudflare Worker 的理解依然不足 1%。Worker 就是賽博勞工。專門幫你處理網站背後的髒活累活。比如提交表單、上傳檔案、呼叫 AI、登入驗證、處理支付通知、做一個小產品的介面。Worker 都能做。Worker 最離譜的地方是：免費使用者每天有 10 萬次請求額度，一毛錢都不用掏。10 萬次是什麼概念？如果你的網站每天有 1000 個使用者，哪怕你的網站 24 小時不停，每秒都有人來訪問一次，一天也才 86400 次，這都做不完。如果真的能把這些免費額度用完。還想啥呢？你就發財了。現在你可以先寫邏輯，直接交給 Worker 去跑。
搭配 Hono API 框架，就是最佳實務。這就是 Cloudflare Worker 最香的地方。花錢？花個屁的錢。Cloudflare 他心善。捨不得你花錢。
在 X 上漲粉最快的方法，就是持續讓別人覺得：不追蹤你，是他的損失。把自己變成一個持續對別人有用的人。
在 X 上，一定要有觀點。沒有觀點的人，只是在製造資訊噪音。有主見，別人才記得你。有洞見，別人才願意追蹤你。X 不缺搬運工，缺的是能把事情講透的人。
分享一個 X 發文小心得：每則貼文都要有獨立性。因為你不是這個世界的中心，沒人會特地點開你的個人頁面，去了解事情的來龍去脈。一個陌生人第一次刷到你，就應該立刻收穫一個觀點，或是一個 know-how。這樣的貼文，才有價值。
我是王小波門下走狗，他有趣，但不油滑。
他幽默，但有邏輯。
他反感愚蠢，也反感一本正經地愚蠢。如果王小波活在 AI 時代，他可能會說：終於有個東西，可以幫普通人少幹點蠢活，多留點時間，去想一些真正有意思的事了。這也是我喜歡 AI 的原因。不是因為它神。是因為它能讓人少受一點無聊勞動的折磨。
AI 時代，最重要的能力，是元技能。說白了，就是那些你換一個工具、換一個模型、換一個行業，依然能用的底層本事。
- 你能不能把問題講清楚？
- 能不能把一堆亂材料整理明白？
- 能不能把一個模糊想法拆成幾步？
- 能不能看出 AI 哪些地方說得對，哪些地方在胡扯？
- 能不能和 AI 來回磨，把一個粗糙答案慢慢改成能用的東西？
2026.06.15 · 6 分鐘
2026 獨立開發最佳實踐：Cloudflare 窮鬼全家餐
獨立開發者的零成本技術棧：Codex 寫程式、GitHub 管版本、Stripe 收款，前端 TanStack Start、後端 Hono + Workers、資料庫 D1、儲存 R2、快取 KV，全部跑在 Cloudflare 上。
Cloudflare獨立開發技術棧
2026.06.15 · 8 分鐘
免費使用者如何榨乾 Cloudflare，免費版到底能白嫖到什麼程度？
Cloudflare 免費版能撐起一整套個人網路基礎設施：DNS、CDN、Pages、Workers、KV、D1、R2、信箱、Tunnel、AI 閘道等。
Cloudflare免費額度部署
我感覺大家對 Cloudflare 的開發程度依然不足 1%。它現在出了太多的功能。
- 物件儲存用 R2
- 後端 API 用 Worker
- AI 閘道用 AI Gateway
- 重運算用 Container
- 快取用 KV
- 資料庫用 D1
- 如果用 PostgreSQL，可以用 HyperDrive 連一下