0908 | 从编码代理到日常助手：AI 工作流的本地化浪潮

茉莉: 大家好，欢迎收听这期节目，我是茉莉。

白桦: 我是白桦。今天我们照例从最近一天 Product Hunt 上的新品里，挑几个问题定义得最清楚、产品思路最有辨识度的，来聊一聊它们到底想解决什么、跟现有做法差在哪，还有哪些地方其实还悬着。

茉莉: 今天这一期的几条线其实有内在的连贯性：从本地跑多个编码代理、到把 AI 生成的代码变成看得懂的图，再到把 AI 对话保存下来，然后一路走到屏幕边缘的贴身工具、创作者的录制和可视化，最后是自动化分析和 AI 参与交易决策。整条线可以概括成：AI 产出的东西越来越多之后，你怎么理解它、留住它、让它贴近你，最后替你跑起来。

白桦: 我们就开始吧。先聊开发者这条线。

茉莉: 先说 Airuncode。它的定位是一个本地优先的代理运行时，让你在一台机器上跑多个编码代理。几个关键设定：自带 API 密钥，云端模型和本地模型可以切换，直接向模型提供商付费、零加价。它能扫描你的代码库，让多个代理对解决方案进行辩论，编辑文件、跑测试，测试失败时还会尝试自我修复。另外还内置了一个叫 V-CORE 的东西，是原生的 Vulkan 3D 运行时，面向 AI 辅助的游戏开发，作者说这样代理就不用每次都从零重建渲染、地形、物理这些系统。Windows、macOS、Linux 都能用。

白桦: 做这个产品的人讲了一个很明确的动机：他不希望自己的整个编码流程依赖某一家 AI 公司、一个订阅、或者一个模型。所以他的核心想法是——运行时才是稳定的层，模型是可替换的。这个思路在当下其实是有点反潮流的，现在大多数工具是绑着某个模型卖给你。

茉莉: 对，而且"辩论"这个机制值得多说两句。多个代理在同一个代码库上并行工作，互相辩论方案，这听起来很有想象力，但社区里有人立刻提出了一个很尖锐的问题，而且我觉得这个问题问得非常在点上。他说：我在多个会话并行的时候踩到的坑，从来不是代码写得差，而是第二个"正确"的实现——仓库里明明已经有这个东西了，新会话从一张白纸开始，又写了一个功能一样的版本，而且在 diff 里看起来完全没问题。

白桦: 这个现象其实很常见。并行代理各自看不到全貌，产出的是"局部正确"的代码。所以他追问作者：这个辩论到底发生在所有代理都读过现有代码之后，还是大家在还没确认"这个功能是不是已经存在"之前就开始争方案了？这是个很实在的架构问题。

茉莉: 而且他把火力也延伸到了自愈上。他说，测试失败后自动修复这件事让他担心，理由是同样的——测试变绿并不告诉你这个修复该不属于这一层。也就是说，自愈可能把错误"修"到了错误的抽象层上，测试过了，但架构变糟了。

白桦: 所以对 Airuncode 的公允概括是：方向——本地、多代理、模型可替换、零加价——是有独立想法的，V-CORE 给代理真实引擎能力也是个有野心的配套。但多代理协作最难的恰恰是共享上下文和修改归属问题，作者在发帖里也说了项目还在早期，正在重建 PWA 的一部分、加社区论坛。辩论时机、自愈的层归属，这些都还是开放问题，没人验证过。

茉莉: 接下来这个产品跟它形成了一个很好的接续：Airuncode 解决的是让 AI 大量写代码，那写出来的东西你怎么看懂？这就是 PR Lens，Coldtea.ai 出的。它给任何代码库和每个拉取请求画动画版的架构图和数据流图，让你在读第一行代码之前先看到改动。

白桦: 它的形态也很灵活：可以作为一个 GitHub Action 跑，可以在命令行跑，也可以作为你编码代理的一个技能。MIT 开源，模型自带，用什么模型都行。

茉莉: 作者的论述我很喜欢，他说：代理每周写的代码越来越多，但我们还是要理解这些代码，逐行读已经不再是高效的方式了。阅读代码的方式也许应该是视觉化的——把每分钟几百行的阅读量交给图，把你的注意力留给真正关键的部分：你维护的这个系统的心智模型、它的架构、它怎么演化、数据怎么在里面流动。

白桦: 他们还专门为代理写的 diff 做了一个自定义渲染器。每个 PR 附带一张动画的架构和数据流图，改动、新增、删除都有颜色区分，而且是动的——你能看着一个请求在系统里"走一遍"，而不是盯着一面 diff 墙。

茉莉: 使用上也很轻。安装 GitHub 应用到仓库，打开一个 PR，图就在那里了，不需要密钥、不需要配置。或者你活在编码代理里的话，装一下这个技能，让它把它刚做的改动画出来。他们自己团队每天都在用，工作流是：代理提了 PR，图跟着落地，他在读 diff 之前就知道什么动了。

白桦: 社区反馈里，有做自动化工作流的人说得很准：代理生成 diff 的速度超过任何人类能读的速度，而评审的真正瓶颈不是 diff 大小，是建立"什么动了"的心智模型。还有人说自己跑一个项目，让 AI 代理互相打游戏，代理提交多了以后根本跟不上改了什么。这跟 Airuncode 那边的痛点是同一个问题的两面。

茉莉: 对。还有一类很有意思的提问来自独立开发者。有个 solo founder 说他不走 PR 流程，所以评审不是他的问题——他的问题是，在 Rust 桌面应用、C# API、React 前端上跑了长串代理改动之后，他悄悄开始失去自己代码库的形状。自己亲手写的部分还看得见，自己"指挥"写的部分就看不清了。他问：这个基线能不能看系统当前的整体状态，而不只是某次改动动了什么？还有，能不能跨语言边界——比如 Rust 侧的 Tauri 命令和 TypeScript 侧的调用方，能连起来吗，还是图是按语言各自画的？

白桦: 这个问题非常关键，因为跨语言恰恰是 AI 全栈改动的常态。另外还有人问配置和基础设施文件的改动跟纯逻辑改动的"形状"很不一样，渲染起来是不是更难；有人问最多支持多少文件；也有人问可靠性——图是 LLM 智能生成的节点结构，还是 PR Lens 硬编码的流程？这些在源材料里都还没有答案。

茉莉: 小结一下这两个产品：一个管"写得多"，一个管"看得懂"。它们都把赌注押在代理写代码会越来越多这件事上。但代理产出的可不只是代码——对话、草稿、想法，这些东西丢了同样可惜。这就自然接到了下一个产品。

白桦: Clipnote。它解决的问题一句话就能说清：你的 ChatGPT 和 Claude 对话，关掉标签页就没了。Clipnote 让你只要跟 AI 说一句"保存这个"，内容当场就留下来了——手动粘贴进来当然也行。它就是个存放 AI 对话的记事本，之后可以回来翻，从上次中断的地方接着聊。

茉莉: 做这个的人讲了他的来历：他不断丢失用 AI 做出来的东西——代码片段、草稿、想法，散落在各个聊天窗口里，没有好办法保存、整理、分享。Clipnote 可以把 AI 生成的内容存成 Markdown、HTML 等格式，整理进集合，还能发布成可分享的链接。保存可以直接在 AI 聊天里通过 MCP 完成，或者手动走网页应用。他说这本来是自己工作流的私人工具，后来发现凡是常用 ChatGPT、Claude、Gemini 的人都会撞上同一个问题：产出很好，但没地方放。

白桦: 功能细节从产品页面上看比一句话介绍要丰富。支持三种格式：纯文本、Markdown、HTML。纯文本适合会话日志和随想；Markdown 适合会议纪要、比较表、清单；HTML 就有意思了——AI 生成的带布局和交互的页面能原样保存，比如报销分摊计算器、猜拳小游戏，做完不用在浏览器里贴一下就完，存下来就是一个 URL 随时能开。更新也一样，跟 AI 说"把今天定的下次会议日期追记到会议纪要里"，它读入对应剪贴再更新。

茉莉: 而且更新不会覆盖丢失。旧内容会自动存成版本，随时能回看和恢复。删除也不立即消失，回收站里 30 天内都能恢复。多个剪贴可以打包成一个集合，作为一个公开页面分享。搜索、置顶、归档这些整理功能也都有。MCP 保存默认是私密的。

白桦: 社区评论里，有人说"保存这个"的 MCP 流程是这里最聪明的部分，比复制粘贴到另一个应用摩擦低太多了。另一个人接着提了个担心，我觉得值得原样转述：很多被"保存"下来的东西是半成品，或者包含你不想意外公开的内容——这些分享链接有没有过期机制或访问控制，还是永久开放给任何拿到 URL 的人？从产品页面看，公开范围可以在 Private 和 Public 之间选择、随时切换，但"过期"和细粒度访问控制是不是存在，源材料里没有给出确认，这是个悬着的问题。

茉莉: 还有人问能不能按主题或项目组织保存的对话——集合功能部分回应了这个需求，但按项目的自动归类似乎还没有。总体上 Clipnote 免费起步，是个切入点很小、痛点很普遍的产品。

白桦: 从"保存 AI 的产出"再往前走一步，就是"让这些东西随时在你手边"。接下来这两个都是 Mac 工具，都讲本地优先和隐私取舍，正好放在一起比。

茉莉: 先说 Tucky。它是一个原生 macOS 笔记应用，核心形态很特别：笔记平时睡在屏幕边缘，是一条细细的窄边。手伸过去，标题会展开，点一个就打开。它是本地加密存储的。AI 这边，按住 Option 加空格就能从任何应用里跟笔记对话，还能连接 Gmail、Google 日历、Docs、Sheets、GitHub、Notion 这些服务。

白桦: 商业模式也直接：免费版只有一个笔记，没有 AI、没有语音、没有连接器。Plus 是每月 12 美元，解锁无限笔记、推理模型、六十多种语言的语音听写和那些连接器。社区里有人对此提了个问题：很多功能都放在付费墙后面，用户得先付费才能尝到全貌，为什么不干脆一开始就全付费、不做免费版？这是作者可能需要回答的问题。

茉莉: 社区里讨论最多的其实是两件事。第一是隐私边界：产品页写本地加密，但 Plus 又号称接入"最好的 LLM 模型"，那边界在哪？有人问得很具体：是只有你明确提问时才调用云端模型，还是它也会在后台读你的笔记、主动建议行动？产品页上有一条线索——问某条笔记时，标题会跟着问题走，正文只有在你允许的情况下才会被读取。这个设计说明作者至少在结构上考虑过这个问题，但后台主动读取与否，源材料里没有明确答案。

白桦: 第二是平台。好几个评论者都在要 Windows 版。目前只有 macOS，要求 15 或更高版本，苹果芯片和 Intel 都支持，应用大约 15 兆，会自动更新。免费版一个笔记这个设定比较激进，等于试用窗口非常小，这和付费结构的质疑是连在一起的。

茉莉: 再看 Assist，它是另一个姿态的 Mac 工具——住在刘海里的。作者 Abhishek 说他两周前出于沮丧做了这个：他之前用原生 Mac 截图应用，裁剪、发图给 codex，还得打一大段提示词，一天来一百次就受不了了。现在用 Assist，按住 Option 键，在屏幕上画圈标注，同时开口说话——本地模型把语音转写出来，生成一条优化过的提示词，复制了就能发给 codex、claude code 或任何地方。

白桦: 转写用的是 WhisperKit，在 Apple silicon 上本地跑。原始音频只在转写过程中留在内存里，不会被保存；存储的只有转写结果和它的状态。除此之外它还有三件事：按 Control 加 Option 拍全屏截图，保存后刘海下面会弹出一个快速编辑器，可以裁剪、用三种笔刷大小打模糊、加渐变或壁纸背景；编辑器不碰的话大约五秒自动关闭，原图已经存好，什么都不会丢。还有剪贴板历史——复制过的文本和截图存在同一个本地架子上，从刘海打开，按全部、文本、图片过滤，一键放回工作流。

茉莉: 定价跟 Tucky 形成有意思的对比：20 美元一次性买断，一台 Mac，没有订阅，没有服务器。数据全部本地。作者还特意说它不做 OCR、不解读你的截图，你什么时候复制或拖出去由你决定。

白桦: 社区评论里有一条批评很值得记住。有人说：一个保留历史的剪贴板管理器，不管你有没有这么设计，它都是一个密钥库——每个人总有从管理器里粘贴 API 密钥或密码的时候，而现在它就躺在刘海里随时可复用。他问：你们会不会检测并跳过这类内容，或者至少给一个可设置的保留窗口？这个问题在源材料里没有答案，但我觉得对任何一个"本地剪贴板历史"产品都成立。

茉莉: 有意思的是，也有人从完全不同的角度肯定它：一位有腕管综合征的用户说这对他真的有帮助——语音部分让你不用把两秒钟就能说出口的话打出来。还有个用户问它跟 Whisperflow 怎么竞争，这个没有展开。这两个产品放在一起，其实是 Mac 生态里"本地优先"路线的两种取舍：Tucky 用订阅换模型和连接器，隐私边界待说清；Assist 用一次性付费换彻底无服务器，但剪贴板历史的泄密面是新的责任。

白桦: 接下来从开发者、知识工作者转向创作者。这一对也是成对出现的：一个管"说"，一个管"看"。

茉莉: 先说管"说"的：Scriptly，一个 iOS 提词器应用。做它的是一位内容创作者，他说传统提词器的笨拙之处在于逼你把自己的语速去迁就一个预设的、死板的滚动速度。Scriptly 的核心功能是实时语音跟随滚动——你说话，字幕跟着你的节奏走，不用手动滑，也不用追固定速度。

白桦: 除了提词器，它把写稿、组织脚本、录制放在一个应用里，省得在多个应用之间跳。还有 Apple Watch 控制——开始停止录制、调整提词器文字，不用伸手去够手机。脚本本地存储，注重隐私。目前在 TestFlight 公测，网站上写着免费下载，还提到可以做内容排期。

茉莉: 有个社区评论挺幽默的：一个做视频服务的应用，居然没在 Product Hunt 上传演示视频。这个吐槽本身说明了评审者的期待——这种产品看一眼演示胜过千言万语。另一个评论者是一位录创始人短视频的 Android 用户，他说提词器一直是他的薄弱环节：固定速度滚动让他要么追字幕要么尴尬停顿，全在镜头里看得出来。语音跟随正是解法，甚至说这应用让他认真考虑换 iPhone。

白桦: 但他问了两个很实际的问题，都还没有答案。第一，Android 在路线图上吗，还是语音匹配绑定了 iOS 独有的 API？第二，如果脱稿说了一句题外话，它会从你说到的地方接上，还是停在最后一行等？这个"脱稿后怎么办"的问题其实是语音跟随提词器的核心技术难点，源材料里确实没有答案。

茉莉: 然后是管"看"的：Bloop，一个 macOS 音乐可视化应用。它监听你的系统音频或麦克风，用八种实时着色器皮肤渲染出来——每一帧都对当下正在播放的东西做出反应。可以放在一个可调大小的迷你播放器里悬浮在工作旁边，也可以缩到菜单栏。最关键的功能：丢一个 MP3 播放列表进去，可以把整段导出成一个成品视频。

白桦: 作者讲了一个我很喜欢的故事。他说最难的不是音频，是让一个皮肤"活"起来。最后一个皮肤他重做了四次：先是流动的墨，然后是有机波浪，然后是一圈 256 个弹簧耦合的点向外推再松弛回来，最后一遍改成对音乐的重音做出反应而不是对原始音量。最讽刺的是名字：他一直叫它 Black Hole——黑洞——但屏幕上的东西恰恰相反，没有任何东西被吸进去，轮廓被推出去，还拖着走过的痕迹。所以改名成了 Wake。他说这段弯路大概只占应用四百行代码，却是他做这个应用学到的最多东西。

茉莉: 技术上有三个区别于其他可视化工具的点：是真·实时着色器，不是预渲染的循环，稳定节奏下还会自动 BPM 脉冲对齐呼吸和晃动；系统音频和麦克风都支持，带自动降噪和灵敏度控制，所以它能对一个房间起反应，不只是对一个文件；然后是视频导出——作者说这是人们付费的理由，如果你在网上发音乐，你总得有个东西放在屏幕上。此外还有追踪信息显示。

白桦: 限制他也很坦白：仅 Apple Silicon，不支持 Intel Mac；仅 macOS，近期没有 Windows 计划；它就是个可视化工具，想找音频编辑器的别来。定价无订阅：免费版含 Glossy 和 Contour 两款皮肤，永久免费，而且是完整应用不是试用；完整版八款皮肤加视频导出是付费的，具体价格源材料里被截断了。

茉莉: 社区里有人抓住"Black Hole 因为名不副实而改名"这个细节说，这是你盯着一个东西看几百个小时才会注意到的观察。还有人对皮肤的使用场景做了个猜测：平静的皮肤适合背景和专注音乐，像 Wake 这种混乱的可能适合重拍的音乐——他好奇真实使用数据会不会支持这个猜想。也有人直接问有没有 Apple TV 版，还有人说希望加更多颜色。这些都是未决的方向。

白桦: 从创作者再往回拉到日常工作流，接下来这一对讲的是"让重复的事自动跑起来"。一个是分析，一个是会议。

茉莉: Databox 的 Routines。它是 Databox 代理式分析平台的最新一块。逻辑很简单：给你的 AI 分析师一个提示词和一个节奏，它就按计划在真实数据上跑分析，把你要的报告或分析做好，通过邮件、Slack 或应用内送达。作者 Pete 把脉络讲得很清楚：第一个能力是 AI 分析师 Genie，让分析变成即时的——问一个问题，几分钟内得到成品答案；第二个是 Artifacts，把答案变成精致可分享的报告；但这两者都得由一个人打开聊天窗口去问。Routines 补的就是这一步：让循环分析按计划自己跑。

白桦: 具体能力上有几个点。每次运行都从实时连接的数据拉取，不是上一次答案的缓存副本——有用户特别强调这一点，说这样才能真正相信"今天没有变化"这个结果。可以把你现有的聊天或 Artifact 一键转成 Routine，不用重写提示词。每次运行都存档、可搜索，还能在报告基础上追问。除了定时，还能由别的系统发 webhook 触发——比如某个活动结束、某个阈值被越过的那一刻。还有 Skills：把你分析某件事的方法存成一个技能，然后给它排上日程，团队里谁都能用同样的方式跑。

茉莉: 有个用户拿 Routines 和 cron job 做了一个对比，我觉得这个对比把产品本质说清楚了：cron 只是到点跑一个脚本，不做任何推理，每次给你同一种分析；Routine 每次自己决定什么值得关注、什么值得告诉你，所以每次的分析内容都不一样。这就是"自动化执行"和"自动化判断"的区别。

白桦: 社区里真实用例不少：有人把每周一的付费广告监控报告换成了一条例程——"每天早上九点总结表现"，时间到就出现在 Slack 里，数据和他的仪表盘同源，转发之前不用再核对一遍。有产品经理说 Skills 加 Routines 是他的新best friend，把常用的分析方式定义成技能，再一步变成每日工作流。也有人 tested 之前搭了一个用 Skill 自动准备月初至今销售管线概览的 Artifact，分析未结交易并建议下一步动作。

茉莉: 当然也有一个真正没回答的问题：有人问，每个人都有仪表盘，但总得有人记得去看、去想什么变了——那你们怎么决定哪些洞见真正值得说？这个"价值判断"的机制在源材料里没有被解释。价格上，试用是免费的 14 天。另外这条线值得注意它的位置：MCP 把数据接进你已有的 LLM 工具，Skills 给分析师可复用的专长，Artifacts 让产出秒建可分享，Routines 让这一切不用你开口就跑。这是一个完整的"分析变成后台代理"的赌注。

白桦: 同样是"到点自动为你跑"，另一个是 Remind，问题更小也更日常：开会迟到。作者说自己经常埋头工作，猛然发现离下一个 Zoom 会议已经晚了七分钟。Remind 的解法是：会议时间一到，直接接管你的全部屏幕——全屏提醒、AI 生成的会议简报、一个一键加入的按钮。在那之前你可以继续专心工作，不用盯着时钟。

茉莉: 简报的内容从演示页看相当具体：谁参加会议、每个人的角色和立场、上次会议的要点、相关邮件、Slack、Notion 的上下文。比如演示里那个例子：对方五月融了四千万美元 B 轮正在整合供应商，周一的邮件里对方要了 SOC 2 细节和上线时间线而你们还没发，Slack 里团队把对方列为 Q3 头号扩展客户，Notion 里安全审查是签约前最后一个未决项——甚至还有"对方预算负责人上次电话里力推年付，预计会再提"。另外它支持加入 Zoom、Google Meet、Teams 和 Webex，一键从卡片加入。简报由你自己的 AI 密钥提前一小时研究——Claude、OpenAI、Gemini 或 Grok 都行。

白桦: 它跑在 Mac 菜单栏，连接 Google 或 Microsoft 日历，需要 macOS 14 以上。定价 19.99 美元一年，Mac App Store 上有，7 天免费试用。社区反应比较简单：有人说这对要做太多项目切换的忙碌的人很有帮助，作者也来道了谢。相比 Routines 那边丰富的讨论，Remind 的证据还比较薄，更多是作者的自述——但"整点全屏接管"这个设计确实比又一条通知横幅激进得多。

茉莉: 最后一站，我们聊一个 AI 直接碰到钱的场景：Nina，Antalpha 出的 AI 交易助手，Antalpha 是纳斯达克上市的公司，代码 ANTA。它覆盖加密货币和美股，一个聊天里做市场情报、聪明钱追踪、预测和 Polymarket、钱包安全检查，还有 Sentinel 的 24 小时 alerts 和 MCP 接入。

白桦: 它最核心的一条原则值得先说：非托管。Nina 永远不持有你的资金——每笔交易都由你在自己的钱包上签名。作者把动机讲得很个人：他交易加密货币很多年，累的从来不是交易本身，而是交易前的一切——十个标签页开着，链上资金流在这边，聪明钱钱包在那边，宏观、情绪，还有一个因为没接实时数据而信口开河的通用聊天机器人。而那些号称能解决这个的"AI 代理"，要么要你交出钱包托管权，要么跑在它们自己的代币上。为了省几分钟把钥匙交给一个机器人，他觉得不值。

茉莉: 所以 Nina 的产品形态是：接入机构级的实时链上数据，回答结论先行、配图表，不是一堵文字墙。你想行动时，它草拟最优路径的交易，然后你自己签名。有意思的是作者说他们的范围在构建过程中反而越缩越窄：他们放弃了"什么都能自主做的代理"这个梦想，聚焦在一件事上——做一个你真正信得过的分析师和起草者。

白桦: 社区对非托管这个点反响最好，有人说得很直白：非托管是关键，希望所有人都能看到这一点。也有不太喜欢交易机器人的人表示喜欢它的个性化和"角色感"。未决的问题也有：有人问市场分析是不是只有美股，能不能选其他地区，还有非美国市场的扩展计划吗——这些都还没有答案。网站上还有一个"稍等片刻"的拦截页，所以更细的产品细节我们能看到的不多。

茉莉: 好，我们把整条线收一下。今天这六个产品拼起来其实是一个完整的弧线：Airuncode 和 PR Lens 处理 AI 写代码的产出端——一个让多个代理并行写并互相辩驳，一个把改动变成看得见的架构；Clipnote 解决产出的留存——一句"保存"就能把易逝的对话变成可回溯、可分享的资产；Tucky 和 Assist 把这些工具压缩到屏幕边缘和刘海，本地优先，各自在订阅换模型和一次性买断无服务器之间做了不同取舍；Scriptly 和 Bloop 服务创作者的"说"与"看"；Databox 的 Routines 和 Remind 让分析、报告、会议提醒按时间自动发生——从"人操作工具"变成"代理在后台工作"；最后 Nina 用非托管的原则给这条线画上句点：AI 可以分析、可以草拟，但签名权在你手里。

白桦: 这里面几乎每个产品都留了没答的问题：多代理辩论发生在读代码之前还是之后、分享链接有没有过期、云端模型什么时候读你的笔记、提词器脱稿后怎么接、哪些洞见值得推送。这恰恰说明这一批工具都还在把核心机制说清楚的路上。我们就聊到这里，感谢收听，我是白桦。

茉莉: 我是茉莉，下期见。