L114_设计细节与AI工具
这周有个发现让我挺意外的。
我带朋友去OPPO线下店看折叠屏，本来是想让他体验一下折痕控制得怎么样。结果他拿起Find N6，第一眼注意到的不是屏幕素质，而是壁纸中央那个不断跳动的数字——每折一次，数字+1。
「这台已经被折了3000多次了？」他问我。
我说应该是展示机，专门用来证明耐用性的。他把手机展开又折上几次，看着数字从3127变成3130，点了点头说：「那确实挺耐用的。」
这个瞬间让我觉得很有意思。OPPO没有说「我们的铰链经过了XX万次折叠测试」，而是直接把测试过程做成了产品体验的一部分。你不是在看广告，你是在亲手验证一个事实。
—
这让我开始想一个问题：为什么有些信息，「让人看见」比「告诉对方」更有效？
戴森V15吸尘器的绿激光是另一个例子。他们本可以像其他品牌一样，在广告里放一张吸力参数的对比图。但他们选择在吸头上装一个绿激光发射器，让肉眼看不见的灰尘在地板上显形。
第一次用的时候，那个画面挺冲击的——你以为刚拖干净的地面，在绿光照射下突然变成了「星空」，全是细小的灰尘颗粒。当你推着吸尘器走过，看着那些光点一个个消失，那种「我真的把地吸干净了」的确定感，是任何参数都给不了的。
这两个产品都做了一个相同的选择：把证明过程变成体验本身。
传统的逻辑是，产品在实验室做一万次测试，然后告诉消费者「很耐用」。但更好的做法可能是——让消费者自己看到这一万次。不是说服他们相信，而是让他们自己得出结论。
📚 深度阅读
2026，写给 AI 创业者的慷慨、残酷、与迷雾
这篇文章最触动我的，不是那些成功案例，而是作者对「范式转移」的描述。
Devv.AI创始人加元在文章里提到，Andrej Karpathy在3个月内，从80%手写代码变成了80%指挥AI agent写代码。这个转变的速度，比大多数人预期的要快得多。
但这引出了一个更深层的问题：当写代码本身变得廉价，什么变得珍贵了？
作者给出的答案是三种能力：问题拆解能力（把大目标拆成AI能执行的步骤）、品味和判断力（在AI生成的多个方案中选出最好的）、系统设计思维（把多个AI组件组合成可用的产品）。
换句话说，未来的程序员可能更像是一个「指挥官」——不需要记得所有语法细节，但需要知道如何让多个AI协作完成复杂任务。
这个转变让我有点感慨。十年前我们学编程，花大量时间背语法、记API、练算法。现在这些「硬技能」正在快速贬值，取而代之的是更「软」的能力：如何描述问题、如何判断好坏、如何设计系统。
也许这不是坏事。当机器能处理越来越多的「执行」层面，人类终于可以腾出手来，去做更需要创造力的事。
2016年，我做过一次 AI 写代码创业
这篇文章让我想起了那句老话：「时机比方向更重要。」
作者在2016年就尝试过用AI写代码创业，比ChatGPT早了整整6年。当时的技术还不够成熟，项目没能成功。但现在回头看，方向是对的，只是时间不对。
文章里有个观点我觉得很有意思：「如果你真的相信一件事能成，那么应该每过五年就试一次。」因为技术在发展，环境在变化，5年前的「不可能」可能变成现在的「刚好」。
作者现在已经切换到完全依赖Agent工作的模式。他提到一个体会：进入心流状态的难度变高了，但现阶段工具会奖励思维更发散的人。
这句话让我想了一会儿。传统的编程确实很容易进入心流——你专注于代码，一行行写，一步步调试，时间不知不觉就过去了。但用AI编程的过程更碎片化：你描述需求、看AI生成、判断好坏、给出反馈，然后重复。这种「指挥-评估」的模式，和「执行-调试」的模式，是完全不同的心智状态。
也许未来的「高效」，不再是长时间专注于一件事，而是在多个任务之间快速切换、判断、决策。这对人的认知模式提出了不同的要求。
🔗：地心引力
保姆级教程！手把手教你写出好用又安全的专属Skill
这篇教程的实用价值很高，但更值得思考的是它背后的方法论。
作者提供了一个结构化的Skill编写框架，包含9个核心模块：Goal（目标）、When to use（触发条件）、Do not use（排除条件）、Inputs to collect（需要收集的信息）、Procedure（执行步骤）、Output format（输出格式）、Definition of done（完成标准）、Failure handling（异常处理）、Additional resources（配套文件引用）。
这个框架的聪明之处在于，它把「写Skill」这件事从「凭感觉」变成了「填空题」。每个模块都有明确的问题需要回答，回答完9个问题，一个完整的Skill就出来了。
但更深层的问题是：为什么这种结构化思维在AI时代变得重要了？
我的理解是，当AI可以处理越来越多的执行工作时，人类的角色正在从「做事情」变成「定义事情」。而「定义事情」的前提，是你能清晰地描述：要做什么、不要做什么、怎么算完成、出问题怎么办。这些恰恰是传统工作中最容易被忽略的部分——我们习惯了边做边想，遇到问题再解决。
但AI不会「边做边想」。它需要一个完整的、明确的、可执行的指令。所以写Skill的过程，其实是在强迫人类把模糊的想法结构化、清晰化、可验证化。这个过程本身，就是一种训练。
文章还附带了一个skill-interview-builder工具，通过12个问题的分步访谈引导用户理清需求。这个工具的存在说明了一个事实：大多数人其实并不清楚自己想要什么。他们需要被问到具体的问题，才能慢慢理清思路。
🔗：优设网教程
🤖 AI 工具
Pi Mono：最小 Agent 框架
Pi Mono是一个用于构建AI Agents的TypeScript Monorepo工具集。它最大的价值，在于提供了一个「从零开始构建Agent系统」的完整路径。
它包含几个核心包：统一多提供商LLM API的pi-ai、交互式编码Agent CLI的pi-coding-agent、Slack Bot的pi-mom、管理GPU Pods上vLLM部署的pi-pods。
这个架构设计体现了一种工程思维：把Agent系统拆分成独立的、可组合的模块。每个模块只做一件事，但做好。然后用Monorepo的方式管理，保持版本一致。
但我更感兴趣的是它背后的一个假设：未来的AI应用，可能不是「一个强大的通用Agent」，而是「多个专门化Agent的组合」。
这个假设和当前的主流方向有点不同。现在大家都在追求「一个能做任何事的超级Agent」，但Pi Mono选择了一条更「Unix哲学」的路：小而美、专而精、可组合。
哪条路是对的？可能两种都对，适用于不同的场景。但对于想深入理解Agent系统的人来说，Pi Mono提供了一个很好的学习材料——你可以看到每个模块是如何设计的，它们之间如何交互，以及如何组合成一个完整的系统。
🔗：GitHub
🛠️ 效率工具
Tropes：辨识 AI 写作的必备工具
Tropes的存在本身就说明了一个反直觉的现象：当AI生成内容变得越来越容易时，能写出「不像AI」的内容反而成了一种竞争力。
这个工具整理了一个目录，专门列出AI写作的常见模式——句式结构、用词习惯、过度使用的短语等。它的初衷是帮助读者识别「AI slop」，但换个角度看，它其实是在做一件更重要的事：定义什么是「不像AI」的写作。
我仔细看了它列出的那些模式，发现它们其实都指向同一个问题：AI写作倾向于「平均」。它会选择统计上最可能出现的词、最安全的句式、最不会出错的结构。这种「平均」让内容读起来「还不错」，但也让内容失去了个性。
真正的写作，往往是「不平均」的。它可能有奇怪的断句、不寻常的用词、出人意料的转折。这些「不完美」恰恰是「人味」的来源。
Tropes让我想到一个问题：如果未来有一套「反AI写作指南」，它会教什么？可能是：
- 故意用不完美的句子
- 加入个人的、具体的细节
- 写一些AI「不应该」写的观点
- 接受矛盾、模糊、不确定
这些恰恰是最难被AI复制的。
🔗：Tropes
Rantbase：从差评中挖掘灵感
Rantbase是一个很有反直觉设计的产品。它不做「好评推荐」，而是专门抓取App的差评，自动识别用户反馈中的痛点和缺失功能。
这个设计思路很聪明。好评往往是相似的——「好用」「推荐」「五星」。但差评是具体的：「这个功能找不到」「这里会闪退」「希望能支持XX」。差评里藏着真实的用户需求，而这些需求在好评里往往被掩盖了。
对于开发者来说，Rantbase是一个用户研究的捷径。你可以快速了解竞品的问题在哪里，用户最不满意的是什么，市场上还有什么需求没有被满足。
对于用户来说，它也是一个「避坑指南」。在下载一个App之前，先看看它的差评集中在哪些方面，可以更理性地判断是否适合自己。
但我觉得Rantbase最大的价值，在于它体现了一种「逆向思维」：不是看「什么东西好」，而是看「什么东西不好」。在商业上，这种思维方式往往能带来差异化的洞察。
🔗：Rantbase
有数：个人资产管理
有数这个App解决了一个很有意思的问题：帮你算清楚「拥有」一件东西的真实成本。
它的核心功能是「日均成本」计算。比如你买了一部8799元的iPhone，用了999天，它会告诉你每天的成本是8.8元。这个计算看起来简单，但它带来的认知冲击不小。
我们买很多东西的时候，关注的是「购买价格」，而不是「使用成本」。但购买价格是一次性的，使用成本是持续性的。用999天和用300天就换掉，每天的成本差别很大。
这个工具逼你回答一个问题：你买的东西，真的用回本了吗？
对于那些「买了就后悔」或者「买了就吃灰」的东西，有数可以帮你建立更理性的消费习惯。当然，不是所有东西都能用「日均成本」来衡量——有些东西的价值在于「拥有」本身，而不在于「使用」。但作为一个思考工具，它是有价值的。
🔗：有数 App
✨ 随便看看
- Loftlyy 品牌指南资源库：收录 64 个品牌的颜色、字体和标志资产，支持逆向搜索相似品牌 链接
- 3d icons：1400+ 个精美无版权 3D 图标，适用于个人和商业项目 链接
- AIChatIndex：为 ChatGPT、豆包、KIMI 等生成目录导航，帮助快速回溯长对话 链接
- 腾讯电脑管家推出龙虾管家：首个针对 OpenClaw 的安全管家，保护 Skills、监控脚本和端口安全 链接
- Jina AI：网页转 Markdown 服务，推荐用于 AI 读取网页内容 链接
- Claude Use Cases：Claude 在金融、非营利组织、教育等领域的实际应用案例库 链接
The Why·Liam·Blog by WhyLiam is licensed under a Creative Commons BY-NC-ND 4.0 International License.
由WhyLiam创作并维护的Why·Liam·Blog采用创作共用保留署名-非商业-禁止演绎4.0国际许可证。
本文首发于Why·Liam·Blog (https://blog.naaln.com)，版权所有，侵权必究。
本文永久链接：https://blog.naaln.com/2026/03/newsletter-114/