Zyaire

Curious mind. Building things.
AI / Product / Data / Vibe Coding

[Zyaire @Zyairera]

做 Agent 产品，我会优先设计：

进度可见、失败原因、重试入口、人工接手。

用户需要知道任务走到哪，也需要有办法纠正它。

如果只能先做一项，你选哪个？为什么？

#AI #ProductManagement

[Zyaire @Zyairera]

想用 AI 做一个周末项目，可以给自己三个限制：

一个具体用户、一件重复任务、一个能验证的结果。

示例：帮读书小组把笔记整理成可查找的主题索引。

你的版本是什么？欢迎留言，也可以转给一起做项目的朋友。

#VibeCoding #IndieHackers

[Zyaire @Zyairera]

流量都去哪了？

[Zyaire @Zyairera]

@zhngkn414984690 感觉少了好多

[Zyaire @Zyairera]

@Monopoj 冲

[Zyaire @Zyairera]

如果 AI 每天能替你完成一件重复工作，你会选：

A. 整理资料
B. 写代码和排查问题
C. 分析表格
D. 跟进待办

选一个，再说说：什么结果才算完成？

我想看看大家真正需要的 AI 是什么样。

#AI #ProductManagement

[Zyaire @Zyairera]

做 AI 产品前，可以画出用户现在的工作流程：

输入从哪里来？结果交给谁？出错时谁处理？

比如会议纪要：录音只是输入，后续还有校对、分发和跟进。

你觉得哪一步最值得先改进？

#AI #ProductManagement

[Zyaire @Zyairera]

@lingksrc 欢迎

[Zyaire @Zyairera]

评估 AI 产品，我会先记录三个信号：

有多少人完成核心任务？
有多少人下次还来？
有多少结果需要人工重做？

下载量之外，这些能帮助判断产品是否解决了问题。

如果只能先追踪一个，你选哪个？

#ProductManagement #DataAnalytics

[Zyaire @Zyairera]

Google Research 10 月 5 日的报告讨论了一个问题：AI 处理信息时，谁可以接收、什么用途合适？

我的理解：让 AI 读一份文档，与让它把内容发出去，是两种授权。

你希望 AI 在哪些操作前停下来确认？

https://t.co/TY9Qf5GD25
#AI #ProductManagement

[Zyaire @Zyairera]

给 AI 报 Bug，可以用这个小模板：

做了什么 → 预期发生什么 → 实际发生什么 → 怎样再次触发。

例如：“点击保存，应该保留内容，刷新后却变空；每次都能复现。”

你还会补充日志、截图，还是代码？

#VibeCoding #BuildInPublic

[Zyaire @Zyairera]

AI 写完代码，再请 AI 审一遍，值得加入开发流程。

GitHub 文档介绍，Copilot code review 可检查代码改动、指出问题并建议修复。

我会把它作为补充检查，再验证建议是否正确。

你最希望它找出哪类问题？

https://t.co/RRIEkquA7e
#VibeCoding #AI

[Zyaire @Zyairera]

大家中午好啊

上午又增加了几十个互关

还是得多评论多互动，另外有自己的想法和原创内容长期来看对曝光度也是很有帮助的。

争取今天突破 200💪⛽️
#互关 #蓝V交朋友 #蓝V互助 #互浇

[Zyaire @Zyairera]

@StellarSanuu1w 越来越好

[Zyaire @Zyairera]

Google Research 1 月的一项研究比较了 180 种 AI Agent 配置。

在其测试中，多个 AI 协作有利于可并行的任务，却可能拖累按步骤推进的任务。

我的启发：先看任务能否拆开，再决定要几个 AI。

你的哪项工作适合多人同时做？

https://t.co/XgJoqfeYSy
#AI #VibeCoding

[Zyaire @Zyairera]

@zzpcu4 中午好

[Zyaire @Zyairera]

@binliu123 非常正确👍

[Zyaire @Zyairera]

@ajs6888 是的，重复造车不可取

[Zyaire @Zyairera]

AI时代，纯软件或纯硬件的产品，正在失去下一轮的竞争力。真正大有可为的，是软硬件深度结合的产品。

过去十年，SaaS和纯App吃尽了红利。但进入AI时代，尤其是Agent和具身智能（Physical AI）加速落地的阶段，单纯做模型或单纯做设备，都开始显得不够。
为什么？

1. 数据飞轮必须从物理世界来
大模型再强，如果只能待在云端聊天，数据是有限的。真正能持续迭代的，是能在真实场景里感知、行动、收集反馈的设备。特斯拉的车和Optimus、小鹏的机器人方向、AI眼镜、AI PC，本质上都是在用硬件把AI送进物理世界，再把真实数据回流训练。

2. 体验和壁垒来自软硬协同设计
苹果的M系列芯片 + 系统优化，能效和端侧AI体验碾压通用方案；NVIDIA的GPU + CUDA生态，形成了几乎不可替代的开发者壁垒。国内也一样，谁能把端侧小模型、传感器、执行机构和云端大模型真正打通，谁才能做出“感觉不一样”的产品，而不是又一个套壳App。

3. 入口和分发权重新洗牌
纯软件容易被管道化。当AI开始直接执行任务时，谁掌握硬件入口、谁能调用系统权限、谁能采集多模态数据，谁就更有机会成为新的操作系统级平台。OpenAI收购硬件公司、字节把豆包深度嵌入手机系统、各家涌入AI眼镜和可穿戴，本质都是在抢这个位置。

4. 具身智能几乎强制要求软硬1:1
何小鹏说得直接：具身智能里软件和硬件应该接近1:1，而不是以硬件为核心。单纯把关节做好、或者单纯把VLA模型做好，都很难让全身协调、稳定落地。真正能跑起来的，是大脑、感知、控制、本体一起协同进化的系统。

当然，纯软件公司不是没有机会——它们可以做最好的模型、最好的Agent框架，成为别人的“大脑供应商”。但想自己成为终端入口、建立长期壁垒、形成数据闭环的，大概率还是要走软硬结合的路。

未来3-5年，最有意思的产品，大概率会出现在这些方向：AI原生终端（眼镜、耳机、可穿戴）、端云协同的AI PC/手机、人形机器人与工业具身、以及能把软件能力真正下沉到设备层的系统。

你怎么看？

纯软件还能再吃一轮红利吗？还是软硬结合才是AI时代的主航道？有哪些你觉得真正做成了软硬协同的产品？欢迎拍砖讨论。

#AI #软硬结合 #具身智能 #PhysicalAI #AI终端 #创业思考

[Zyaire @Zyairera]

@Moonquakes_ai 能找到免费的就用，找不到就自己开发

[Zyaire @Zyairera]

我觉得这个例子很有代表性：AI把软件开发门槛大幅降低后，个人开始对垂直SaaS发起具体反击。

3天搭出状态栏工具Telos，用DeepSeek + 本地ASR + macOS系统能力，把Granola、Things、CleanShot X、Typeless等核心功能整合进去，做成异步执行 + 系统级胶水，体验上甚至更顺。

它其实戳中了很多用户的真实痛点：订阅疲劳、买断制伪装成订阅、经济下行下的“自产自用”趋势。对核心价值只是“AI能力+系统API组合”的工具来说，确实容易被个人工具替代。

但“3天干掉”更多是MVP胜利。专业软件的打磨、稳定性、长期维护和边缘情况处理，是长期迭代的结果，自建工具有隐性成本。这对有能力的产品人是解放，对大众并不通用。

更深层的信号是：AI正在把软件从“买成品”推向“组装个人工作层”。SaaS要么提供真正难复制的价值，要么接受被蚕食。这不是省钱炫技，而是一次对工具价值重新定义的实践。

[Cellier @cellier_]

我 3 天干掉了 Granola、Typeless、Things、CleanShot X、Notion Calendar、Craft ...

Granola — $168/year
Things — $49.99
CleanShot X — $35
Typeless — $144/year
Craft — $76/year
……
共省了差不多 500 美元。

1. 取代 Things
与 AI 聊天的界面发出消息后，这种产品形态总让人想要及时得到反馈，于是会有等待焦虑感。于是我想做一种发出任务指令后，AI 去做，我不用操心等待的形态。Todo list 是这种形态之一，我正好又是 Things 的用户，于是就做了个在 Mac 状态栏上的 todo list 工具。底层模型用的是 DeepSeek Flash，响应很快，Harness 用的是 Hermes，另外加了一个 macos-harness，方便它操作本地软件，基本任务都能 Work。我日常就把任务写在里面，要是它能做，就直接帮我做；不是它能做的，就会安安静静记在那里，我自己去做，自己去勾掉就好。每个任务详情页都是一个 AI 对话，可以接着让它做几乎任何事。

2. 取代 Granola
我是一个重度会议用户，每次都要点击记笔记，对我来说很麻烦。于是我就在 Telos 里内置了一个功能，能监控我电脑什么时候开始会议、什么时候结束会议。开始了就记录会议 transcript，然后帮我做总结和列出 Todo。会议检测与语音输入是 ScreenCaptureKit + AVFoundation，本地语音识别用 Qwen3-ASR，云端模型还是 DeepSeek。当进入视频会议，右上角状态栏里的 Telos 图标就会开始转圈，表示它正在努力 working，我就很安心。

3. 取代 CleanShot X
状态栏上的 App 图标越来越多，我就想看看能不能取代掉一些。映入眼帘的就是 CleanShot X 的状态栏图标。一个截图软件而已，截图与标注用 AppKit + PaperKit，分分钟就做完了。而且我还做了个更 AI 的交互：点住截图的某个位置，直接讲话，然后就会在对应地方生成箭头和气泡描述，这样向别人反馈产品 bug，实在太好用。

4. 取代 Typeless
我也算是 Typeless 早期的推广者吧，身边很多人因为我的推荐用上了 Typeless。但它的免费额度也是越来越抠搜，为了它的这点能力付钱不值当。于是用 macOS Accessibility + AppKit 监听鼠标在哪个输入框，按下触控板说话；AVFoundation 负责声音输入，Qwen3-ASR 0.6B 4-bit 将中英文语音转成文字，再用 DeepSeek 去口头语、整理标点、明确的语言问题更正… 比 Typeless 的交互还爽，指哪打哪。

…….

接下来，我还要把 Screen Studio 录屏以及翻墙用的 Surge 干掉。我只是需要一个稳定的翻墙工具。Surge 每隔一段时间出一个大版本，会改一些协议，导致旧版翻墙规则失效，某种意义上让你花钱更新新版本。CleanShot X 也是，一旦有了新的大版本，又是要重新付钱，不然就一直在顶部亮着更新提示。

发现这些 App，都打着买断制的旗号，干着订阅制的勾当。虽然作为生产者能理解，作为消费者肯定不爽。经济下行，软件生态也迎来了不一样的消费降级趋势：自产自用。