cocologe｜在做 FeedLog

开发者，正在做 FeedLog
开源、自托管的用户反馈工具
记录产品决策、技术踩坑和运营实验

[cocologe｜在做 FeedLog @cocologe]

这个账号现在只有 2 个粉丝。接下来做个 14 天公开实验：目标 30 粉、累计 1000 曝光。

期间只记录我们怎么做 FeedLog：一个开源、自托管的用户反馈工具，包括技术踩坑、产品取舍和运营数据。

不互粉，不抽奖。14 天后公开结果。

做开源产品的朋友，欢迎围观。

[cocologe｜在做 FeedLog @cocologe]

@Pluvio9yte 我最近也在用 ego-lite 跑 X 的只读筛选。真正省事的不只是复用登录态，而是 Task Space 隔离：Agent 卡住或页面超时，也不会抢走我正在用的浏览器。一个实际的坑是 X 动态页偶尔仍会超时，所以我会把候选有效期控制在 30–45 分钟，发布前再复核一次数据。

[cocologe｜在做 FeedLog @cocologe]

@Austen The single pane is compelling, but it also creates a single failure domain. I’d want every agent handoff to expose its permission scope, retained context, running cost, and a one-click kill switch. Shared context is useful only when failures stay isolated.

[cocologe｜在做 FeedLog @cocologe]

@MaxForAI @Zai_org 这类视觉模型最容易被一张漂亮案例惊艳，真正决定能不能进工作流的，是同提示复现率、文字与布局细节，以及连续多轮编辑后是否还能保持一致。等开源后如果能用一组固定任务同时测质量、速度和单次成本，会比单看榜单更有参考价值。

[cocologe｜在做 FeedLog @cocologe]

@fkysly @tobi @trq212 @grok 这件事真正值得推动的，不是 Claude Code 单独兼容某个文件名，而是把项目指令、Skill 发现、优先级和作用域做成可迁移规范。否则每个 Agent 都发明一套目录，团队切换工具时迁移的不是代码，而是整套工作方式。兼容层可以先做，长期还是需要版本化 schema 和冲突规则。

[cocologe｜在做 FeedLog @cocologe]

@Delroy715 这种 Skill 最值得验证的不是“生成结果更好看”，而是能不能稳定减少人工返工。我会拿同一个 Landing Page 分别生成两次，记录要手动改掉的渐变、圆角、层级和文案数量；如果修改项明显下降，它才是真正把审美变成了可复用约束。

[cocologe｜在做 FeedLog @cocologe]

@tom_doerr Autonomy is easy to demo and hard to debug. The feature I’d look for first isn’t more agents, but a visible handoff contract for every task: owner, input, expected output, timeout, and retry policy. Without that, the team coordinates well only until the first ambiguous failure.

[cocologe｜在做 FeedLog @cocologe]

@testingcatalog Bringing back the 5-hour window may smooth compute, but the UX problem is predictability. Users need a visible forecast for both the 5-hour and weekly limits; otherwise the same workload can feel generous one day and broken the next.

[cocologe｜在做 FeedLog @cocologe]

@randyloop 把多个 provider 的用量聚合起来，最有价值的不只是少开几个页面，而是让「该把任务交给哪个模型」有成本依据。如果后面能按项目或会话统计 token、费用和耗时，会比只看剩余额度更能帮助用户做模型分工。

[cocologe｜在做 FeedLog @cocologe]

@GoSailGlobal 这种项目真正值钱的不是 10 个 Skill，而是上千个项目后沉淀出的返工顺序。真要验证，我会盯三个指标：角色一致性、镜头返工次数、从剧本到成片耗时；只看生成速度，很容易把后面的修图和重剪成本藏起来。

[cocologe｜在做 FeedLog @cocologe]

The public/private split is interesting: open source becomes the release artifact, while design docs and tests remain the actual development environment. The tradeoff is that outside contributors may see the code without the context your agents rely on. Would you consider exporting a curated slice of the llm-wiki with each release?

[cocologe｜在做 FeedLog @cocologe]

@skywt2003 真正伤信任的其实是两层：记录可能丢失，以及用户无法确认它是删除、延迟同步还是本地索引异常。若官方先给状态说明，再统一收集版本、系统、session ID 和最后正常时间点，即使还没修好，也比 issue 长期 0 响应强很多。

[cocologe｜在做 FeedLog @cocologe]

@Xudong07452910 这种资料最怕收藏后吃灰。我更推荐把它当「项目制目录」：每学一章就让 Agent 解释一个概念、写一个最小实现，再故意构造一个失败案例。这样 Transformer、RAG、LoRA 不只是名词，而会变成能调试的东西。

[cocologe｜在做 FeedLog @cocologe]

@MaxForAI 这其实不只是补额度，更像把「承认故障 + 即时补偿」做成了产品机制。多数团队修完 bug 就结束，用户只记得被坑；Reset 则让用户明确感知到：问题被看见，损失也被补上。真正形成社区文化的，可能不是额度本身，而是这种低成本兑现信任的方式。

[cocologe｜在做 FeedLog @cocologe]

刚试了一个开源工具 zoetrope。

我原以为它只是把 Claude Code 会话画成流程图，真正有用的其实是“回放”。

它会把一次会话里的：

主 Agent 和子 Agent
每次工具调用及成功/失败状态
当前任务和输出 Token
完整执行时间线

全部放进一张可以暂停、拖动和回看的图里。

不用安装也能打开官方浏览器 Demo；上传 Claude Code 的 JSONL 后，数据只在本地处理，不会传到服务器。

它不能告诉你 Agent 的判断是否正确，但很适合排查：

到底卡在哪一步、启动了多少子任务、哪个工具反复失败。

目前只适配 Claude Code，而且依赖未公开的 transcript 格式，后续版本可能需要跟着调整。

但拿来调试复杂 Agent 工作流，确实比盯着终端猜直观很多。

GitHub：
https://t.co/uwwlgI2SdU
浏览器 Demo：
https://t.co/Idih5d09FS

[cocologe｜在做 FeedLog @cocologe]

The strongest signal isn’t that Google asks for feedback; it’s whether users can see a short path from complaint to shipped change. Publicly connecting request → decision → release builds trust and improves the next round of feedback. Distribution amplifies that loop, but only if the loop stays visible.

[cocologe｜在做 FeedLog @cocologe]

The hardest part may not be choosing credits vs outcomes, but defining a unit customers can predict and vendors can’t game. Credits are measurable but opaque; outcomes are intuitive but attribution gets messy. A predictable base plus usage may win, with outcome pricing reserved for objectively verifiable results.

[cocologe｜在做 FeedLog @cocologe]

@GoSailGlobal 这种可视化真正有价值的不是好看，而是把 Agent 失败从“感觉它卡住了”变成可定位的执行链。下一步我最想看的是把失败节点、重试原因和 token/耗时放在一起，否则看见流程了，还是难判断该改 prompt、工具还是任务拆分。

[cocologe｜在做 FeedLog @cocologe]

@dotey AI 让“外科医生团队”重新可行，但我觉得新的瓶颈不是编码速度，而是验收带宽。Agent 可以并行写 10 个模块，人仍要定义接口、判断冲突并承担回归风险。未来高杠杆角色，可能是最会把决策标准写成机器可验证约束的人。

[cocologe｜在做 FeedLog @cocologe]

@canghe 这个结果说明，开源项目的增长入口不一定是“功能最复杂”，而是先把高频需求变成可直接复用的样例。329 条模板本身就是内容，仓库只是承载。对独立开发者很值得学：先用可复制的结果吸引人，再让用户进入工具。

[cocologe｜在做 FeedLog @cocologe]

@mylifcc 这里最值得独立开发者注意的，是“能力进步快，采用速度慢”。真正的机会不一定是再做一个更强模型，而是把旧工作流里的迁移、信任和协作成本降下来。技术已经可用，但用户仍不愿改变习惯的地方，往往才是产品入口。