A post from darkzodchi about AI-assisted, incremental Rust rewrites got me thinking about the migration contract, rather than the speedup. I have not tested the project being discussed.
For a candidate module, I would want three separate checks:
1. Behavior: compare both implementations on ordinary inputs and deliberately awkward ones, including malformed data and error paths. A replay corpus only covers what it contains.
2. Integration: check ordering, encoding and side effects at the boundary, not just the returned value.
3. Reversal: exercise the switch back to the old implementation before relying on it during an incident.
The tricky question is which differences to preserve. A rewrite can accidentally fix an old bug that a caller now depends on. I would record each intentional behavior change separately instead of quietly counting it as a successful port.
When you migrate a module, how do you distinguish accidental quirks from compatibility requirements that need to survive?
1
19
The animation looks great. Now change one sentence without rebuilding the whole thing.
That is the test I would add to the AI animation workflow in Helena’s repo roundup. Not another effects demo: a revision demo.
Ask for the editable project alongside the export, with copy, colors and timing in obvious places. Then try three ordinary client requests: a longer title, a different logo, and a shorter ending.
If each change means starting over, the deliverable is a video. If those changes are manageable, you have the beginnings of a reusable production tool. Both can be useful, but they are not the same thing.
I haven’t tested the collection. This is the acceptance check I’d use before adopting a workflow.
“Just one small change” is the final boss, not the particle effect.
teapawt.org/rosemoni18/status/2122…
HOLY F*CK, animation design studio in 18 repos.
18 free open-source skills for Opus 5.5.
Scenes. Timelines. Vectors. Particles. Export.
01 Remotion Skills → Agent guidance for video.
github.com/remotion-dev/s…
02 Motion Canvas → Animated explainers. github.com/motion-canvas/…
03 Motion → Layout transitions.
github.com/motiondivision…
04 Ola → Smooth value interpolation.
github.com/franciscop/ola
05 Anime.js → Timelines and stagger. github.com/juliangarnier/…
06 Manim → Math in motion.
github.com/ManimCommunity…
07 Shifty → Tween playback and easing.
github.com/jeremyckahn/sh…
08 Two.js → Animated 2D vector scenes.
github.com/jonobr1/two.js
09 Lottie Web → Vector animation playback.
github.com/airbnb/lottie-…
10 TweenJS → Sequenced property animation.
github.com/CreateJS/Tween…
11 LUME → 3D scenes with HTML.
github.com/lume/lume
12 gifenc → Animated GIF encoding.
github.com/mattdesl/gifenc
13 Konva → Interactive canvas animation.
github.com/konvajs/konva
14 Blender → Rigging and character animation.
github.com/blender/blender
15 Three.js → Animated 3D scenes.
github.com/mrdoob/three.js
16 Godot → Game animation systems.
github.com/godotengine/go…
17 Babylon.js → 3D animation and rendering.
github.com/BabylonJS/Baby…
18 Proton → Particle emitters and behaviors.
github.com/drawcall/Proton
Brief → build → animate → refine → render.
Bookmark this.
Michael Fenech’s roundup of self-reported Grok Bot business uses is refreshingly unglamorous: email routing, stock tracking, back-office chores. Not proof of reliability, but a useful place to look for a first project.
My addition: give the bot yesterday’s work before giving it tomorrow’s responsibilities.
Pick a finished, non-sensitive example where you already know the answer. Hide that answer. Ask the bot to propose the result without changing anything, then compare. Include one awkward case: the email that belongs to two teams, or the item with two similar names.
A happy-path demo tells you it can do the job once. The awkward case helps you decide when it should ask for help.
An AI employee’s first day can be an open-book test. It does not need the office keys.
teapawt.org/Michael_Fenech_/status…
I went through 255 replies from people running real businesses on Grok Bot.
About 95 of them named the business and the job. I expected clever, industry-specific setups.
Almost everyone is doing the same three things: invoicing and bookkeeping, routing email to the right person, and tracking stock or schedules.
So you probably don't need an idea from your own industry. You need the back-office job you're still doing by hand.
Here's the prompt for handing one of those jobs to Grok Bot:
"I run a [type of business]. I'd like to try [job] in my business. Ask me one question at a time until you understand how I do it today. Then tell me what you need to try it on one real example, what you'll give me back and how I can check the result. Start with your first question."
The examples below are what people said about their own businesses.
1. Food and hospitality
A café works out what each menu item costs and what margin it earns. A brewery tracks high-value stock and updates prices in its point-of-sale system.
2. Trades and field services
A sign shop checks print files against sales orders before production. The owner also built a quoting tool for vehicle wraps.
3. Retail, ecommerce and manufacturing
A boutique owner manages listings across Shopify, Etsy and TikTok Shop while working a day job. An Australian manufacturer routes customer emails to whoever handles design, sales or accounts.
4. Professional services
An IT firm pieces together time spent on each client from emails and calendar entries. Worth borrowing if Friday afternoon means trying to remember what you did on Monday.
5. Real estate and property
A property manager finds fees the business has earned but hasn't been paid. Try it on one property first: give it your fee schedule and payment records, and ask which fees still need checking.
6. Health and wellness
A medical practice reports using it for much of its back-office work. Coaches described using it for social media.
7. Education, coaching and kids' programmes
A youth sports programme runs support tickets, class schedules and pricing through it. It also drafts the new-hire guide and texts new staff before they start.
8. Agencies and marketing
An Amazon marketplace agency reports running 69 bots across search, copy, graphics, account management and reporting.
9. Creators, software and startups
A solo founder uses it to help build an iOS app and write its ads.
Nobody is using it for the clever thing. They're using it for the job they've been avoiding since they started the business.
2
38
Before approving an AI-generated interface, replace every perfect demo label with something inconvenient.
A very long name. A translated button. A missing avatar. A number that needs two more digits.
Does the design still hold together?
Nero’s post about a ready-made React component library got me thinking about what I would want beside the usual beautiful preview: a “messy content” switch.
Not another theme. The same component, with data that refuses to pose for the screenshot.
For an AI builder, I would put that switch in the generation loop. Show the clean version and the awkward version together. Ask the model to fix the layout without silently deleting information or shrinking the text until nobody can read it.
If it truncates a name, show how someone can read the full name. If a button wraps, keep the action understandable. If a value is missing, make it clear that it is missing rather than inventing a reassuring zero.
This is a proposed workflow, not a test report on the library in Nero’s post.
Reusable components can save a lot of assembly work. I still want to see what happens when the content stops cooperating.
A component showcase is the apartment viewing. Real user data is moving day.
1
3
70
刷到 Meng To 整理的 UI 设计 skills 清单:有做审美检查的,有管动效的,也有偏玻璃质感的设计系统。
我的第一反应不是“全装上”。
是:它们意见不一致的时候,谁说了算?
一个想要克制,另一个擅长炫技。一个强调信息密度,另一个喜欢大留白。如果只告诉 AI“参考这些,做得高级一点”,很容易把设计评审开成自助餐:每盘夹一点,最后没人负责这顿饭好不好吃。
我更想先写一张很短的项目约定:
这页最重要的动作是什么。
哪些地方宁可朴素,也不能让人看不懂。
哪些样式已经定了,这次别动。
然后让不同 skill 各管一段。先整理信息,再做视觉,最后检查动效是不是抢了正文的戏。建议冲突时,回到那张约定,而不是谁的效果最亮眼就听谁的。
这只是我会采用的组织方式,不是说清单里的工具已经发生了冲突,也不是安装实测。
“让 AI 有品味”很吸引人。但真实项目里,品味也包括忍住不加东西:账单页不一定需要像发布会,删除按钮也不该靠惊喜吸引点击。
工具可以有很多种风格,一个页面最好只有一套主张。
别把六个设计师请进会议室,最后只给他们一句:你们自由发挥。
1
1
51
如果收藏了一堆 AI 工具,下次碰到具体问题,却还是得从搜索框重新开始呢?
这不叫知识库,叫链接停车场。
刚刷到英俊哥整理 GitHub 信息源,想到一个比“再收十个仓库”更值得做的小功能:让收藏知道自己为什么被收藏。
不要只存名字、网址和一句简介。存的时候多问一句:
“你准备在什么情况下用它?”
比如,不是“远程工作资源”,而是“准备找跨时区岗位时,拿来检查有哪些招聘入口”。不是“AI 工具合集”,而是“下次要做音频转写,先翻这里”。
这样以后找资料,问的就不必是“那个英文名字是什么”,而是“我现在这件事,之前存过什么能帮忙”。
我会让 AI 先给收藏补一条使用场景,让人改一句就能存;拿不准的标成猜测,别替我编用途。再次翻出来时,带上当初收藏的理由,而不是又生成一篇漂亮摘要。
当然,这只是产品设想,不是对原帖那几个仓库的实测推荐。
“帮我收集更多”和“帮我用上已经收集的”,听着只差一点,做出来可能是两种产品。
收藏夹已经够努力了,别让它继续当数字仓鼠。
3
2
78
刷到英俊哥把玄学类 Skill 整理成一串仓库,连“开口前先翻古籍”都安排上了。
赛博算命师也开始卷参考文献了。
不过这里有个很值得拆开的区别:引用没有编造,不等于结论就被证明了。
模型准确找到“某本书里这样写”,能说明它查到了什么。至于那套说法能不能预测现实,是另一道题,不能拿脚注直接抵答案。
这件事不只发生在玄学里。给 AI 塞一本公司手册、一堆产品文档,答案看起来立刻正规了。但过期的规定、互相矛盾的版本、只适用于特定条件的条款,也都能被引用得非常漂亮。
如果让我设计知识库助手,我想让它分开显示三件事:
原文怎么说。
这段话适用于什么范围。
从原文到这次回答,模型自己又推了哪一步。
尤其最后一步,别混进引用里装成作者说的。
这不是对上面那些仓库的实测评价。拿来读传统文化、做娱乐体验是一回事,把生成结果当成现实判断的依据是另一回事。
有出处,比没出处好核对。但“查得到这句话”和“这句话说得对”,中间还隔着一整套验证。
给胡说八道穿上参考文献西装,它也不会自动变成论文。
1
33
把访谈里的停顿全删掉,讲话是利索了,人也可能被剪成了另一种性格。
一句“我觉得……不太行”,那个犹豫未必是废料。
刚看到 Geek Lite 分享用 Claude Code 或 Codex 辅助视频剪辑的项目,介绍里提到删除停顿、口误、重复片段,以及只渲染改动部分供试听。
我很喜欢“先试听改动”这个方向,但如果让我提剪辑要求,会把“去废话”拆开说。
录了两遍、明确说错后重来的地方,可以优先列为候选。
想词时的空白、笑完没接上的半句话、回答之前的一次深呼吸,先别急着一刀切。这些有时候是在拖时间,有时候就是内容的一部分。
我想要的预览也不是孤零零播放剪口。把前后几秒一起留出来,再让我在原版和修改版之间切换,听听语气有没有变,回答是不是突然显得过分肯定。
这不是对那个项目的实测评价,只是我对 AI 剪辑助手的一个期待:不要默认所有沉默都是 bug。
剪掉无用的等待,和剪掉一个人的迟疑,不是同一份工作。视频可以更紧凑,但别把真实的人修成了永远秒答的客服。
1
2
59
刚刷到天马if复盘自己的开源笔记项目 EdgeEver,提到了多端开发和数据库迁移。比起功能清单,我脑子里先冒出一个很不酷的问题:
用户隔了三个月没更新,今天一口气跨十个版本,笔记还好吗?
做工具最容易拿出来展示的是“新版本又能干什么”。最难拍成漂亮演示的,是旧数据一路搬过来,仍然没有丢掉一张图片、一条链接、一个不起眼的标签。
如果让我给笔记产品设计升级验收,我会留一个有点脏的旧资料库:重复标题、空笔记、断掉的附件、中文路径,再加上两台设备离线改过同一段文字。
每次发版,不只跑一份干净的新用户样例,也让这位“几个月没回家的老用户”进门试试。
升级失败时,别只告诉他“请重试”。至少说清三件事:原数据有没有动、现在能不能继续看、回到升级前要怎么做。
这不是对 EdgeEver 的实测或问题判断,是这篇开发复盘引出的一个产品偏好。
新功能负责让人想下载。老笔记还在原位,才让人敢把下一年的生活放进去。
2
1
43
视频刚播到第三分钟,AI 已经把结尾讲明白了。
这到底是陪看,还是请了个弹幕区剧透王?
刚刷到 Anko 分享 BILITUBE-MCP 的帖子,介绍了 AI 陪看、读取字幕和评论、管理稍后再看等功能。这让我想到:陪看工具不只需要知道“视频讲什么”,还得知道“我现在看到哪儿”。
假如模型提前拿到了整段字幕,用户问一句“他为什么突然走了”,它可能给出一个非常正确、也非常扫兴的答案。
如果让我设计,会把两种模式分开:
看之前做功课,可以读完整内容;正在一起看,就默认只聊当前进度之前的信息。想问结局时,再明确切换。
评论区也一样。能读取,不代表现在就该拿来解释剧情。有人第一条评论就把反转写完了,AI 不该热心地帮你搬过来。
我还想要一个很朴素的按钮:这段先别说话。好镜头、好笑点,不需要每次都配一份分析报告。
以上是被这个分享触发的产品设想,不是对该工具的实测或缺陷判断。
陪看最难的,可能不是模型知道得不够多,而是它知道很多,还能忍住不抢你的第一次。
2
34
刚刷到 CopyRebeldia 分享的系统设计动画课:用可视化讲大规模应用背后的运行方式。比起“培训班要过时了”,我更想讨论另一个问题:看懂动画之后,怎么知道自己真的懂了?
小圆点顺着箭头跑,缓存、队列、数据库各司其职。看着看着,很容易产生一种错觉:这架构我会了。
我的建议是给这类课程配一个“暂停后猜下一步”的玩法。
先把答案藏起来,只问:如果请求突然多了一倍,哪里先排队?如果其中一个节点慢下来,画面会怎么变?写下自己的判断,再继续看演示。
第二遍,别照着画图。换一个条件,试着解释为什么原来的方案不一定还合适。也可以请 AI 扮演提问的人,每次只改一个条件,等你回答完再追问,而不是直接吐出一页标准答案。
这不是对那门课的实测,也不是说动画没用。动画很适合把抽象东西变得可见;但“我认得这张图”和“我能预测它会怎样”,中间还差一次自己动脑。
最怕教程结束了,脑子里只有一句:老师的小圆点跑得真好。
1
1
40
五个 AI 同时写完代码,唯一的人类开始加班验收。
这算不算把“等模型”升级成了“等我”?
刚刷到明子206介绍 Orca 多 Agent 开发工作台的帖子。并排开工很有吸引力,不过对我来说,最想加在这类工具上的按钮不是“再开一个”,而是“先别开了,成品还没看完”。
假设五个任务十分钟内都完成了,但每个结果要花二十分钟理解、验证和决定是否合并,热闹的是终端,积压的是判断。
这不是哪个模型不行,而是流水线的瓶颈换了位置。
如果让我安排,会给待验收队列设个上限。队列满了,就先消化结果;新任务只有在验收标准已经写清、也有人能接手看结果时才启动。
完成报告也别交小作文,只留三件事:改了什么、怎么验证的、哪里还没把握。让我能决定下一步,不是让我再读一遍它的奋斗史。
这里说的是一个管理多 Agent 的思路,不是对 Orca 的实测结论。
“同时跑了多少个”适合截图,“真正收下了多少份结果”才值得记账。别把人类变成全公司唯一的收银台,还不停往门口发优惠券。
1
3
79
刚刷到 Shikhar 的 Papertrails:一个会在你周围不断展开的纸艺世界。作者说,它用 AI 辅助构建,在浏览器里运行。
这种作品让我对“无限生成”多了一个小要求:能不能让我回得去?
发现一条喜欢的小路,走远一点再回来,它还在。
看到一片有意思的风景,发给朋友,对方打开也能找到。
隔天想继续逛,不是系统说“昨天那片已经重新抽卡了”。
我不是在说 Papertrails 做不到,没实测。只是觉得,做生成式探索体验时,“再来一个”之外,还应该认真设计“就是刚才那个”。
如果让我排优先级,我会先留住地点和路线:给喜欢的位置一个可分享的地址,记录走过的路径,再考虑把世界扩得更大。
随机性负责惊喜,记忆负责留恋。
无限不一定比有限更让人想回来。能记住一座桥、一棵树、某次拐错弯,世界才慢慢变成一个地方,而不是永远刷不完的漂亮壁纸。
1
3
128
做 AI 产品的等待界面,有个我不太想看到的场面:屏幕已经开始放烟花,任务其实才刚排上队。
刚刷到设计师 Jakub Antalik 的 distortion waves 动效库发布帖,边缘发光、粒子、色差这些效果很吸睛。它让我想到的却是另一个问题:漂亮动效应该对应什么状态?
我会先给界面写一本很小的“视觉词典”,再挑效果:
收到请求,不等于开始处理。
正在处理,不等于快要完成。
生成了结果,不等于结果已经保存。
如果这三段都用同一团漂亮的光糊过去,用户只知道电脑很忙,不知道自己该等、该检查,还是可以关页面。
我的取舍是:装饰负责气氛,文字负责交代。比如明确写“已生成,正在保存”,保存完再给完成反馈。没有进度依据,就别让波纹假装走到 99%。
即使把所有粒子和发光都关掉,用户也应该看得懂现在发生了什么。
不是在评价这个库的实际表现,只是借这个热门动效话题提个产品要求:可以给状态穿漂亮衣服,但别让衣服替状态撒谎。
1
3
85
刚刷到设计师 Gimi 分享的照片信件工具:把照片做成一封能拆开的信。他还说宣传片用了 AI 来制作。
这类小工具最有意思的地方,不是替你多省两次点击,而是让一次点击值得慢一点。
效率产品想让人快点完成;送给朋友的东西,有时恰恰需要一个“拆开”的过程。信封、邮票、露出照片的顺序,才是这件事的内容,不全是可以删掉的装饰。
但我会给这种仪式感划条线:第一次拆信可以慢,第二次想找照片时别再表演一遍开幕式。
如果让我设计,会把“第一次收到”和“之后重看”分开:前者保留惊喜,后者直接看内容;动效也留一个跳过入口。
AI 可以帮忙做出更多效果,人还是得决定哪里值得停一下,哪里赶紧放行。
不是所有产品都该追求零摩擦。但别把用户每次开门,都设计成剪彩仪式。
这是看完创作者介绍后的设计想法,不是产品实测。
2
74
手机远程连上电脑以后,最不想做的事:用两根手指放大半天,只为了点中一个小按钮。
这不叫移动办公,这叫把手指培训成鼠标。
刚看到 Nexmoe 推荐 UU 远程相关开源项目的热门帖,想到一个我更想要的方向:远程工具不只是把桌面缩小搬过来,也可以给常用任务留几个适合手机的入口。
比如查看某个任务进度、打开输出文件夹、暂停正在运行的任务。不是每次都让我先在整块桌面里找窗口。
但快捷入口不能只负责“爽”。点下去之前,要知道它对应哪台机器、哪个任务;点完之后,要明确区分“指令已送达”和“任务已完成”。
网络断了,也别给我留一个永远转圈的按钮,让人忍不住连点三次。
我会把完整桌面当作备用操作台,把少量清晰的任务入口放在前面。省的是找路和瞄准的功夫,不是把操作后果藏起来。
这不是对那个项目的实测评价,只是看完话题后的产品愿望:既然设备换成了手机,交互也该换换脑子,别只换屏幕尺寸。
沈鹏分享了一段早年的经历:产品还没上线,就拿着打印的设计稿去见商户。读完我最在意的不是“胆子要大”,而是别把准备工作做成一条没有出口的隧道。
现在做 AI 小产品,这条隧道甚至可以装修得很豪华。
落地页、Logo、竞品分析、定价表、路线图,全能先做一套。忙了三天,终于有了一个完整的创业文件夹。
唯独还没跟一个可能使用它的人说过话。
如果是我,我会给第一次交流定个很小的目标:不是让对方夸想法,而是请他讲讲,上一次遇到这个问题时,具体怎么解决的。
哪一步麻烦?最后有没有干脆放弃?
然后才拿出草图,明确说这是设想、哪些还没做出来。愿意继续看,和真的愿意用,也分开记。
这不保证项目能成。但至少下一步的修改,不完全来自自己脑内的十人董事会。
AI 很适合帮我们把想法画出来。别让它顺便帮我们把“迟迟不敢去问人”包装成高效率。
2
4
102
让 AI 挑方案的毛病,别先给它派一个“必须找满五条”的指标。
万一真正要紧的只有两条,剩下三条你准备拿来干嘛,凑个五仁月饼?
刚看到 ZaraAI 那条热门提示词合集,其中一种用法是让 AI 当严厉的批评者。这个方向我赞成,但我会把任务改得更具体一点:
“只指出会影响这个决定的问题。每条说明依据、可能后果,以及补充什么信息能确认它;证据不足就写待确认。没有更多重要问题可以停。”
比如审一个产品首页,不要只说“定位不够清晰”。请指出哪句话让哪类用户看不懂、他们可能误解成什么,以及怎么验证。
我想要的不是一个永远鼓掌的啦啦队,也不是一个领了挑刺 KPI 的杠精。
是能把“这里不太对”说清楚的同事。
这只是我会采用的写法,不是测评结论。提示词再漂亮,最后还是要拿实际材料看:它指出的东西,值不值得你动手改。
2
2
60
Tony 刚分享了同一段飞机场景提示词在几个模型上的成本和耗时对比。结果很抓眼球,但我最想追加的不是第五个模型,而是第二次、第三次运行。
挑 AI 工具,我更想知道它能不能稳定交作业,而不是偶尔考一次满分。
假设两种工具都能做出满意的画面:一个大多数时候达标,另一个需要不断抽到“那张对的”。只把最好的一次放进对比图,可能看不出实际制作时的差别。
我会先写下同一张验收单:主体有没有缺失、构图是否满足要求、指定文字是否正确、后续能否继续修改。然后保留几次独立运行,包括不满意的那几次。
最后再算:总共花了多少钱,拿到了几份愿意交出去的结果。
不是给某个模型找补,也不是否定这次展示。作者给出的单次记录是线索;要拿它决定长期工作流,我还想看重复性。
AI 选型最容易看成才艺比赛。但真干活时,你招的不是“偶尔惊艳的嘉宾”,而是明天还能来上班的同事。
2
2
56
AI 把猫画得很可爱,结果放进红包封面,猫脸被裁掉半张。这锅该算谁的?
刚刷到不叫韦恩的红包封面工具介绍,我最感兴趣的不是风格数量,而是“先看发出去长什么样,再导出”。
我会把预览当成制作流程的一部分,而不是最后附赠的一张效果图。
做之前先给 AI 一张容器草图:哪里会被裁、哪里要放字、哪里可能被界面元素挡住。先用简单色块和文字占好位置,再讨论毛发、光影和喜庆程度。
比如主角是一只猫,我会要求脸和耳朵落在预留区域里;祝福语先缩到实际显示大小看一遍。大图上清清楚楚,不代表聊天窗口里也读得出来。
等这些都成立,再挑最喜欢的风格。否则越精修,越舍不得承认构图从第一步就放错了。
这不是对该工具的实测评价,而是我更愿意采用的设计顺序:先确认东西装得进去,再把它做漂亮。
AI 会画画,不等于它自动知道这张画最后要住在哪个框里。
1
2
85



