hkdom (@hkdom) header
hkdom (@hkdom) profile picture

全力支持開源軟件及背後的開發者 | AI enthusiasts, model player, harness slave | 藍 V 必回跟 | Omarchy 💕

Hong Kong
Joined October 2019
Photo by hkdom (@hkdom)Photo by hkdom (@hkdom)Photo by hkdom (@hkdom)Photo by hkdom (@hkdom)Photo by hkdom (@hkdom)Photo by hkdom (@hkdom)Photo by hkdom (@hkdom)Photo by hkdom (@hkdom)Photo by hkdom (@hkdom)Photo by hkdom (@hkdom)
Pinned Tweet
見到海外科技界大佬們都愛用真人頭像,身痕用自己原來漫畫頭像叫 Grok 真人化 (我還是不想用自己真實頭像🫣)
1
14
1,400
为什么我觉得传统 IT 行业 To B 的生意会归零? 最近我把我们几人小公司内部用的软件,全都用 Opus 5.5 和 Gemini Neon 4 替掉了(部分基于开源魔改,部分自建),包括 Slack、Linear、GitHub、Typeless,甚至 Claude Desktop / ChatGPT Desktop。 核心原因就一个:现有软件没有一个是 AI native 的。 Claude Desktop 可以勉强定制,但不够强;DeepSeek Harness 可以定制,但很不容易。对专业用户来说不如 herdr,对普通用户来说两者又都很普通。我现在基于 herdr,几个 prompt 和 agent skill 就能管几十台本地电脑的 agent fleet,花几万美金拿到的算力和迭代速度,比非 AI 顶级大厂的朋友高出几十甚至几百倍。 以后我不会再用 Office、Salesforce、传统 CRM,也不会再用便宜外包。企业客户早晚会发现,只要上点心,自己用 AI 就能做出比现有 SaaS 好无数倍、深度定制的工具。 推荐看下 @dannypostma 这条关于 SaaS 未来的帖子,说得非常透:静态软件已死,要么买断源码自己托管随便改,要么每人一个独立沙箱配专属 agent。 teapawt.org/dannypostma/status/212… 那软件创业还有机会吗?我觉得依旧有两大机会: 1. 只要 Salesforce、微软、HubSpot 市值还没归零,就有暴富机会。但过去 software 2.0 时代的软件必须从底层推倒重来(比如 Notion 如今远不如 Obsidian,我自己也在做更好的替代 InfoFlow)。 2. 正如 Orca CEO @JinjingLiang 说的,2C 软件机会比过去任何时候都大。普通人面对安装、上架这些各种 Red Tapes 和复杂度,最多搓个自用替代品,不会成为你的竞争对手。 工欲善其事,必先利其器。2026 年末,这句话比任何时候都清晰。一家之言,见笑了。
Here's my thought on the future of software/SaaS. I'm completely switching off hosted platforms and hosted tools. I just reverse engineer them for myself, because I only need parts of them. Two reasons why: 1. I want to own my data. I use my data in different tools. Marketing, note-taking, whatever. And I want my agents, like Claude, to have complete access to it. Not walled off in HubSpot, where I have to talk to their agent. Not behind MCP either. With MCP the agent pulls what it asks for, but it doesn't know what's there. Give it a full list of data files and it has complete access. It knows what's there. 2. I want to customize it. When I sign up for Pipedrive, I don't need all that bloated shit. I need one part of it, adjusted to my content, my business, how I work. With AI that's a prompt, and one hour later it's done. So static software is going to be a thing of the past. People want to adjust it to how they work and plug it into the other tools they have. Where this goes, I think two ways: A. You buy software again. Like paying $900 for a Photoshop license and putting it on your computer. Except now you get the source code. It's premade, because you don't have weeks to build it, but you host it on your own headless box and you can customize it, remove stuff, plug stuff in. Someone needs to build the operating system for this. B. Everyone gets their own hosted instance. Not 10,000 customers on one box. Your own sandbox, with an agent that customizes it fully to you. The code stays proprietary, but you can adjust everything. Might be completely wrong. Might be different for most people. But this is already how I work.
49
42
10
276
37,992
Orca Botが便利すぎて「Claude Duetまだかよ」って思ってたけど、正直もういいかも。 Orca Botなら、OpusもFableもGemini 4 Neonも、自由にモデルを選んでボット化できる。 そもそもOrcaを知らない人向けに「Orcaとは」から書くと、Orcaは自らを「ADE(Agent Development Environment)」と呼んでるアプリです。 IDEが「人が開発するためのアプリ」なら、ADEは「AIエージェントを指揮するためのアプリ」。 Claude Code・Codex・Gemini・Grokみたいな多数のAIエージェントを、プロジェクトごとに並べて同時に動かせる。 オープンソースで無料だし、AI自体は自分が契約してるものをそのまま使えます◎ で、その中でも「Orca Bot」を使い始めて、これはめちゃくちゃ便利だと感じてるポイントがこちらの5点↓ ■ モデルをbotごとに自由に選べる Claudeを使ったり、出たばかりのGemini 4 Neonに切り替えたり、場面に応じて頭脳を切り替えられるのがとにかく便利。 Claudeそのものをbotの頭脳に選べるようになったから、同じようにClaude Duetを待ってた人も、もうこれでいいかもって感じると思う。 ■ プロジェクトを一人で回し続けてくれる Orca BotはAIに3つを持たせられる。 ・SOUL:役割・口調・やってはいけないこと ・メモリ:会話をまたいで決めたことを覚える ・ルーティン:決まった時刻や、Slackのメンション・GitHubのテスト失敗などをきっかけに動き出す Bot同士で仕事を引き継いだり、細かい作業を別のAIに任せたりもできて、プロジェクトをずっと一人で回し続けてくれます。 ■ Claude・Neon・Codexを直接束ねられる 今までMuseやGrok botを司令塔にしてたけど、Orca Botを使えば「Orca」ひとつで完結する。 Claude・Neon・Codexの作業をまとめて束ねられるし、Botのチャットと各AIのセッションを1つのサイドバーで管理できるのも地味に最高! ■ IDEらしからぬ「チャットUI」がある 「もう絶対IDEに戻りたくない」って思ってたけど、OrcaはチャットUIがあるので、ClaudeやChatGPTのデスクトップアプリみたいな使用感で指示を打ち込めます! 「ターミナルを見ると拒絶反応が出る🫷」って人でも使いやすい。 ■ スマホ版で進捗確認と完了通知が来る スマホ版のOrcaを入れてPC版と連携しておくと、スマホでPCの色んな作業の進捗が見られるし、終わったらプッシュ通知が来ます。 本当にDotsやMuseの役割をOrcaひとつで済むようになった。 「IDEでコードを書く」から「ADEでAIエージェントを束ねる」へ。 自分のAIサブスクをそのまま使えるから、複数のAIエージェントを回してる人は一度触ってみるといいと思う。
5
15
4
284
27,677
沒有心情試,但看起來很厲害似的,有人試過了嗎?
正式开源 OpenMotion🚀!还原度超95%!无需 Fable 5.2 也能复刻爆款视频! 全网首个全栈 Claude Motion & 剪映最佳平替, 浓缩逆向最先进的设计和最好看的模板💥 历时 14 天47w 行代码,支持 100+ 顶尖公司的产品宣传片、300+ 动效版 DESIGN.md,152+设计系统,支持Codex/CC/DSH 等20+AI agent 🔥
2
200
Antigravity真是太恶心了卧槽!!! 我看到网上说Antigravity会偷传巨量的数据到服务器,所以要关闭遥测功能。我从第一天起就把 Antigravity 的 Enable Telemetry 关了,结果抓包一看,5 天照样在后台偷跑了 9G 上行流量,比我正常写代码调模型的 5.3G 流量还多。 最傻逼的地方在于两点: 一是那个遥测开关纯属摆设。它只控交互内容,根本不关传输管道,底层的 language_server 照样常开着往 play.googleapis.com/log 疯狂发包。 二是脑残的超时重试。代理稍微抖一下超时,它就每隔 5 秒死命重发,超时前发出去的字节全算代理流量。周末我两天没开软件干活,它自己在后台光靠重试空转就烧掉了 4.25G。 最终我把我的代理软件规则列表最顶上加了这个,才把它给禁掉: DOMAIN,play.googleapis.com,REJECT 记住三点: 规则要排在 DOMAIN-SUFFIX,googleapis.com 前面,不然拦不住。 macOS 别加 PROCESS-NAME 限定,内核抓不到进程名会失效,直接拦域名。 只在电脑端加,别同步到软路由或手机,否则安卓 Play 商店更不了软件。 加完以后遥测流量直接归零,不影响正常写代码和跑模型。
67
76
19
887
345,349
1120 IS OUT. spark-ds41f-1120: DeepSeek V4.1 Flash on DGX Sparks. Native weights, no switch required. Eight Sparks through a switch, four in a ring, three in a triangle, two with a single cable. And it runs on one Spark now. 12 qualified configurations, one recipe, one image. One stream, prose / code, tok/s: 8 Sparks, switched: 124.1 / 145.9 4: 84.7 / 105.1 3: 62.2 / 78.5 2: 17.8 / 22.3 (alpha) 1: 4.4 / 4.8 (alpha) Also new: - 32 sessions at once on four to eight Sparks. 1107 had 16. - A 1M-token prompt prefills 56% faster on three and four Sparks. - A bigger prompt cache: 17.9 full 1M contexts kept warm on four Sparks, up from 11.0. - weightle.ss steering on GLP Spec v3, chosen per request. Thank you @msuiche. 12,023 tests passed, 0 failed, before anything was timed. How are yours cabled? switchle.ss/?x
31
18
17
150
21,682
生病前在 X 上認識了一位捷克推友 @christopherowen,他對本地 LLM 貢獻良多 知道他很喜歡我之前入手的 DeepSeek 大肥魚,故此決定送他一條,以謝謝他為 Local LLM 社群的努力😚 可惜早前因病未能早點寄出,做不成聖誕禮物,希望趕得及做新年禮物吧!
4
1
27
1,369
Gemini 或将在不久后支持其他 Harness 的调用
22
4
29
7,805
其實上班是好事,不會胡思亂想
2
7
293
hkdom retweeted
I think a lot of people aren't using Grok Bot to its full potential, because knowing how to automate things is actually quite a difficult skill to learn. I wrote this post to break down how I approach automating anything with Grok Bot!
1,238
1,910
585
17,533
2,947,483
hkdom retweeted
外网传疯了的三巨头会面真正原因
110
133
18
3,861
917,099
奇怪地,我有些事覺得在 X 上跟大家分享,比在其他社交媒體或者面對面講,反而覺得更加舒服 這一陣子,我其實也不太想見人了,但始終手術前還是要上班的
5
15
933
由診所坐的士回家,聽到電台突然播林志美的愛是不保留,即時喊到變豬頭。 下週要做這一生最大的手術,我不是害怕,只是捨不得家人們。
14
26
874
完全睡不著
1
1
179
雖然事情不是向好的方向發展,但總比未知好 身體健康最重要啊,推友們
6
1
18
678
hkdom retweeted
突然很想给大伙分享一下,我是怎么把家里的旧电脑旧手机和我的主力 Mac 搭建成一个非常好用 Agent 工作开发环境。 换在去年,强迫症的我可能这些旧设备全部被我咸鱼出掉了,只留一台主力 Mac,恰逢今年开发的软件有 Mac、Windows、Linux、iPhone 后,这些设备给我帮助非常多。 设备介绍 主力机是一台黑色 Mac M5 Pro 48 GB 内存 1 T 版本,非常好用,今年购买,唯一后悔就是当时应该买 2T 版本的,写代码、签名公证、发版都在这个上面,也是我自己唯一使用的一台机器。 测试机是一台 M2 Pro 32 GB 内存 512G 的机器,是我买M5之前一直在用的一台,后面放到了柜子里吃灰了几个月,刚好10月份在弄 Mole 的软件的测试,需要 Agent 帮我做大量的电脑操作工作,原先在主力机上,好比有一个人在抢我电脑的感觉,终于受不了了,把所有的测试工作全部让 Agent 迁移到了这台机器。 然后这台 M2 测试机上,还插了我一台 iPhone SE3,使用 iPhone Use 和 镜像可以让 AI 非常好的去操作它,它主要承担妙言 iOS 版本的测试工作,以及新产品的一些各种手机测试,这里 Agent 还可以通过 WebDriverAgent 把手机屏幕读成一个个元素,再按标签去点,非常好用。 不仅仅,这台测试机几乎被我利用到顶了,上面还用 Parallels 跑着一台 Windows 11 的 ARM 虚拟机,Mole for Windows 的 ARM64 版本就在这里测试的。 然后还有一台 Windows ThinkPad X1 8 GB 内存,当时为了写 Mole Windows 时候去整的,拿来测真实的 x64 硬件,屏幕缩放、电池、SmartScreen 和 Defender 这些虚拟机里看不到的东西,包括 Windows 版本的发版验收都需要这台真实的 Windows 机器。 为了更好利用到这台机器,我在它里面还安装了 Omarchy 的 Linux 虚拟机,用来测 Pake 在 Wayland 桌面上的表现,由于只有 8G,我尽量会让 Agent 一次任务只使用一个系统。 最后还有一台 NAS 微主机,上面跑着一个 Debian 12 的容器,x86_64 8 核 31 GB,专门来跑 Linux 命令行、GNU 工具的差异和 Pake 的 deb、rpm 打包,Mac 上的 BSD sed 和 Linux 上的 GNU sed 很多写法不一样,都用这一台机器来兜底。 我是怎么用它们来帮我测试的? 还是强迫症不想让书桌有这么多东西,我把这些测试机器全部放到了次卧里柜子里去了,所有设备插好电,做好通风,然后设置屏幕亮度最低,设成了永不睡眠也不黑屏,不过我会隔半个月去把这些机器全部重启一下。 首先我用他们来给我测试我的各种软件,我一直认为不管在什么时候,软件的发布应该是正式的,发布出来应该是稳定的,所有每次发布我会花费非常多的时间来自己测试,包括在自测之前会让 Agent 在真实的各种环境的机器上严格全部跑一遍,没有问题后,我再手工测试一遍,这样可以确保交到大伙手上的软件质量是过关的。 为了防止 Agent 测界面的时候在我主力机上和我抢鼠标的问题,一旦它动鼠标、抢焦点、切窗口的时候,我就没法用电脑,很别扭,所以才有了上面的多设备组网,在10月底我把所有要控制鼠标的活全部挪到了测试机上,UI 测试、端到端测试、点系统授权弹窗,都在测试机器上做,主力机只负责构建,然后把包发过去。 Agent 在测试机上操作并不是靠截图猜点击位置的,用的是自己写的两个很小的命令行工具,ax 走 macOS 的辅助功能接口,类似 ax tree <pid>,可以把一个 App 窗口里的每个元素连同标识、文字和中心点坐标打成文本,然后可以很好的按标识去按按钮,也很准确,然后 input 用 CGEvent 发鼠标和键盘事件,专门处理辅助功能树按不到的东西,比如右键菜单、往搜索框里打字、按 Esc 关掉菜单。相当于测试机上的内容被我转换成了 Agent 更易于了解的文本上下文,只有在实在解决不了的时候才截图来看,其他时候都用这种方法会快很多。 我是怎么用他们帮我来省钱的? 最近3个月,我的 GitHub Action CI 的非常超了非常多,几乎每个月差不多 70 刀往上,有点肉疼了,当时给大伙发过一次如何提高在 GitHub Action 上 CI 的效率和成本,但是还是不彻底,因为对于私有仓库 GitHub 托管的 macOS runner 在是按十倍分钟计费,原生构建和测试特别烧钱。 于是我在11月初,在测试机上给我那几个私有仓库里各挂了一个自托管的 runner,比如 Mole Mac 的 make verify 跑一次得 20多分钟,以及 Pake 跑 Mac 的测试也不快,还有妙言的 iOS 构建等等,全部迁移到本地测试机器上进行,当前这台 M2 测试机一共接了我将近 180 个 job,原来要花钱的地方由本地来承担了。 这里为了更加节约效率,我还做了一个检查机制,先在 Ubuntu 上跑一个只要几秒钟的小 job,去 GitHub 问一下当前主分支这个提交有没有已经跑完的完整测试,有就直接结束,没有才把活派给测试机。 不过这里有一个小坑,就是 CI 和 Agent 其实也在用一块屏幕,两边需要相互让着,我给做了一个「正在干活」的标记文件,Agent 每次通过脚本操作测试机,都会刷新这个文件,以及会区分是什么项目在用,比如 CI job 开始时先抢一个「CI 忙」的标记,用 noclobber 来创建,这样同一时刻只有一个能抢到,然后这里也有重试机制包括超时机制方便测试机可以在 24 小时不间断干活。 然后对于 Agent 也会相互抢同一块屏幕,好在现在各个对话之间可以相互发消息,要用的时候,先检查有没有人在用,再用的时候对方会问一下大概什么时候释放,然后另外一个 Agent 就很老实等着快到时候的时候才去检查,等等,类似这些里面有非常多的小巧思很有意思,所以现在阻碍我测试效率的应该是机器还是太少了,哈哈,不够也够了。 这样的好处还有什么? 回来昨天我发的那个,我说这次出远门,甚至都没有带主力机,就拿了一个家人非常轻的 Air 完全够用,甚至我感觉远比带上主力机还要方便太多了,假如带上主力机,其实在路上、飞机上 这种移动位置,机器都是关的,啥事情也做不了,而且还容易更换国家位置导致 Claude 的一些不稳定,现在好比这些机器 24 小时都开着,一直在干活,一直在运转,反而现在卡点不在机器,而在我自己的注意力。 不过我还是感觉做这些最终最终,应该是为了让我更轻松,效率更高,有更多时间去做自己想做的事情,而非全部 full time 扑倒上面,其实就有点本末倒置了,非常推荐大伙提高效率,留出时间来,做更多自己想做的非电脑干活的事情,这样生活才更有意思。 身体健康 > 生活快乐 > 码代码快乐,虽然都非常重要,但是还是要有优先级,这样才有精力去追求一些代码之外的有意思的东西。
74
41
4
684
45,295
hkdom retweeted
笑不活了!!这是哪个天才用 Claude 做了一个 fuck 达里奥的网站哇!! 目前达里奥已经被几十个不同国家的人 fuck 220 多万次,大家赶紧来助力:fuckdarioamodei.com/
101
124
31
1,254
114,179
身體出了點狀況,下週要入院檢查了。 連上網也不想上的感覺,真的很難受。
12
7
663
hkdom retweeted
嘿,Jensen! 此片献予你! 我是一名来自中国的 AI 开发者,你一定会回来的对吧。对吧 @JensenHuang
🤖 Made with AI
625
1,148
375
7,591
2,759,113
全体起立,Vercel推出的agent-desktop现在才是Agent操控电脑的真神。 它是 Vercel Labs 的开源项目,Apache-2.0 协议,GitHub 已经有 1.8 万 star,仓库地址在下面 它是一个命令行工具,让 Claude Code、Codex 这类 Agent 直接操作你电脑上的 App:点按钮、填表单、打字、切菜单、读界面。 之前大部分 Computer Use 的做法是截图,再让模型猜该点哪个坐标。慢,还容易点歪。 agent-desktop 不截图。它直接读系统的无障碍树(就是读屏软件用的那套接口),给界面上每个按钮、输入框编一个号,Agent 按编号去点、去输入。 最关键的一点:它默认不动你的鼠标,也不把窗口切到前台。 Agent 在后台操作电脑的时候,你可以照常刷微信、写东西,两边互不干扰。真要用物理鼠标键盘时,再加 --headed。 我在自己的 Mac 上实测了一轮: - 打开系统设置,读完整个界面 0.3 秒左右 - 点击「蓝牙」0.17 秒,页面切过去了,设备列表也读出来了 - 给不在前台的文本编辑输入一段中英文加数字,0.15 秒,读回来一字不差 - Electron 写的 App 也能读,侧栏、对话列表的文字都拿得到 - 整个过程我一直在用微信,前台一次都没被抢 我原来用 LCU,它要借 ChatGPT 桌面端里面的运行时,ChatGPT 一更新就可能坏,也卡过。今天卸了,换成 agent-desktop。 几个让我决定换的点: 1. 不依赖任何 App,npm 一装就能用 2. macOS(Intel 和 M 芯片)、Windows、Linux 都支持 3. 自己不带模型,任何能跑命令的 Agent 都能用,也可以当 MCP 服务接进去 4. 60 个命令,窗口管理、剪贴板、通知、菜单栏都包了 安装就两步: npm install -g agent-desktop agent-desktop permissions --guide 第二条在 Mac 上会一步步引导你打开辅助功能权限。 然后在 AGENTS.md 或 CLAUDE.md 里加一句: Use `agent-desktop` to see and operate desktop apps. Before the first use, run `agent-desktop skills get desktop` and `agent-desktop skills get platform`, and follow them. 你的 Agent 就会用了。 仓库:github.com/vercel-labs/agent… 实测截图👇
174
192
33
1,499
215,731