Yuexun (@ahonn_) header
Yuexun (@ahonn_) profile picture

Software Engineer What I built: https://xitter.cf/t.co/p78XjY8caO / https://xitter.cf/t.co/dVcs6Ek4Ey / https://xitter.cf/t.co/YMmwNlsjoa / https://xitter.cf/t.co/VIykLeUP37 / https://xitter.cf/t.co/LLlLanCuQj

Sydney, New South Wales
Joined January 2016
Photo by Yuexun (@ahonn_)Photo by Yuexun (@ahonn_)Photo by Yuexun (@ahonn_)Photo by Yuexun (@ahonn_)Photo by Yuexun (@ahonn_)Photo by Yuexun (@ahonn_)Photo by Yuexun (@ahonn_)Photo by Yuexun (@ahonn_)Photo by Yuexun (@ahonn_)
最近在折腾的一个开源项目 GRKit:通过 SD 卡上的脚本来扩展理光 GR 相机的功能,支持胶片效果、画幅比例、辅助线、光晕等功能。 grkit.app
1
124
不确定是不是我的使用姿势不对。试过 Raft/Multica/AirBuild,我的感受是多 agent 的产出还没有直接使用 Claude Code 单会话的效果好,而且 Token 会用超多。现在反而是 Linear MCP 用得最多,需要跨会话的任务和文档都记在 Linear 上。
之前和 @strrlthedev 也聊过 我用 raft 深度做了一个 side project。如果只是许愿式聊天,效果和我要的差的非常多,需要很多轮的调教。最终消耗大量 token、时间和精力。如果我一开始就给一个很精细的计划,那我直接用 Claude,顶多加一两个 agents 就能达到同样的效果,而 token 的消耗是少了很多的
5
2
314
非编程的任务都用 Grokbot 了,MCP 接上之后基本可以和Codex/Claude Code 无缝共享上下文。
68
发布四个月
1
119
用 GPUI 写了个 Floating Markdown 编辑器,用来替代 Raycast Notes。特点是类似 Typora 的编辑体验以及支持 Vim mode。写个编辑器玩的 TODO 终于可以划掉了。 github.com/ahonn/markraft
1
3
651
给自己写的 GR 相机应用发布了新版本,支持 geotagging,并支持直接分享带样式的照片。现在以及本周末限免,欢迎有 GR 相机的来试用。 apps.apple.com/app/gr-snap-r…
1
3
334
即使用上最好的模型,多 agent协同出来的东西依然还是很拉垮。现阶段还是不得不介入,这样的话效率上还不如直接用单个 Coding Agent 🤔
1
1
228
许久没有了解 React Native/Expo 生态,现在居然可以使用 Swift UI 了
363
给 Macuse 加了一些 MCP Apps 支持,现在可以直接在 Claude 里进行交互了。
Your work tools are now interactive in Claude. Draft Slack messages, visualize ideas as Figma diagrams, or build and see Asana timelines.
1
625
一会前端完了,一会程序员失业了,现在轮到所有软件公司结束了。😅
所有的软件公司都结束了。 从零开始构建一个浏览器,稍微有点软件开发经验的工程师都知道这有多难。 Agent 持续运行了将近一周,在 1,000 个文件中写出了超过 100 万行代码。可以在 GitHub 上浏览源码。 尽管代码库规模庞大,新启动的 agent 仍然可以理解它并取得实质性进展。 成百上千个 worker 并发运行,向同一个分支推送代码,而且几乎没有冲突。
2
502
新年新图标,Badgeify 更新了新设计的图标!终于把我自己瞎搞的丑图标换掉了。
2
1
3
1,981
新图标出自 @Kubai087
1
181
我在 n8n 中有一个 workflow,每天早上九点会读取前一天收到的所有邮件,调用模型判断是否需要处理,需要处理的任务会自动添加到 Reminders 中的 Inbox 列表中。每天早上的第一件事就是检查 Inbox 中的待办事项。
Macuse V1.0 发布了,一个在本地跑 MCP 服务来为 AI 客户端提供 Calendar/Reminders/Mail 等应用集成的 macOS 应用,并且提供界面读取和操作的工具,可以直接读取/操作浏览器中的页面内容。视频中是通过 Raycast 来总结当天收到的邮件。
1
2
345
在服务设置里可以设置 host 在不同的 ip/port 上,使得内部网络的其他设备可以调用这台 Mac mini 上跑的 Macuse。
206
Macuse V1.0 发布了,一个在本地跑 MCP 服务来为 AI 客户端提供 Calendar/Reminders/Mail 等应用集成的 macOS 应用,并且提供界面读取和操作的工具,可以直接读取/操作浏览器中的页面内容。视频中是通过 Raycast 来总结当天收到的邮件。
1
3
522
又到了合适海边徒步的季节
1
181
All about context,只要给的上下文主够准确,理论上不需要手写一行代码。人类的反馈也包含在这个 context 中,我们的输入只不过是 AI 编程中的一个工具调用。
最近临时在帮朋友做一些外包,基本上代码都是 AI 写的,我想如果不是有 AI, 我大概不会帮这个忙,因为即使这些活不难,我还是要写很多代码。但现在,我可以一个人同时做 2-3 个项目。 在这个过程中,更加让我确定了对于程序员来说,软件开发的范式已经彻底彻底改变了。生成代码再也不是程序员「应该」做的事情,而是应该被放手给 AI 做的事。 这也让我对判断一个程序员的能力从代码能力转变成了使用 AI 的能力,我想,如果我现在要为团队招程序员,我会在面试时着重了解这个人如何使用 AI 完成一个需求。 对于程序员来说,「使用 AI 的能力」包含很多维度,这些维度综合起来,才决定 AI 是否真正能成为程序员的杠杆: ## 对业务的理解 软件是为解决用户的需求而生的,对业务充分理解,才能给 AI 足够的业务场景上下文,才能让 AI 写出覆盖边界条件的代码。 对业务的理解同时决定了程序员是否可以做好数据库建模。在接我朋友的外包项目时,我发现我人工干预最多的就是数据库建模。只要我思考好建模,AI 就能基于这个数据库模型编写任何接口。 ## 对技术栈的理解 如果能让 AI 限定在特定的技术栈中,你会发现 AI 更能稳定发挥,更可控。让 AI 「带着镣铐跳舞」。无论用什么技术栈,重点都是给 AI 一条稳定的轨道。比如我在所有项目的 AGENT[.]md 中都会列出非常细节的选型,例如 CC Mate 的 https[:]//github.com/djyde/ccmate/blob/main/CLAUDE.md 当 AI 知道技术栈后,通过 context7 这样的 MCP, 它能在生成代码时,找到对应的文档作为上下文,生成出更不容易出错的代码。换句话说,确定好技术栈,让 AI 成为这个技术栈的专家为你编写代码。 因此,在这个层面,程序员的「使用 AI 的能力」意味着,这个程序员知道什么样的场景适合什么样的技术栈,也侧面反映了这个程序员对技术社区是否保持敏锐的嗅觉。这是我认为 AI 时代程序员的一种硬实力。 ## 对架构的理解 在《代码之外》听友线下见面会中,有听友提问,在 vibe coding 的时候,AI 只能做些一次性的软件,多次迭代后就会变成灾难。我的回答是,这是因为没有给 AI 提供一个你设计好的工程架构,让他在这个架构中行动。在这个新的时代,程序员应该以架构师的角度来工作。 我在 AI coding 一个项目前,我的脑海里会大概有一个工程架构的设计,比如,通用工具应该被统一放到一个什么文件,前端页面应该如何组织,接口应该遵循什么样的规范,错误处理应该怎么做等等。只要架构设计好,写在 AGENT[.]md 中,AI 自然会按照你的设计去做,而不是让 AI 天马行空地发挥。 不仅是在启动这个项目前要做好架构的思考,在维护的过程中,你指挥 AI 完成一个新的需求时,就应该思考完成这个需求的时候,将会有什么代码被写在哪一个地方。这个场景也适合使用各个 AI coding agent 的 Plan Mode 来完成,当 AI 告诉你它将要如何行动时,适当二次确认它要如何组织新的代码。 做到以上三个理解,我相信程序员可以游刃有余地使用 AI. 但我曾经在很多场合接触一些在一线写代码的程序员,发现他们对 AI 的接受程度是如此地低。很大程度上,我认为是一个缺乏以上三个理解的程序员,很难对 AI 建立信任关系,合作关系。 和我合作的一位程序员,在共同完成一个需求的时候,我在他旁边观察了一下他如何使用 AI, 结果只是非常浅地使用 auto complete. 我问他,为什么不尝试让 AI 完整地完成这个需求,他表示他认为 AI 不能胜任这个任务。 我说: 1. 我的后端接口已经写好了,而且有了 openapi 的 YAML 文件(AI 生成的) 2. 你知道这个需求涉及前端的哪个页面,在前端项目中,也有对数据请求层进行封装(AI 一定能知道怎么写数据请求) 满足了这两个条件,你只需要把接口文档给 AI, 然后告诉 AI 这次的需求,再告诉 AI 一点提示,大概是在哪个文件中修改。以现在旗舰模型的能力,AI 大概率能一次性完成。 他将信将疑,我直接在他电脑上给他演示这个操作,果然,AI 直接完美地完成了这个需求,不到 2 分钟。 而同时我也在思考,到底 AI 时代是否还需要程序员,或说需要怎样的程序员,好像渐渐有了答案。
1
1
2
630
目前的一个痛点是 AI 依然写不出满意的 UI,还是得手工 polish。
1
157