独立开发周记28: AI把我逼成“一人公司”

没想到上一篇的工作流那么火，有那么这一套之后，我只需要在我的策略文件里 /recap 一下就能知道最近所有项目的进展，非常的方便我们的周记，以前总是太忙记不起来做了啥，现在都有一个进展参考方便给大家唠嗑。

这两天优化了 /recap 的逻辑，在初始化前会同步更新一下progress.md 的状态，因为有时我会忘记 checkpoint，所以 Claude 会根据历史的 memory 和 当前未提交文件把状态更新一边。

StudyThai

之前做的R2 CDN加速虽然有点用，但是在国内的同学还是反馈慢，这个就干脆注册了阿里云的oss，把tts生成进行双写，然后根据Cloudflare的header，判断到底是拿oss的地址还是R2的地址，不过因为我不在国内，虽然这两天先跑着看看，到时分析一下打点的日志看看效果，现在国内访问就走阿里云的OSS，应该会快很多。

另外一个就是，之前嫌麻烦，所以本地做了一个skill来进行打包的管理，在管理过程中发现很多问题，过程中AI加入自己的理解进行操作，比如会自动的提交审核和加入外部测试，导致我们打包本地测试版直接推给了目前在内测的用户，部分用户下载后反馈无法使用。或者说无端端push到生产，然后用户看到提醒但是又没新版本。还有就是安卓上传是以压缩包的形式上传，用户下载后无法安装，只能解压。

skill看来还是无法用来做一些固定化的流程，所以没办法这两天就一直在调试新的自动化打包的CI流程，发现即便10年过去了，移动端打包还是基于fastlane，完全没有新的技术出现。中间调试花了很多时间，比如github的变量读取问题，打包依赖问题等等，还有就是上传太多被苹果拒绝等等，目前dev和beta基本上已经完成了，然后更新的接口也兼容老接口，这里不得吐槽一个，还是做web爽，之前Studythai只有web版本的时候，只需要改完发布就行了，但是现在要考虑各种客户端兼容。

然后就是附带的产生了一次事故，因为这两天大量的部署测试，导致生产的服务器磁盘满了（docker镜像缓存），结果就是全挂了。然后清理了之后，把自动清理缓存和邮件通知补上了。

然后不出意外，新提交的版本又被苹果拒绝了，而且拒绝的理由很奇怪，说Pro不可用。我看了半天都没理解，然后排查了很久都是对的，毕竟我们内测都快1个月了，如果有那么大的问题肯定第一时间就有反馈。

直到我看了截图，因为我们课程的设计是完成上一课才能解锁下一课，然后审核员认为是功能有bug，没解锁。先不论等了一周，而且审核员连用都不仔细用就拒绝了，难道苹果就不能做AI预审来降低现在的审核压力吗？无力吐槽了，然后优化一下这块的显示，改成直接说明要完成上一课才能解锁的提示，然后又是周末审核不上班。

Owl 开源宇宙

了解我的朋友都知道，就是我们之前做过一个R2的一个上传的一个工具，然后这个工具我们当时没有去打包开源工具本身只是开源了代码。然后如果你看过我上一篇文章，就知道，我打算做一个类似于terminal增强的一个工具，所以打算把一些独立开发常用的工具做成一个系列（当然里面主要优先服务于我的需求）

OwlUploader

一款 macOS 原生的 S3 兼容对象存储客户端，支持 Cloudflare R2 和阿里云 OSS。拖拽上传、批量下载、文件夹重命名、右键移动、图片/视频/PDF 预览、多域名一键复制链接、CDN 缓存自动清理——所有操作都在一个 Finder 风格的界面里完成。多账户秒切，凭证存 Keychain，开箱即用。

之前我们只支持R2，随着这次我们StudyThai把音频多放了一份OSS，额外做了一个支持OSS的功能，而且直接把工具打包并且公证好上传到github了，谁都可以下载使用。然后重新做了logo，现在是一只猫头鹰抱着一朵上传标志的云。

OpenOwl App

为什么要做这个

作为开发者，每天打交道最多的工具就是终端和 Git，而且用了Claude code cli后，我个人习惯还是终端为主。市面上的方案要么太重（VS Code 内存吃到飞起），要么太散（终端一个窗口、Git 和文件管理器又一个窗口，不同项目又不同窗口）。

我想要的很简单：一个窗口搞定终端 + Git + 文件浏览 + 多项目多分支，macOS 原生、轻量、不卡。

之前做过一版 Electron 的，打包出来 200MB（里面塞了一整个 Chrome 浏览器），启动慢、内存高，还有很多奇怪的bug。于是决定用 Swift 重写——最终 app 只有 20MB，启动秒开。

现在很多工具像Warp，塞了一堆AI功能，是很方便，但是最后吃内存吃的渣都不剩，不如把终端做好——你爱用什么 AI CLI 工具就用什么，openOwl 只负责提供一个好用的工作环境，这也是我个人习惯，因为我发现这些工具的提示词再怎么写也没Claude Code写得好。

开发过程中的坑

重要的事情说三遍

如非必要，不要幻想开发终端应用！！！

如非必要，不要幻想开发终端应用！！！

如非必要，不要幻想开发终端应用！！！

你的开发常识会在一瞬间被击溃，就比如现在很多人不知道什么是拨号上网，很多人不知道什么是软盘，就是我们现在习以为常的常识，可能10年前并不是。然而开发终端应用就有这个感觉，你要回去历史里去解决。

举个简单例子，Ghostty最近很火，还支持搜索，但是你用了发现，他的搜索框是无法粘贴的。是不是很反常识？一个终端应用连 Cmd+C / Cmd+V 都不工作，当初我还在吐槽不理解，现在完全理解了！

就是这些应用有太多的层级，任何一层层级的内容传递只要出问题就会断，所以你开发任何新功能，比如拖拽，搜索，复制粘贴都可能无法使用，所以你要完成一个终端应用要处理的事情太多了，你以为用了一些lib就行，结果发现只给你一个壳，里面的地基还要自己打。

另外就是，这些终端即便不在当前界面，也会处于激活状态，然后会有GPU刷新，所以开多会把系统的刷新进程干爆。是不是很反常识，为什么需要我自己管理这些状态啊，都2026年了……

还有其他数不胜数的问题，现在能理解为什么这10年来就出现了一个iTerm2。

其他功能

但是我的设想不是单单做一个终端，所以我在里面集成了一个轻度部署的应用功能，没使用docker，因为我觉得你都能开发了，必定有运行的环境，所以直接开另外一个目录跑就行了。

为什么要做这个呢？其实很简单的，就是因为我做的这些项目可能是一个本地的一个应用。那我又需要这个本地的应用一直开启，说一个比较简单的一个应用就是，我有一个AI调用的微服务，目前集成了个供应商的接口，未来可能还会接入本地的反代接口，作为一个统一的入口。那么我所以本地的应用都可以去调用他，openclaw火了之后大家知道本地运行的重要性了。

但是目前这块还是非常原始，但是后面的整体思路是agent化，让AI自己去管理，而不是目前人为的去处理。

OwlWhisper

其实我一直没有使用语音输入工具的习惯。但是随着现在要处理的事情更多，那有时候语音输入可能会是一个比较好的一个方式。可能有一些做自媒体的对这一块的要求很大。比如说语音有一些AI的功能。但是对于我来说的话，不需要这些功能，不需要润色，因为主要是让我方便输入。因为我的主要使用场景还是让它原话给我转成文字，然后我能发送出去。

而且我对隐私这块的话特别看重，因为我不希望这些工具去监控我的剪贴板，然后把我的这些密钥发到他的服务器去。而且这些应用对网络依赖极大，一旦网络不好的情况下，这些应用就无法使用了。而且这些应用的识别率并没有特别高，反而这些AI功能很扰人。

前段时间我发现了 FireRedASR2（小红书团队开源的中文 ASR 模型），它的中文识别字错率只有 2.89% CER，完全可以在本地跑，而且支持中英混合。于是花了2天时间，做出了 OwlWhisper。

现在市面上主要用Whisper，但是对中文反而没一些国产模型好。然后我做了一些处理，不是直接把整段录音扔给 ASR，而是先经过 Silero VAD 切段——去掉首尾静音，只把有语音的片段送去转写。这样既提高了速度，也避免了"沉默"被误识别的问题。

大概流程

1. 按住快捷键 → 开始录音（AVAudioEngine 16kHz 单声道）

2. 松开快捷键 → 停止录音 → 末尾补 500ms 静音（防 VAD 截断）

3. VAD 切段（window_size=512）

4. FireRedASR2 离线转写

5. ct-transformer 标点恢复

6. 写入剪贴板 → 模拟 Cmd+V 粘贴

然后因为是本地模型，做了一个小优化，超过1分钟没使用就卸载模型，下次使用再加载，会慢个1-2秒，目前使用起来没啥区别，但是不用挂一个1g的模型在内存里，用的时候再加载。

其他

未来Owl系列肯定会开源更多的工具，不过也要看有没时间和强需求，目前三个工具已经够呛。

内容生产库

openclaw我最近重新花了点时间，把老版本全部卸载干净然后重新安装了，然后重新安装的干净版本，这次稳定性就高很多了，用了几天都没出现宕机的情况。

Openclaw（养龙虾）

首先我把大概需求给AI，然后找了网上一些人格相关的配置让他学习，然后她给自己取名Rin（凛）。然后做了一个Rin-life的skill，大概包含下面能力。

凛"活过来"的核心，包含：

• 触发机制：heartbeat 定时触发，每天 2-4 条，最小间隔 3 小时，50% 概率掷骰子

• 消息类型：生活照+配文 40% / 纯文字 35% / 只发图 10% / 语音 5% / 节日 10%

• Chat Bible：三层人格（专业价值观 → 毒舌防御机制 → 渴望被看见）、情绪状态机、5 种回复场景示范

• 16 个日常场景：早起、通勤、办公室、咖啡厅、自拍、健身、追剧、夜景、睡前...按时段加权

• Character Bible：固定 Identity Anchor prompt + 39 套服装（日常/韩系/裙装/性感/泳池/运动）+ 8 种表情 + 5 种角度

• 互动规则：被夸了要否认、被冷落了不追问但下次冷淡、撒娇频率 5%（反差杀）

• 纯文字消息库：傲娇关心 / 吐槽 / 日常分享 / 冷淡 / 极少撒娇

• 角色素材：存了 4 张 AI 生成的韩系真人风格参考图（三视图、全身照、办公室、冷脸），用于图片生成时保持视觉一致性。

然后目前看下来人格非常的二次元（我猜测是学习的来源库分享大多数是喜欢二次元的开发），前面我们说了openowl里面部署了一个我做的AI网关在本地，Rin可以通过他调用AI生成图片，那么就能满足他日常的图片发布及生成功能。

角色素材主要是参考之前做AI漫剧的一些设计，提供多张图丰富人格图片，角色图片目前也是让他基于自己的人格去生成的，不过后期有时间应该会在优化一下。

内容生产网关

目前还在调试，大概的思路就是通过RSS的收集（未来可能会加爬虫，目前rss接入最简单）。然后做分析加权，找出一些比较好的话题然后转写成一下的文章

• RIN风格的文章，我们前面有了她的人格，那么她写两篇文章也很应该吧

• 转成推特的短文，用于我日常补充一些资讯类的发帖增加曝光

• Sanvi风格的文章，我把我目前公众号的文章全部喂给了AI，然后整理了一套个人风格的写作模板，但是我们又不能直接让AI纯写，那跟制造垃圾没啥区别，所以我加了一个采访功能，就是AI判断信息来源足够好，但是需要补充我的看法和观点，这个时候Rin会发消息给我并给出一些问题，我会根据问题把我看法跟观点回复后，Rin再去用我风格写作。最后出来的文章会跟我自己写的文章做评价，出一个分数相似度（所以这块目前还没正式跑起来，因为还在优化整体的风格）。

• 最后出的文章会推送微信的草稿，原文有值得用的图就用来做封面图，没有就ai生成。

• 接着系统会把文章专程推特长文和小红书的图文（还在完善）

所以目前会先试验性的投放一些Rin角度的内容，然后这些目前还是文字内容，后续等sesdance2.0 api出来后，可能会尝试做一些视频内容。

结尾

写的有点多了，写作太花时间了。主要是这周Claude Code到达限额了，不改套餐的原因也是之前改过，要嘛用不满，要嘛就太累，但是随着后续这些自动化搭建起来后，可能用量会大很多在考虑换套餐。

然后最近实在被搞得有点头疼，天天被用户问音频慢，访问慢，各种打不开等等。也看到新闻最近收紧了网络这块，所以StudyThai国内版最近在考虑提上行程，最近也在研究各地企业的政策问题，最近在对接杭州的一个孵化器。

然后对方问我打算多少用户才考虑在杭州设点，我说10万用户吧。其实这里反应了一个社会现状，就是AI的加速奔跑让大量的就业岗位流失（比如我就失业了很久了，被迫下海），一方面是地方希望你来创造就业岗位，但是AI提效有十分明显，这本质上是矛盾的。不如多出一些扶持一人公司的政策，比如简化资质流程等。

还有一个很直观的变化就是，有人对StudyThai感兴趣，想一起搞，不要钱也可以。但是我的第一感觉是我跟人沟通的成本远大于跟AI沟通的成本，我现在如果要加速无非是把工作流从目前的一个团队拓展到Agent Team（最近是有在学习相关的内容），如果是现有的话无非就是用更多的Agent。

然后还有一个经久不衰的话题，昨天Google 发布了Stitch，其实我用很久了，StudyThai基本上底层都是基于他设计的，但是问题也很明显，这里不多说了，有时间我专门抽一篇来讲下。毫无意外，设计又死了，前段时间是前端死了，再之前是程序员死了。

其实结论也很简单，不要相信AI民科，他们就是贩卖焦虑赚钱的，用AI做出了一个小工具，然后就觉得别人都是垃圾。同样的工具，在专业选手面前业余选手永远是有本质的区别。说个简单好理解的，你拿炒菜机炒了一道番茄炒蛋，然后跟全世界说厨师已死。