佬们，想问问在分发站的这个社区分数是啥啊，我看有的是对这个社区分数有要求的，这个社区分数要如何提升啊 10 个帖子 - 6 位参与者 阅读完整话题
能不能打败claude fable 5不关心，比5.5有提升，且价格低一些就好。 18 个帖子 - 13 位参与者 阅读完整话题
若效率的提升，不能带来早下班，那效率提升不要也罢
若效率的提升，不能带来早下班，那效率提升不要也罢
之前每次有新模型出来，首页满屏都是各种性能测试和比较，这次Fable 5感觉提升挺大的啊，怎么好像反而没什么水花？ 2 个帖子 - 2 位参与者 阅读完整话题
专业工种，昨天主刀了一台甲状腺转移二次大手术，开放双侧II-V区大颈清+腺叶切除、中央区清扫，历时7小时55分钟，连续高强度工作，全程无尿点，清扫淋巴结目测上百枚，所有神经都镂空了，今早查体没有一点并发症（没有声音嘶哑，没有低钙，没有淋巴漏），很开心自己在主治的第二年就达到了这个水平，大多数副高都做不到，应该也在这个年龄超越了我的老板。【所谓外行看热闹，简单讲可以把这段话复制给AI判断下大概是什么水平，被AI敲打说警惕膨胀 】 当然这可能是我这个外科佬在AI替代人手精细操作之前最后的余辉和浪漫。让我想起了高中的一篇关于英国工业革命后手工鞋匠和流水线皮鞋的文章（应该叫名位还是名质）。AI可能会让我们这些之前大肆被追捧过的“精准外科式操作”在将来变成“小手工艺作坊式操作”，但在这一天来之前，我见证过，我也处于这种辉煌中。 也感谢L站，让我在AI这个方向有那么多前瞻性的思考和信息获取，希望佬们也在自己的专业中精进，换一种说法，工作也在塑造人的品质。 红包大小就是手术时长，口令是“ 剧透 ”。 5 个帖子 - 5 位参与者 阅读完整话题
我昨天看自己信任等级还是2，今天变成0了，这什么情况 9 个帖子 - 6 位参与者 阅读完整话题
试着聊了点创意问题，感觉对比其他模型有提升，但是一个整体的设计文档看下来进行聊天的时候，也一样会遗漏不少约束。 难道说agent时代要去试试传统的gpt4.5吗 3 个帖子 - 2 位参与者 阅读完整话题
之前一直用 Microsoft Office ，今年公司要求统一转 WPS 。刚开始很抗拒，用了大半年发现有些功能确实比 Office 顺手——前提是你知道怎么设置。 整理了一些实际用了之后觉得有用的技巧： 1. WPS 快捷键其实可以自己改 默认快捷键和 Office 不一样，这是劝退最多的点。WPS 支持自定义快捷键，在「文件 → 选项 → 自定义快捷键」里能改回 Office 那一套。改完常用的 Ctrl+D （填充）、 Ctrl+Shift+L （筛选）就能无缝切换。详细可以看 WPS 快捷键设置指南 。 2. VLOOKUP 在 WPS 里和 Excel 一模一样 最大的疑虑是函数兼容性。实测下来，VLOOKUP 、XLOOKUP 、SUMIFS 这些常用的都没问题。WPS 对所有 Excel 函数的兼容性在 99%以上。唯一踩过的坑：WPS 表格默认不自动计算，公式写进去结果不更新要去「公式 → 计算选项」改成自动。 3. 删除空白页这个 WPS 特有 bug Word 转 WPS 后文档末尾经常多出一页空白页删不掉。试了删段落标记、调页边距都不行，最后发现是 WPS 的分页符处理逻辑和 Word 不一样——Word 的隐藏分页符在 WPS 里会变成可见的，多出来的空白页就是这个导致的。解决方法有好几种，具体可以看 WPS 删除空白页的 5 种方法 。 4. 数据透视表和 Office 兼容 用 WPS 做好的透视表在 Excel 里打开可能会报错"文件损坏"，反过来也一样。这个问题在 2025 年更新后基本解决了，只要你用 WPS 和 Office 的最新版本，跨软件打开透视表不会报错。 5. 文档误关没保存的恢复 WPS 的自动恢复比 Office 做得好，就算没手动保存直接关了，重新打开后左侧有「备份中心」可以恢复。草稿文档在本地保存 7 天，比 Office 只保留最近一次恢复人性化很多。 总结 如果公司强制用 WPS ，别硬抗。改快捷键、确认函数兼容性、习惯自动备份这三个点搞定后，实际体验和 Office 差别不大。唯一坚持用 Office 的理由可能是 VBA 宏——WPS 虽然支持但兼容性做不到 100%。 有其他 WPS 使用经验或者踩坑的欢迎补充。
注册论坛也有一段时间了，刚开始做任务升级了到了二级，前一阵儿有事比较忙，最近闲暇时间多了一些，上论坛时间多了些，刷到大家分享的升级经验，才搞清楚完成哪些项才可以升级。不过我倒是觉得，等级高当然更好，但论坛的氛围和在论坛上和大家彼此分享的收获才是更重要的，升级的设定项目也更多是鼓励坛友们活跃交流。有一种十年前互联网的体验，这很珍贵，或者说想要构建起这样的气氛的努力是弥足珍贵的。当然物以类聚，这样的导向会吸引一批具有相同价值观的网友留下来。最后，祝大家逛论坛都能有所收获。 4 个帖子 - 4 位参与者 阅读完整话题
飞利浦（一家为医疗行业提供诊断、成像和云技术服务的公司）赞助的一项调查显示，人工智能正在帮助提高患者护理的准确性，并在某些情况下节省时间和成本，该公司北美分部的首席执行官表示。 飞利浦北美分部首席执行官杰夫·迪卢洛指出，随着时间推移，这项技术将改变临床医生在医疗保健中的角色，并特别强调了劳动生产率的提升。 “他们每周能额外接诊的患者中位数为五人，”迪卢洛表示，“这对医疗体系具有经济意义。” 飞利浦的“未来健康指数”调查由研究咨询公司Vitreous World于2月至4月期间开展，涵盖10个国家的受访者，其中包括2011名临床医生和20085名患者。 约30%的受访医生表示，人工智能已切实帮助他们节省了预算。 在临床医生中，27%的人表示过去三个月内AI至少三次帮助他们发现了潜在的医疗差错，而36%的人表示AI增加了他们每周能接诊的患者数量。但77%的受访临床医生表示，AI培训要么无法获得，要么受限，要么不稳定。 总部位于荷兰的飞利浦公司表示，医疗专业人员主要将人工智能用于数据整理和日程安排等行政工作，而更复杂的决策仍由临床医生负责。 患者也越来越多地借助AI获取健康建议，但先前研究显示，在做出医疗决策时，该技术并不比其他方法更有帮助。 Centene等健康保险公司曾对医疗系统使用AI表示不满，称其激进或不当的使用导致报销支付额增加。 查看评论
神秘的L站，终于让我进来了，规则和信任登记的提升，以及相关可能拥有的一些关联资源，我感觉这个站非常不一样 3 个帖子 - 3 位参与者 阅读完整话题
苹果今年晚些时候将推送的 macOS 27 似乎有望成为一次以优化为核心的重大更新。 按照以往经验，macOS 开发者测试版通常会伴随大量漏洞和性能问题，上一代正式版 macOS Tahoe 也因卡顿和性能退步饱受诟病。 不过，一名使用 5 年机龄 M1 Pro MacBook Pro 的用户在安装 macOS 27 开发者测试版后表示，系统整体流畅度有了“质的飞跃”。 这名 Reddit 用户 “Pilingo” 在帖子中称，尽管这是早期开发者测试版本，但此前在 macOS Tahoe 上出现的种种拖沓感已经明显消失。 他表示，此前设备在 Tahoe 系统下存在明显的界面卡顿、动画掉帧以及整体响应迟缓的问题，如今在 macOS 27（代号 Golden Gate）上已基本不再出现。 在他的主观体验中，应用启动速度更快，动画更加顺滑，整个系统给人的感觉更加灵敏、打磨得更加完善。 从硬件世代来看，M1 Pro 虽然在发布时性能突出，但如今已算是“老芯片”，然而 macOS 27 的优化让这台五年前的 MacBook Pro 获得了“重生”。 更令这名用户意外的是，苹果上一代稳定版系统 Tahoe 的运行表现竟然不如当前仍处于开发阶段的 Golden Gate，由此也被解读为苹果在过去一年中将大量精力投入到了底层性能和系统响应方面的打磨。 这一积极反馈并非孤例。在评论区中，另一位网名为 “EffectiveDaikon1457” 的 Reddit 用户也表示，其搭载 M3 芯片、仅配备 8GB 统一内存和 256GB SSD 的 MacBook Air，在升级至 macOS 27 测试版后同样获得了明显的性能改善。 在这样一台配置相对基础的机器上，依旧能感受到系统流畅度提升，这进一步强化了外界对 macOS 27“主打优化”的印象。 苹果在今年的发布会上曾强调，macOS 27 将以顶级性能优化和系统响应速度为核心卖点。 结合目前来自测试版用户的反馈来看，至少在部分机型上，这一宣传并非空谈。 不过，当前版本毕竟仍处于开发阶段，具体的性能变化与稳定性表现如何，还需要等到更多机型参与测试以及后续版本迭代才能下结论。 外界也关注，等到 macOS 27 正式版在今年晚些时候面向所有用户推送时，系统会否在保持当前高流畅度的同时，兼顾长期使用下的稳定性和兼容性。 对于已经对 Tahoe 表现不满的用户而言，macOS 27 有望成为一次“纠错式”更新，让老款与新款 Mac 都能在日常使用中获得更接近苹果宣传口径的体验。 目前，愿意尝鲜的开发者和普通用户已经可以通过苹果开发者网站下载并安装 macOS 27 开发者测试版。 不过，考虑到测试版系统仍可能存在未知问题，选择升级前仍需做好数据备份，并谨慎评估在主力设备上安装测试版系统的风险。 查看评论
苹果公司近日宣布，将在 App Store 引入一系列全新的应用发现功能，通过个性化推荐帮助用户更高效地找到适合自己的应用和游戏，同时为开发者提供新的获客渠道。 这一更新首先在美国地区以英文形式上线，未来还将扩展至更多国家和语言。 在本周举行的全球开发者大会（WWDC）上，苹果正式发布了 App Store“个性化合集”（Personalized Collections）功能。 该功能会基于用户的兴趣偏好和使用行为生成针对个人的推荐内容，不再仅仅依赖排行榜或编辑精选。 用户在 App Store 的“App”标签页、“游戏”标签页以及“搜索”页面中，都将陆续看到这些个性化推荐内容。 苹果表示，这些推荐会随着时间推移不断演进和调整，依据的是用户的下载记录及日常使用情况。 与此同时，个性化合集还会配套新增“App 说明”（App Notes），用简要文字向用户解释“为何向你推荐这款应用”，试图提升推荐过程的透明度与信任感。 此次更新被视为 App Store 生态走向成熟阶段的一个缩影。 在当前竞争愈发激烈的环境下，仅靠获得编辑推荐或被评为“本周 App”已难以确保应用的持续增长。 苹果通过引入个性化推荐及一系列新工具，希望帮助开发者更精准触达潜在用户，同时重新激活存量用户。 在开发者工具方面，苹果将允许开发者在应用产品页的顶部横幅以及搜索结果中，使用更丰富的图片和视频素材，以突出展示新内容或季节性活动，吸引老用户回流查看更新。 开发者还可以通过全新的“素材库”（Asset Library）集中管理用于应用内活动、特价促销等场景的常用营销素材，提升运营效率。 此外，开发者还能在 Apple Games 应用中展示特别优惠并与玩家互动。 针对订阅类业务，苹果将开放“订阅包 App 组合”（App Bundles）功能，允许多位开发者合作，将多款订阅应用打包，以低于单独订阅总价的形式对外销售。 这一模式有望帮助订阅型应用拓宽变现路径，也为用户提供更具性价比的订阅选择。 在企业和团体场景下，苹果也为开发者引入了新的订阅销售能力。 开发者可以基于新的选项，面向更大的团队或组织设计多用户的应用内购买体验，以支持按团队或群组集中采购和管理订阅。 整体来看，苹果此次围绕 App Store 的升级，核心在于通过个性化推荐和更丰富的营销工具，缓解应用发现难题，并提升开发者与现有用户之间的互动频率。 随着这些功能向更多地区与语言拓展，App Store 的应用分发与运营模式也将进一步从“榜单驱动”走向“数据与行为驱动”。 查看评论
话不多说，直接上代码表现： 旧代码 const editorConfigured = isDesktop && (claudeEnabled || cursorEnabled); const cliNeedsAttention = !cliStatus?.installed || (cliStatus.installed && !cliStatus.version_matches); const showCliCapabilityCard = isDesktop && !cliCardDismissed && cliNeedsAttention; const cliStatusText = !cliStatus ? t("dashboard.cliCardChecking") : cliStatus.installed ? cliStatus.version_matches ? t("dashboard.cliCardInstalled", cliStatus.version || cliStatus.recommended_version) : t("dashboard.cliCardUpgrade", cliStatus.version || "?", cliStatus.recommended_version) : t("dashboard.cliCardNotInstalled"); 新代码 const editorConfigured = isDashboardEditorConfigured(isDesktop, claudeEnabled, cursorEnabled); const showCliCapabilityCard = shouldShowCliCapabilityCard(isDesktop, cliCardDismissed, cliStatus); const cliStatusText = formatDashboardText(getCliStatusText(cliStatus), t); const cliStatusBadgeTone = getCliStatusBadgeTone(cliStatus); 这个 Skill 叫：Semantic Logic Modeling Skill ，直接 Github 搜也行。用于指导编码时如何处理复杂逻辑表达、条件分支、权限、校验、规则、流程、定价、排期、UI 状态以及任何“条件到结果”的判断。 直接告诉 Codex：用 semantic-logic-modeling skill 重构这段复杂业务逻辑。 然后就可以重构任何屎山了，地址在： https://github.com/sahadev/semantic-logic-modeling-skill
年初的时候 openclaw 刚火起来，我们惊讶于 Peter Steinberger 每天的开发效率，OpenClaw 峰值有 1 天 merge 600 commits 。我们便开始重新回顾和研究，开始一步步的向更高效率靠拢。 这小半年来我们从每天个位数的提交提升到数十次，巅峰期某天达到上百次，效率明显提升，所以我们把一点点的经验和使用的工具 Agentflow 和 it-runner 分享给大家。 （如下是 Agentflow 项目的最近提交截图） 先聊开发过程中的几个问题： 1 、手动操作和记忆消耗 AI 写代码的能力越来越强，但真正落到具体业务开发时，很多事情还是停留在“人肉调度”的阶段。 某个硬件或服务端项目，需要记住端口、环境变量、部署路径、上传方式、重启命令； 调试业务问题时，不只是跑单元测试，还要看日志、清缓存、重启服务、反复验证； 很多任务需要长期或重复运行，比如构建、部署、联调； AI 改完代码后，最好能自动执行固定流程，失败后继续让 AI 分析、修复、再验证， 避免开发者手动收集信息再转交。 这些事情单独看都不复杂，但每天重复很多次，就会非常消耗精力和考验记忆力 2 、并行开发和团队协作 我们经常同时跑多个项目、多个任务、多个 Agent 。以前用 tmux 、Cursor 、VSCode 也能跑，但时间一长会遇到几个问题： 不方便管理多个项目和多个任务； 不方便回看每个任务的历史记录； 不方便在手机或远程环境里查看进度、接手操作； 多个 Agent 同时改代码时，分支、目录、上下文容易混乱。 团队成员共同开发一个任务时，不方便共享上下文，也不容易看到其他人是怎么思考和推进任务的。 这一点在多人协作时尤其明显。 以前一个任务如果是多个人一起参与，很多上下文其实散落在微信群、飞书、终端记录、Git commit 、PR 描述里。别人要接手时，往往只能看到最终代码，很难知道前面是怎么思考的、试过哪些方案、为什么这么改。 在 AgentFlow 里，同一个任务可以由团队成员共享同一个面板。大家可以直接看到任务进度、Agent 的执行过程、其他成员写过的提示词、运行结果和后续处理思路。 这个体验对团队内部协作非常有帮助：新接手项目成员可以更快理解老成员是怎么拆解问题、怎么给 AI 下指令的；多人协作时，不需要反复同步“现在做到哪一步了”；接手任务的人也可以直接沿着前面的上下文继续推进。 成果分享 可以说 AgentFlow 不只是一个 AI 开发工具，也像是一个团队共同沉淀开发过程和业务理解的地方。 最终我们基于一些 kanban 类产品的使用体验，再结合内部孵化的 it-runner ，做出了 AgentFlow 。 官网地址： https://agentflow.geili.ai/ 简单来说，AgentFlow 想解决的是： 在浏览器里 ALL in One, 管理多个 AI 开发任务，让每个任务都可以独立运行、查看历史、执行固定流程，并且内置的 it-runner 完成测试、构建、部署、看日志、重启服务等动作。让开发者尽可能少的频繁切换终端或者 IDE. 以前很多任务需要人盯着终端一步一步操作，现在可以把流程固定下来，让 AI 改代码、跑命令、看结果、再继续修。我们团队现在每天 git commit 的次数明显变多，需求和修复都能更快推进，确实有点找到了点龙虾作者的感觉，当然还有非常大的距离。 我们也把 AgentFlow 推荐给了一些合作伙伴试用，反馈还不错。 当然，用下来也发现了一些问题。 在 AI 并行开发场景里，代码隔离非常重要。我们的体感是：一旦同时跑 2 ～ 3 个以上任务，git worktree 的收益就会非常明显。每个任务有独立目录，互相不影响，Agent 改坏了也比较好处理。 很多 kanban 类 AI 开发工具会强制使用 worktree 。 但我们发现，一部分开发者刚开始并不太习惯 worktree ，所以 AgentFlow 目前同时支持两种方式： 使用 git worktree ，适合多任务并行开发； 不使用 worktree ，适合刚开始体验或简单任务。 这样新手上手会更容易一些。等任务数量变多后，再逐步切换到 worktree 模式也可以。 免费及开源 目前 AgentFlow 还没有收费计划，先开放给大家体验，收集更多真实反馈。 https://agentflow.geili.ai/ it-runner 接下来也有开源的计划，可以先查看 https://agentflow.geili.ai/docs/it-runner/ 了解 我们也建了一个早期用户交流群，原因大家反馈问题、交流使用方式。后续如果有收费计划，早期用户会优先获得兑换码、优惠资格或较长时间的免费额度。 愿意支持顶贴的朋友，也可以留下邮箱，后续我们如上线兑换码时会统一发送 以下是 AgentFlow 的一些截图: 每个分支都可以单独运行相关 it-runner 任务 任务出错时，可以一键 ai 修复，并重启 每个分支独立的 git 、终端、文件等操作，不再需要打开 IDE 增加了新手引导，让上手更简单
年初的时候 openclaw 刚火起来，我们惊讶于 Peter Steinberger 每天的开发效率，OpenClaw 峰值有 1 天 merge 600 commits 。我们便开始重新回顾和研究，开始一步步的向更高效率靠拢。 这小半年来我们从每天个位数的提交提升到数十次，巅峰期某天达到上百次，效率明显提升，所以我们把一点点的经验和使用的工具 Agentflow 和 it-runner 分享给大家。 （如下是 Agentflow 项目的最近提交截图） 先聊开发过程中的几个问题： 1 、手动操作和记忆消耗 AI 写代码的能力越来越强，但真正落到具体业务开发时，很多事情还是停留在“人肉调度”的阶段。 某个硬件或服务端项目，需要记住端口、环境变量、部署路径、上传方式、重启命令； 调试业务问题时，不只是跑单元测试，还要看日志、清缓存、重启服务、反复验证； 很多任务需要长期或重复运行，比如构建、部署、联调； AI 改完代码后，最好能自动执行固定流程，失败后继续让 AI 分析、修复、再验证， 避免开发者手动收集信息再转交。 这些事情单独看都不复杂，但每天重复很多次，就会非常消耗精力和考验记忆力 2 、并行开发和团队协作 我们经常同时跑多个项目、多个任务、多个 Agent 。以前用 tmux 、Cursor 、VSCode 也能跑，但时间一长会遇到几个问题： 不方便管理多个项目和多个任务； 不方便回看每个任务的历史记录； 不方便在手机或远程环境里查看进度、接手操作； 多个 Agent 同时改代码时，分支、目录、上下文容易混乱。 团队成员共同开发一个任务时，不方便共享上下文，也不容易看到其他人是怎么思考和推进任务的。 这一点在多人协作时尤其明显。 以前一个任务如果是多个人一起参与，很多上下文其实散落在微信群、飞书、终端记录、Git commit 、PR 描述里。别人要接手时，往往只能看到最终代码，很难知道前面是怎么思考的、试过哪些方案、为什么这么改。 在 AgentFlow 里，同一个任务可以由团队成员共享同一个面板。大家可以直接看到任务进度、Agent 的执行过程、其他成员写过的提示词、运行结果和后续处理思路。 这个体验对团队内部协作非常有帮助：新接手项目成员可以更快理解老成员是怎么拆解问题、怎么给 AI 下指令的；多人协作时，不需要反复同步“现在做到哪一步了”；接手任务的人也可以直接沿着前面的上下文继续推进。 成果分享 可以说 AgentFlow 不只是一个 AI 开发工具，也像是一个团队共同沉淀开发过程和业务理解的地方。 最终我们基于一些 kanban 类产品的使用体验，再结合内部孵化的 it-runner ，做出了 AgentFlow 。 官网地址： https://agentflow.geili.ai/ 简单来说，AgentFlow 想解决的是： 在浏览器里 ALL in One, 管理多个 AI 开发任务，让每个任务都可以独立运行、查看历史、执行固定流程，并且内置的 it-runner 完成测试、构建、部署、看日志、重启服务等动作。让开发者尽可能少的频繁切换终端或者 IDE. 以前很多任务需要人盯着终端一步一步操作，现在可以把流程固定下来，让 AI 改代码、跑命令、看结果、再继续修。我们团队现在每天 git commit 的次数明显变多，需求和修复都能更快推进，确实有点找到了点龙虾作者的感觉，当然还有非常大的距离。 我们也把 AgentFlow 推荐给了一些合作伙伴试用，反馈还不错。 当然，用下来也发现了一些问题。 在 AI 并行开发场景里，代码隔离非常重要。我们的体感是：一旦同时跑 2 ～ 3 个以上任务，git worktree 的收益就会非常明显。每个任务有独立目录，互相不影响，Agent 改坏了也比较好处理。 很多 kanban 类 AI 开发工具会强制使用 worktree 。 但我们发现，一部分开发者刚开始并不太习惯 worktree ，所以 AgentFlow 目前同时支持两种方式： 使用 git worktree ，适合多任务并行开发； 不使用 worktree ，适合刚开始体验或简单任务。 这样新手上手会更容易一些。等任务数量变多后，再逐步切换到 worktree 模式也可以。 免费及开源 目前 AgentFlow 还没有收费计划，先开放给大家体验，收集更多真实反馈。 https://agentflow.geili.ai/ it-runner 接下来也有开源的计划，可以先查看 https://agentflow.geili.ai/docs/it-runner/ 了解 我们也建了一个早期用户交流群，原因大家反馈问题、交流使用方式。后续如果有收费计划，早期用户会优先获得兑换码、优惠资格或较长时间的免费额度。 愿意支持顶贴的朋友，也可以留下邮箱，后续我们如上线兑换码时会统一发送 以下是 AgentFlow 的一些截图: 每个分支都可以单独运行相关 it-runner 任务 任务出错时，可以一键 ai 修复，并重启 每个分支独立的 git 、终端、文件等操作，不再需要打开 IDE 增加了新手引导，让上手更简单
有没有具体的细则比如发帖和回帖各加多少经验，以及在哪儿能看到自己经验的变化，有入口么 6 个帖子 - 5 位参与者 阅读完整话题
年初的时候 openclaw 刚火起来，我们惊讶于 Peter Steinberger 每天的开发效率，OpenClaw 峰值有 1 天 merge 600 commits 。我们便开始重新回顾和研究，开始一步步的向更高效率靠拢。 这小半年来我们从每天个位数的提交提升到数十次，巅峰期某天达到上百次，效率明显提升，所以我们把一点点的经验和使用的工具 Agentflow 和 it-runner 分享给大家。 （如下是 Agentflow 项目的最近提交截图） 先聊开发过程中的几个问题： 1 、手动操作和记忆消耗 AI 写代码的能力越来越强，但真正落到具体业务开发时，很多事情还是停留在“人肉调度”的阶段。 某个硬件或服务端项目，需要记住端口、环境变量、部署路径、上传方式、重启命令； 调试业务问题时，不只是跑单元测试，还要看日志、清缓存、重启服务、反复验证； 很多任务需要长期或重复运行，比如构建、部署、联调； AI 改完代码后，最好能自动执行固定流程，失败后继续让 AI 分析、修复、再验证， 避免开发者手动收集信息再转交。 这些事情单独看都不复杂，但每天重复很多次，就会非常消耗精力和考验记忆力 2 、并行开发和团队协作 我们经常同时跑多个项目、多个任务、多个 Agent 。以前用 tmux 、Cursor 、VSCode 也能跑，但时间一长会遇到几个问题： 不方便管理多个项目和多个任务； 不方便回看每个任务的历史记录； 不方便在手机或远程环境里查看进度、接手操作； 多个 Agent 同时改代码时，分支、目录、上下文容易混乱。 团队成员共同开发一个任务时，不方便共享上下文，也不容易看到其他人是怎么思考和推进任务的。 这一点在多人协作时尤其明显。 以前一个任务如果是多个人一起参与，很多上下文其实散落在微信群、飞书、终端记录、Git commit 、PR 描述里。别人要接手时，往往只能看到最终代码，很难知道前面是怎么思考的、试过哪些方案、为什么这么改。 在 AgentFlow 里，同一个任务可以由团队成员共享同一个面板。大家可以直接看到任务进度、Agent 的执行过程、其他成员写过的提示词、运行结果和后续处理思路。 这个体验对团队内部协作非常有帮助：新接手项目成员可以更快理解老成员是怎么拆解问题、怎么给 AI 下指令的；多人协作时，不需要反复同步“现在做到哪一步了”；接手任务的人也可以直接沿着前面的上下文继续推进。 成果分享 可以说 AgentFlow 不只是一个 AI 开发工具，也像是一个团队共同沉淀开发过程和业务理解的地方。 最终我们基于一些 kanban 类产品的使用体验，再结合内部孵化的 it-runner ，做出了 AgentFlow 。 官网地址： https://agentflow.geili.ai/ 简单来说，AgentFlow 想解决的是： 在浏览器里 ALL in One, 管理多个 AI 开发任务，让每个任务都可以独立运行、查看历史、执行固定流程，并且内置的 it-runner 完成测试、构建、部署、看日志、重启服务等动作。让开发者尽可能少的频繁切换终端或者 IDE. 以前很多任务需要人盯着终端一步一步操作，现在可以把流程固定下来，让 AI 改代码、跑命令、看结果、再继续修。我们团队现在每天 git commit 的次数明显变多，需求和修复都能更快推进，确实有点找到了点龙虾作者的感觉，当然还有非常大的距离。 我们也把 AgentFlow 推荐给了一些合作伙伴试用，反馈还不错。 当然，用下来也发现了一些问题。 在 AI 并行开发场景里，代码隔离非常重要。我们的体感是：一旦同时跑 2 ～ 3 个以上任务，git worktree 的收益就会非常明显。每个任务有独立目录，互相不影响，Agent 改坏了也比较好处理。 很多 kanban 类 AI 开发工具会强制使用 worktree 。 但我们发现，一部分开发者刚开始并不太习惯 worktree ，所以 AgentFlow 目前同时支持两种方式： 使用 git worktree ，适合多任务并行开发； 不使用 worktree ，适合刚开始体验或简单任务。 这样新手上手会更容易一些。等任务数量变多后，再逐步切换到 worktree 模式也可以。 免费及开源 目前 AgentFlow 还没有收费计划，先开放给大家体验，收集更多真实反馈。 https://agentflow.geili.ai/ it-runner 接下来也有开源的计划，可以先查看 https://agentflow.geili.ai/docs/it-runner/ 了解 我们也建了一个早期用户交流群，原因大家反馈问题、交流使用方式。后续如果有收费计划，早期用户会优先获得兑换码、优惠资格或较长时间的免费额度。 愿意支持顶贴的朋友，也可以留下邮箱，后续我们如上线兑换码时会统一发送 以下是 AgentFlow 的一些截图: 每个分支都可以单独运行相关 it-runner 任务 任务出错时，可以一键 ai 修复，并重启 每个分支独立的 git 、终端、文件等操作，不再需要打开 IDE 增加了新手引导，让上手更简单
年初的时候 openclaw 刚火起来，我们惊讶于 Peter Steinberger 每天的开发效率，OpenClaw 峰值有 1 天 merge 600 commits 。我们便开始重新回顾和研究，开始一步步的向更高效率靠拢。 这小半年来我们从每天个位数的提交提升到数十次，巅峰期某天达到上百次，效率明显提升，所以我们把一点点的经验和使用的工具 Agentflow 和 it-runner 分享给大家。 （如下是 Agentflow 项目的最近提交截图） 先聊开发过程中的几个问题： 1 、手动操作和记忆消耗 AI 写代码的能力越来越强，但真正落到具体业务开发时，很多事情还是停留在“人肉调度”的阶段。 某个硬件或服务端项目，需要记住端口、环境变量、部署路径、上传方式、重启命令； 调试业务问题时，不只是跑单元测试，还要看日志、清缓存、重启服务、反复验证； 很多任务需要长期或重复运行，比如构建、部署、联调； AI 改完代码后，最好能自动执行固定流程，失败后继续让 AI 分析、修复、再验证， 避免开发者手动收集信息再转交。 这些事情单独看都不复杂，但每天重复很多次，就会非常消耗精力和考验记忆力 2 、并行开发和团队协作 我们经常同时跑多个项目、多个任务、多个 Agent 。以前用 tmux 、Cursor 、VSCode 也能跑，但时间一长会遇到几个问题： 不方便管理多个项目和多个任务； 不方便回看每个任务的历史记录； 不方便在手机或远程环境里查看进度、接手操作； 多个 Agent 同时改代码时，分支、目录、上下文容易混乱。 团队成员共同开发一个任务时，不方便共享上下文，也不容易看到其他人是怎么思考和推进任务的。 这一点在多人协作时尤其明显。 以前一个任务如果是多个人一起参与，很多上下文其实散落在微信群、飞书、终端记录、Git commit 、PR 描述里。别人要接手时，往往只能看到最终代码，很难知道前面是怎么思考的、试过哪些方案、为什么这么改。 在 AgentFlow 里，同一个任务可以由团队成员共享同一个面板。大家可以直接看到任务进度、Agent 的执行过程、其他成员写过的提示词、运行结果和后续处理思路。 这个体验对团队内部协作非常有帮助：新接手项目成员可以更快理解老成员是怎么拆解问题、怎么给 AI 下指令的；多人协作时，不需要反复同步“现在做到哪一步了”；接手任务的人也可以直接沿着前面的上下文继续推进。 成果分享 可以说 AgentFlow 不只是一个 AI 开发工具，也像是一个团队共同沉淀开发过程和业务理解的地方。 最终我们基于一些 kanban 类产品的使用体验，再结合内部孵化的 it-runner ，做出了 AgentFlow 。 官网地址： https://agentflow.geili.ai/ 简单来说，AgentFlow 想解决的是： 在浏览器里 ALL in One, 管理多个 AI 开发任务，让每个任务都可以独立运行、查看历史、执行固定流程，并且内置的 it-runner 完成测试、构建、部署、看日志、重启服务等动作。让开发者尽可能少的频繁切换终端或者 IDE. 以前很多任务需要人盯着终端一步一步操作，现在可以把流程固定下来，让 AI 改代码、跑命令、看结果、再继续修。我们团队现在每天 git commit 的次数明显变多，需求和修复都能更快推进，确实有点找到了点龙虾作者的感觉，当然还有非常大的距离。 我们也把 AgentFlow 推荐给了一些合作伙伴试用，反馈还不错。 当然，用下来也发现了一些问题。 在 AI 并行开发场景里，代码隔离非常重要。我们的体感是：一旦同时跑 2 ～ 3 个以上任务，git worktree 的收益就会非常明显。每个任务有独立目录，互相不影响，Agent 改坏了也比较好处理。 很多 kanban 类 AI 开发工具会强制使用 worktree 。 但我们发现，一部分开发者刚开始并不太习惯 worktree ，所以 AgentFlow 目前同时支持两种方式： 使用 git worktree ，适合多任务并行开发； 不使用 worktree ，适合刚开始体验或简单任务。 这样新手上手会更容易一些。等任务数量变多后，再逐步切换到 worktree 模式也可以。 免费及开源 目前 AgentFlow 还没有收费计划，先开放给大家体验，收集更多真实反馈。 https://agentflow.geili.ai/ it-runner 接下来也有开源的计划，可以先查看 https://agentflow.geili.ai/docs/it-runner/ 了解 我们也建了一个早期用户交流群，原因大家反馈问题、交流使用方式。后续如果有收费计划，早期用户会优先获得兑换码、优惠资格或较长时间的免费额度。 愿意支持顶贴的朋友，也可以留下邮箱，后续我们如上线兑换码时会统一发送 以下是 AgentFlow 的一些截图: 每个分支都可以单独运行相关 it-runner 任务 任务出错时，可以一键 ai 修复，并重启 每个分支独立的 git 、终端、文件等操作，不再需要打开 IDE 增加了新手引导，让上手更简单