AI 实干派 看真正用 AI 拿到结果的人怎么做
AI 实干派 026 · 2026 年 11 月 4 日 · 周三 · 约 7 分钟读完

一个月写出八万行 Windows 代码,笔记本上的小模型看权重猜出游戏

30 秒速读

工作提效·本周演示·2026-11-04·CN

谁·场景
独立开发者 Tw93,Mac 软件 Mole(Swift + SwiftUI)的作者,要做一个原生 Windows 版(C# + WinUI 3)。
怎么用
代码和 Claude Code 留在 Mac 上,编译和运行交给 Parallels 虚拟机,用脚本把崩溃日志回传给 AI;设计 token 和 11 种语言的文案用脚本同步,再用一份 SYNC.md 核对两边功能。
结果
他说一个月写了 8 万多行代码、4000 多个测试,几位天使用户试用后反馈解决了不少痛点。
你可以试
如果你要维护两个版本的产品,先建一份对账表:每个功能写清已实现、刻意不同还是不适用,以及理由。
注意
Windows 签名绕不开:他买了 3 年 300 多美元的云端 OV 证书,签名会话闲置几小时就断,所以很难做成云端自动打包。

少数派作者 Tw93 在这篇文章里讲了 Mole Windows 版的做法。他先让 AI 分析十几万行 Swift 代码,能脱离 macOS 框架复用的不到 20%,所以决定从零重写。他把架构分成四层:Core 只依赖 .NET,用模拟的 Windows 文件系统测试;Platform 层开启 EnableWindowsTargeting 后在 Mac 上也能编译;ViewModel 和 Mac 版一一对应;只有最上层界面必须在 Windows 里编译。架构由他出思路,大部分实现交给 Opus 5.5。

调试也由脚本串起来。仓库作为共享文件夹挂进虚拟机,用 prlctl exec 远程编译、启动;程序崩溃时,Windows 只报一个 0xc000027b,Mole 会把真正的异常写进日志,打印出来给 Claude 读。需要点界面的地方交给 Codex 的 computer use,他自己只负责点系统确认弹框。虚拟机测不准的高分屏、电池和 SmartScreen,放到一台永不休眠的 ThinkPad 上回归测试,覆盖 400 多款软件的卸载和残留清理。

他的结论是:代码抽象没那么重要了,规则抽象更重要。两边同步时,他会记下对应的是 Mac 的哪个提交,防止 AI 跑偏。用 AI 做跨平台,可以先拿这两条规矩试。

原文:少数派
工作提效·本周演示·2026-11-04·US

谁·场景
FPV Ventures 合伙人 Nikunj Kothari,在副项目里长期用 Claude Code 和 Codex。
怎么用
cron 每两周运行 /insights,看自己的配置哪里能改;再用 /playground 把 GitHub 项目架构和工作流画出来,并让 Codex 和 Claude Code 一起找死代码、热点路径和延迟问题。
结果
他把这称为一个自我改进的循环:一边是自己的使用记录,一边是收藏的行业新做法。
你可以试
用 Claude Code 的人,今天先手动跑一次 /insights,挑一条建议改进配置,两周后再跑一次对比。
注意
这套做法依赖 Claude Code 的内置技能,他也没有给出具体提效的数字。

Nikunj Kothari 在 X 上说,他最常用、但别人很少用的两个 Claude Code 默认技能是 /insights 和 /playground。前者他设成 cron 定时任务,每两周运行一次,告诉他怎样升级自己的设置;他再拿 X 收藏夹里别人搭「软件工厂」的新做法来对照。

/playground 他用来可视化:看陌生 GitHub 仓库的架构,或者在副项目里模拟一整套学习流程。他最近的用法是让 Codex 和 Claude Code 一起用这个技能,找出死代码、热点路径和可以降延迟的地方。

可借鉴的是复盘的节奏,用哪个具体命令是次要的。多数人配好工具后就不再动,定期让 AI 读一遍自己的使用记录,能发现没用上的功能。换成其他工具,也可以每两周导出一次使用记录,让模型给出三条改进建议。

AI 生活·本周演示·2026-11-04·US

谁·场景
写 AI 实用教程的 Peter Yang,在测试 Grok 新的代打电话功能。
怎么用
用一句话交代目标、账户信息和底线,让 Grok 替你拨号、等待、谈判,再要回确认号或整理成表格。
结果
他给出了五个提示词模板,另外录了一段真实通话的演示视频。
你可以试
在美国有账单要谈的,可以照他的模板写:现在付多少、竞品报价多少、要什么结果、拿到确认号才算完成。
注意
目前只能拨美国号码;要交出账户信息,需要身份验证的环节可能仍得本人出面。

Peter Yang 在 X 上列了五个场景,每个都给了可以直接改用的提示词:

- 谈账单:「我每月付 Comcast 84 美元,竞争对手报价 49 美元,要求降价。」
- 退订阅:提供健身房账户信息,拒绝所有挽留优惠,拿到确认号。
- 等人工:给出航班确认码,一直排队到真人接听,要求全额退款。
- 订餐厅:周五 7 点 4 人,订不到的话 6 点到 8 点都行。
- 比价:给三家承包商打电话,问热水器更换的报价和最早开工日期,整理成表格。

这些提示词的共同点是写清现状、目标、可接受的范围和完成标准。范围让 AI 有谈判空间,确认号让你事后能核对。把账户信息交给 AI 之前,只提供这一次通话需要的信息就够了。

AI 认知·观点访谈·2026-11-03·US

谁说的
开发者 Simon Willison,在博客上复现一篇热门论文的实验,2026-11-03。
核心观点
他认为这篇论文把两件事混在了一起:模型不借助工具读懂权重,以及模型写代码改进别的模型。前者更有意思,但外界的引申言过其实。
依据
他用 LM Studio 在本地运行 Qwen 3.8 27B,它猜对了 Pac-Man、Pong、Breakout,没猜出更冷门的 Freeway;Kimi K3.1 Pro 用 9 分 41 秒猜对了 Breakout。
对你的意义
看到「AI 已经能 X」这类热门论文,可以学他:拿论文公开的提示词,自己找一个模型跑一次。
争议·条件
他认为一个有经验的人拿纸笔,花足够功夫也能做到;Matthew Honnibal 批评这篇论文有误导性,Sean Goedecke 则指出改进小模型的步骤和人类研究员一样。

一篇论文称 GPT-6 Astra 能直接读写模型权重,Simon Willison 拿论文仓库里的提示词做了复现:把四个网格小游戏策略网络的浮点权重喂给模型,要求它不用任何工具,判断网络是为哪个游戏训练的。

他用自己写的 llm 工具配合 LM Studio,在笔记本上运行 Qwen 3.8 27B。默认的 8192 上下文会报错,超时也要调到 900 秒。Pac-Man 用了 46 分钟、4.3 万个推理 token,Pong 用了 1 小时 4 分钟,Breakout 用了 52 分钟,置信度分别是 72%、75%、88%。推理过程几乎看不懂。

他的态度值得照着做:承认能力确实存在,但不跟着下大结论。他说自己还没准备好宣布源代码时代结束。读者判断这类新闻时,看一个可以本地复现的例子,比看转发评论更有用。

AI 认知·观点访谈·2026-11-03·US

谁说的
Box CEO Aaron Levie;Claude Code 早期团队成员 Cat Wu,两人都在 2026-11-03 发帖。
核心观点
Levie 的判断是:AI 已被广泛采用,但人和人之间产出的差距反而是历来最大,紧跟前沿和完全不关注,产出可能差一个数量级。
依据
Cat Wu 回忆,刚上线时多数人手动批准每个权限,主要拿 Claude 答问题、写测试;现在默认是信任 Claude 自动批准,用它做大型迁移和新产品。
对你的意义
检查自己交给 AI 的任务还停在哪一级:问答和写测试,还是能独立跑完的长任务。
争议·条件
5 到 10 倍是 Levie 按领域给的上限估计,不是测量结果,普通使用者到不了。

Aaron Levie 在 X 上写道,几年前即使在最适合 AI 的编程领域,熟练使用者大约能提效 30% 到 50%,还要花不少时间收拾模型的错误。现在模型能更长时间独立工作,工具支持同时用多个 agent,他估计提效上限已到 5 到 10 倍,并预计差距会继续扩大。

离开 Anthropic 的 Cat Wu 在告别帖里提供了一个使用侧的变化:她两年前用内部版 Claude Code 搭了一个强化学习环境,引导了几十个小时,自己没写一行代码。用户的习惯也从逐条批准权限变成了默认信任自动批准。

对读者有用的是这条变化路径:先放手让 AI 做小任务,建立检查机制后再放开权限和任务长度。

今天可以做的一件事

从你手上的工作里,挑一个以前只让 AI 回答问题的环节,改成一个它能独立跑完的小任务,比如让它整理一份表格并自己检查一遍。先学 Tw93,写一份三行的对账规则:输入是什么,产出应该长什么样,哪一步由你验收。做完后记下总耗时和你改了几处。两周后再做一次,看看这几处有没有减少。