过去一阵子我陆续用AI写了三个 AI 应用:一个跑在终端里的编程智能体,一个每天自动抓取行业资讯的聚合工具,一个能与 61 位思想家对话的知识画廊。不过都差不多已经荒废了,咳咳。
三个项目看起来毫不相干,但起点是同一个:现有工具都缺一块,而那一块恰好是我每天都要用的。
这篇文章咱们不谈产品理念,只讲每个项目里最关键的一个设计决策,以及为它付出的代价。
一、yingzi-kwh:先给 diff,再动文件(小玩具)
为什么做
市面上的命令行 AI 编程工具已经不少,但它们普遍有一个共同问题:改动是不可见的。
模型说“我已经修改了三个文件”,你只能事后执行 git diff 才知道到底改了什么。对于小改动还可以接受,一旦涉及跨文件重构,事后检查的成本往往超过自己动手。
所以在设计 yingzi-kwh 时,我把“改动可见”放在了第一位。
关键设计:diff 先行
智能体在写文件之前,必须先生成变更对比并展示出来,用户确认后才落盘。这个顺序看似只影响体验,实际上改变了整个交互模型:
- 模型从“执行者”变成“提案者”
- 用户可以只接受部分变更
- 出错时的回滚成本从“翻 git 历史”降到“直接拒绝”
配套的还有 Git 原生集成——查看仓库状态、diff、提交历史、切换分支,全部在对话内完成,不需要切窗口。
另外两块:代码索引与自主规划
项目目录一旦超过几百个文件,模型的上下文就不够用了。所以做了一个轻量的文件索引,支持基于关键词的代码检索,让模型按需拉取相关片段,而不是把整个仓库塞进去。
自主规划则解决另一个问题:复杂任务如果一口气交给模型,它容易在中途偏离。现在的做法是检测到复杂任务时先生成执行计划,把大任务拆成几步,每步做完再进入下一步。
代价
diff 先行意味着每一步都要多一次确认。对于“改个变量名”这类小改动,这个流程其实更慢。
后来的处理办法是分级:单文件小改动直接执行并展示结果,跨文件改动才强制确认。这个阈值现在还是拍脑袋定的,没有找到更好的标准。
二、ai-news-agent:把“抓新闻”变成一件不需要人管的事
为什么做
AI 行业的信息散落在几十个博客、公告页和 RSS 源里。我原来的做法是每天早上刷半小时文章或者某音,效率极低,而且漏掉的东西完全不知道。
这个项目的目标很朴素:每天早上打开就能看到昨天发生了什么,不用自己去翻。
关键设计:双通道抓取
最早只做了 RSS 直连,问题是很多信息源没有标准 RSS,或者字段残缺。
后来引入 Agent 模式:让模型自己带着网络工具去访问信息源,把页面内容整理成结构化数据。效果确实好,但有两个现实问题——依赖外部模型服务的额度,且响应慢。
最终的做法是双通道:优先走 Agent,未配置密钥时自动回退到直连 RSS/Atom。这个“开箱即用”的设计后来被证明是整个项目最实用的部分——任何人拿到代码,不配任何密钥也能跑起来。
第二块:实时推送与离线缓存
后端通过 SSE 把新抓到的资讯直接推到前端,新消息带角标提醒,不需要轮询。
离线能力是后来补的:Service Worker 缓存应用外壳,localStorage 缓存已抓取的资讯。弱网环境下打开,历史记录仍然可读。(AI写的)
踩过的坑
重复抓取。 定时任务重跑一次,同一个时间窗内的新闻会入库两次。解决办法是在写入前按链接和标题做去重,以日期作为批次键。
静默失败。 有一段时间任务每天照常运行,但实际连续一周没有抓到东西——因为某个源改版了,解析全部失败,而程序没有报错。这件事之后加了两条:每个源单独记录成功/失败,连续失败超过阈值就在界面上标红。
存储选型。 没有引入数据库,直接用 JSON 文件。好处是没有原生依赖、打包简单;坏处是数据量上去以后写入会变慢。目前的数据规模还能接受。
三、philosophers-gallery:让人格“可验证”
为什么做
让 AI 扮演历史人物,最大的问题不是不像,而是编造。
它会用康德的口吻讲一件康德死后才发生的事,会因为语料里恰好有相似表述就信誓旦旦地引用一句并不存在的原话。用户很难分辨哪些是真的、哪些是模型编的。
这个项目想解决的就是这件事:我自己比较好奇这些人在AI下会怎样对话
关键设计一:人格编译
最早的做法是给每位思想家手写一段系统提示词,写完 61 位之后问题暴露了:风格不统一、改一条规则要改六十处、无法知道某个约束到底有没有生效。
后来改成编译式:每位思想家对应一份十九字段的结构化档案(身份、核心概念、代表命题、方法论、代表著作、论证偏好、表达禁忌等),加上一份风格档,由编译器生成人格约束模板,并写入版本标记。编译失败时自动回退到预置文本,保证功能不中断。
关键设计二:双层评测
这是整个项目里我最看重的部分。
- 离线评测:不调用模型,只检查编译产物里该有的条款在不在、该禁的内容有没有漏掉。可以进持续集成,每次改动都跑。
- 在线评测:真实调用模型,用预置规则判定回答是否满足基准——比如“被问到身后事件时是否明确表示自己不知情”。
有了这两层,“像不像康德”就不再是一句个人判断,而是可以复现的结论。
关键设计三:时代语境
同一个思想家在一九〇〇年、二〇二六年的思考会有什么不同?这个问题如果只是让模型自由发挥,结果无法归因。
做法是把事件卡作为独立层注入人格,并写入时代标记。这样两版回答的差异只能归因于时代层,而不是随机波动。
关键设计四:隐私前置
画廊里有一个“思考漂流瓶”的模块:用户写下一条想法,由主题匹配到的思想家作答。
这个功能天然涉及用户内容,所以授权的三项控制——用途范围、一键撤销、彻底删除——从第一版就内置,而不是后来补的。删除会同时移除原文、匹配记录和衍生回答,不进入任何回收位置。
代价
编译式人格的前期成本远高于手写。写一个编译器、设计十九个字段、迁移已有的六十份提示词,前后花了很长时间。
如果只做三五个思想家,手写更快。但当数量上到六十位、并且需要持续迭代时,编译式的优势才显现出来。
四、三个项目的共同点
回头看,这三个项目其实在解决同一个问题:AI 的产出必须可验证,而且想要解决我个人的真实需求。
- 编程智能体用 diff 让改动可验证
- 新闻工具用去重和失败告警让数据可信
- 思想画廊用评测集让人格表现可复现
没有可验证性的 AI 应用,本质上是一个语气自信的黑盒。它给你错误答案时的口吻,和给正确答案时一模一样。
结语
三个项目都开源在 GitHub(账号 yingzikwh),代码不算精致,很多地方是为了解决我的需求问题而临时长出来的。
但它们之前我经常使用——这大概是衡量一个工具是否有价值最朴素的标准。即便现在没用了,但我也希望有能力的人继续下去。
如果其中某个设计对你有用,欢迎直接拿走。
作者:陈栩(影子kwh),从事 AI 应用开发与 AI 能力培训。
本文仅代表个人观点。