从广度到深度：AI Agent 赛道的三条进化路径

最近 AI Agent 赛道的热闹程度，简直让人有点目不暇接。
前有 Manus “全能助理”的被 Meta 收购，后有 Claude Cowork 开始进驻你的桌面，而就在昨天，Atoms.dev 这种专注“工程化”的选手也入场了
AI Agent 已经从“聊天机器人”进化到了“生产力引擎”阶段，但如果你仔细观察，会发现它们的进化路径完全不同。

1. Manus：无所不能的“通用 Agent”

Manus 就像是一个数字世界的“瑞士军刀”。它的强大在于其普适性。
无论是帮你写一份复杂的行业报告、修一张图，还是处理那些非结构化的日常杂活，Manus 都能通过其强大的自主决策能力搞定。它提升的是个人效率的下限，让每一个普通人都能拥有一个“超人助理”。

2. Claude Cowork：深度集成的“协作型 Agent”

Claude Cowork 则代表了另一种思路：深度集成与本地协作。
与 Manus 这种云端 Agent 不同，Claude Cowork 强调的是对本地文件系统的直接访问和处理。它能直接读写你的本地文件，帮你整理下载文件夹、处理收据、甚至生成带公式的 Excel。
它的核心价值在于“在你的工作流中工作”。它不是要取代你的某个工具，而是要成为你桌面端的一个“隐形同事”，帮你处理那些需要频繁读写本地数据的繁琐任务。

3. Atoms.dev：硬核的“工程化 Agent”

如果说 Manus 是你的助理，那 Atoms.dev 更像是一个高度协同的专业工程团队。
它不追求“什么都能干”，而是专注于将一个商业想法，自动化地变成一个能落地的产品。它的多智能体（Multi-agent）架构——从产品经理 Emma 到工程师 Alex——将复杂的软件工程和商业落地流程进行了标准化。
对于想要快速验证想法、构建系统的“专业创造者”来说，Atoms.dev 提升的是创造价值的上限。它让“一个人就是一个公司”不再是口号，而是变成了可操作的工程流程。

三者对比：谁才是你的菜？

为了方便大家理解，我整理了一份简单的对比表：
特性         | Manus                        | Atoms.dev                          | Claude Cowork
---------------------------------------------------------------------------------
核心定位  | 通用型全能助理         | 工程化创业团队                  | 协作型本地助手
擅长领域  | 杂活处理、信息整合 | 软件开发、业务落地           | 文件管理、本地数据处理
交互方式  | 云端对话、自主执行 | 团队流程化协作                  | 桌面端集成、直接操作文件
价值主张  | 解放个人生产力        | 把想法变成可销售的 产品  | 优化现有办公工作流

一点思考

现在的 Agent 赛道，已经从“卷模型”转向了“卷场景”
  • Manus 解决的是“广度”问题，让 AI 渗透进生活的方方面面
  • Claude Cowork 解决的是“粘度”问题，让 AI 真正长在你的桌面上
  • Atoms.dev 解决的是“深度”问题，让 AI 承载起复杂的商业逻辑
这不再是单纯的竞争，而是一场关于“未来工作方式”的实验。我们正处于一个分水岭：AI 不再只是一个可以对话的窗口，而是一个可以交付结果的实体。
所以，Atoms.dev 会是下一个 Manus 吗？或者 Claude Cowork 会后来居上？
我想，答案并不重要。重要的是，当这些工具开始各司其职时，我们作为“人类指挥官”，终于可以从那些琐碎的执行中抽身，去思考更具创造性的问题了。
既然都能 Vibe Coding、Vibe Business 甚至 Vibe Cowork 了，那还有什么理由不去试试呢？
Versun
因为2胎，最近和公司申请下半年居家办公，不到半小时就通过了，早知道申请永久了🤣
Original
哈哈，公司刚发R2O倡议，我就又申请了一年的居家办公！同事都在菲律宾，在哪不是远程呢，这下能安心在家带娃了😇

给博客的评论模块新增邮件通知功能，有留下邮箱的朋友，收到回复时会第一时间收到邮件提醒，再也不会错过任何互动～虽然没什么人留言😆
New reply to your comment

Stitch, Figma Make, Lovable设计对比

使用 Opus 4.5 输出的设计文档，分别在 Stitch、Lovable、Figma Make 生成，效果截图如下:
总结：
Stitch：最好看但只有UI，不可用
Lovable：第二好看，且可用，是完整的应用
Figma Make：。。。
Stitch

Lovable

Figma Make

后端仔用Flutter踩坑实录：说好的一套代码呢

这两天在使用 Flutter 整个笔记工具，准备做 Web 和手机端。
我做为一名后端程序员，对前端和Dart一窍不通。

跟着教程和AI折腾，堆了快两万行。真到要调样式的时候，傻眼了。
想的是：改好手机端的布局，Web端应该自适应跟着好了。
实际上：手机端调舒服了，打开Web一看，排版全乱。回头修Web的样式，手机上的组件位置又不对了。两边互相拉扯，根本解不开。

我也按大家说的，用了MediaQuery区分屏幕，用LayoutBuilder搞响应式。但实际用起来，总有些细节对不上：手机上一个挺合适的列表间距，到Web大屏上就显得特别稀疏；Web上完美的按钮大小，到手机小屏上可能就点不准。

现在有点怀疑，“一套代码多端运行”是不是被过度简化了。它或许能解决基础布局和业务逻辑的复用，但到了像素级的精细适配，尤其是平台间交互习惯差异巨大的时候，好像还是得为不同平台写不少条件判断（if (Platform.isAndroid)）和独立样式。

目前的感觉是，Flutter像是个很好的“最大公约数”工具，能快速出个能用的多端原型。但一旦你对任何一端的体验有较高要求，当初省下来的时间，可能最后都得在调试和适配里还回去，总不能自己搞一套组建库吧

对我这种后端思维的人来说，现在反而觉得：如果明确就是要做精品的手机App，或许一开始让AI生成两套原生代码（Kotlin + Swift），逻辑虽然要写两遍，但每一端的控制和优化路径反而更清晰，心里更踏实。

不知道有没有同样从后端转过来做Flutter的朋友，你们是怎么处理这种多端细节适配的？是真的有优雅的统一方案，还是说大家到最后都默默接受了“写点平台特定代码”的现实？
受宠若惊，第一次在小红书发技术贴，竟然就99+的赞了
小红书截图

Stitch 补齐了最后一块 UI 设计拼图

最近深度体验了 Google 刚推出的 AI 设计应用 Stitch，效果很惊艳！果然还得是 Google 亲自动手才能把 Gemini 的上限发挥出来。
Stitch 基于 Gemini 3.0 系列模型，直接通过 HTML+CSS 生成 UI 界面，并支持一键导出到 Figma！终于不用在 Cursor 或 Gemini CLI 里反复磨样式了。
我现在的 Vibe Coding 闭环基本形成了：Claude Code 掌舵全能产品经理，Stitch 负责 UI 设计，Codex 搞定底层编码。
接着就是期待 DeepSeek 大年三十的新模型了，希望能让我睡不着，哈哈

PS: 可以看看我最近在做的 AI 笔记的界面，就是 Stitch 生成的，很不错吧：
UI 界面设计图

为什么几乎没人用 Flutter

最近一直想做个有活人感的 AI 生活助理应用。这两天纠结用 electron 还是 tauri 的时候，突然想起谷歌的 flutter。它能支持全平台，移动端比 tauri 好很多，又稳定，“内存”占用也小，还是强类型的 dart语言，看起来特别完美。
可好像没什么人用它，这是为啥呢？我真的挺疑惑的。

好用的桌面平铺管理工具: Amethyst

之前一直用 yabai，功能确实强，但没有图形界面，配置起来挺麻烦，还要关 SIP 安全，用着总觉得不太顺手。
今天终于找到这个替代品 Amethyst，有 GUI 界面，默认设置就已经很好用了，还不用关 SIP，推荐试试看。
A tiling window manager for macOS

我的配置：
开启 Swap windows using mouse 和 Resize windows using mouse
Screen Padding 左边设置为 85px，以适配台前调度功能

update:
2026-01-09: 搭配台前调度还是有点问题，所以最后使用 bentobox 了，可以自定义分区，算是折中的方法。页可以使用免费的 Tile

Vibe Coding，得小白者得天下

最近一直在琢磨：既然写代码都能 Vibe Coding 了，凭啥部署和服务器还得自己折腾？
之前那种“本地写码 + 手动部署”的模式还是太重了，维护服务器和CDN等一系列成本也高。

平时我们聊 Cursor、Claude、Opencode等等这些工具，强确实强，甚至可以说是颠覆性的，但讲真，这些对大部分普通人来说门槛还是太高了，有点远。

Manus 之所以能成，我觉得就是因为它抓住了打工人最烦的那点事儿，修 PPT、写报告、改图，这种谁都不想干、但又不得不干的杂事，只要 AI 能搞定且结果可用，他们是真愿意掏钱买个清净。

同样，很多小白也想自己搭个网站或 App玩玩，但一提到配置环境、买域名、搞服务器，直接就劝退了。
所以像 v0、Lovable 这种工具才对味儿，从部署到登录、甚至支付接口，一条龙全包了。这种“无限接近用户、输出即所得”的体验，才是真的香！

比起去卷那些极客工具，我今年打算换个赛道，盯着“ AI 怎么面向普通人落地”。

所以我最近专门调研了一些以前“看不上”的、面向小白的 Vibe Coding 工具，还让 Manus 整理了一份对比报告。重点在自动部署、用户认证和支付系统这几项，不仅适合小白，对想快速上线、不想踩服务器坑的开发者来说也挺香的。
先分享给大家，如果你手头有更好用的，求推荐！

报告文档：
AI_网站构建与部署平台完整对比分析.docx 15.7 KB
找了一圈发现，市面上竟然还没有能统一管理 MCP 和 Skill 并支持一键安装的工具。
这种基建级的刚需居然还是空白，确实有点离谱。
反手让 Manus 跑了份报告，结论意料之中：市场机遇极高。
需求已经在这了，各位大佬谁先整出个 MVP 试试水？这可能是今年最稳的 AI 赛道切入点了。
wwwgoubuli
我不知道你们有没有这种感觉，今天的AI写代码当然写得不错，写小项目或者刚启动的时候，那些文件组织也还说得过去。如果东西开始变大了，它写代码还行，但它的文件组织的稳定性和可靠性就飞速崩塌。我不怀疑AI写得好代码，但到目前看来，在项目结构的组织上，它仍然做得不怎么样。
Original
所以那些约定大于配置的框架就很适合 AI 来写，比如 Rails，因为文件不会漫无目的的自由扩张，审查也方便很多，约定俗成，不用占用额外的上下文来规定配置

接受混乱和遗忘

这几天趁着将笔记从 Logseq 转到 Obsidian 的劲头，想了解下 Obsidian 的 CEO Steph Ango(@kepano) 的笔记方法。
我分别使用了 Grok、Perplexity 和 Manus 三个AI研究工具进行探索。比较后发现，只有 Manus 生成的报告质量最高，内容详实且可以直接参考使用。报告链接：Grok、Perplexity 和 Manus

Steph Ango 的“自下而上”

Steph 的笔记方法和我之前提到的 Andrej Karpathy 的方法略有不同，其主要特点包括：
  • 自下而上「涌现式」构建，大量使用双链，不分类，以减少认知开销
  • 极力避免使用嵌套文件夹，只使用以下几个核心文件夹：
Root (根目录)
References (参考)
Clippings (剪报)
Daily (日记)
Attachments (附件)
  • 使用元数据(YAML frontmatter)和属性(Properties)配合 Obsidian Bases 功能来结构化笔记
  • 笔记创作主要发生在 Daily Note，通过定期或随机回顾，从中提取并固化为「长青笔记」
  • 刻意不使用 AI 进行整理，手动整理笔记可深化理解、发现模式和建立心智模型的重要环节，这一过程的价值远超其带来的效率损失

为了方便大家参考实践，Steph 在 GitHub 上公开了自己的 Obsidian 库文件：kepano/kepano-obsidian

我的 PKM 实践：Journal 核心流

我的笔记探索始于2018年左右，从2020年起开始在博客上记录整个过程：《PKM探索》。到2024年底，方法论已趋于稳定。
现在的体系更接近 Andrej Karpathy 的极简风格：所有笔记活动基本集中在一个 Journal 单页面中，大量使用链接，标签仅用于跟踪状态，不作分类。
具体架构如下：
文件夹：Notes(双链创建的笔记)、Resources(所有非自己创造的内容，比如图片/附件/引用等)
主笔记：Journal
标签：later、todo/high、todo/low、doing、done/date
用法：
  • Journal 以日期为自然分隔线
  • 格式完全自由——采用流水账式记录
  • 唯一硬性要求：每条内容尽量建立双向链接并打上状态标签
  • 这种方式将记录的摩擦力降到了最低
如下图：
Journal笔记

核心理念：接受混乱和遗忘

多年的折腾让我意识到，没有任何一种完美架构能彻底避免混乱。
与其追求徒劳的秩序，不如从一开始就拥抱混乱 。我不强求记住所有内容，而是依靠搜索和双链在需要时建立关联。那些被遗忘的碎片，本身就说明其在当前阶段并不重要，这种“自然选择”的过程反而让知识库更加精炼。

极简主义：始于放弃，成于生长

我曾无数次经历笔记系统从结构严谨走向分崩离析的恶性循环，最终我选择停止对抗，转而回归最纯粹的记录本能：新建一则笔记，然后顺着时间线不断向后追加，渐渐的，形成了目前这套极简系统。

这套方法或许并不适合每一个人，但如果你正深陷于整理笔记的焦虑，在无数种工具和方法论中徘徊不前，我的建议是：
  • 放弃对完美结构的执念：停止为了分类而分类的机械劳动。
  • 开启一则简单的笔记：像 Karpathy 的极简流派那样，只管记录，不要预设终点 。
  • 让系统随需求自然生长：结构不应是预设的牢笼，而应是需求驱动下长出的果实。
Andrej Karpathy
Seeding my Bear ʕ•ᴥ•ʔ blog with more random posts, e.g. here's something I had on backlog for a while:# The append-and-review noteAn approach to note taking that I stumbled on and has worked for me quite well for many years. I find that it strikes a ...
Original
英雄所见略同。我折腾知识管理工具这么多年，最终还是选择用单页面记录所有内容。这种方式用起来最轻松无压力，搜索速度也最快。

我之前一直使用Logseq的日记模式，它非常直观好用，可惜多端同步是个难题，始终无法完美解决。

所以我最近还是回到了Obsidian，主要就是为了它的同步功能和Markdown文件支持。迁移过程毫无成本，只需将所有日记内容合并到一个文件中即可，这样还能方便地与AI进行互动。
范凯说 AI
2026 年，我来一个暴论吧，国内绝大多数公司想要搞 AI，最后都会变成一地鸡毛。除非公司老板自己每天大量用 AI 产品，先把自己变成一个 AI 达人。不然一丁点希望都没有。道理很简单，你自己不亲自去用 AI，对 AI 的理解根本都是错的。一个企业的决策人如果认知是错误的话，其他人再瞎忙活也是白搭。… https://t.co/qA9KejvgAr
Original
非常同意，说说我所在的世界500强中游水平的公司，去年内部底下搞了好多场的 AI 黑客松活动，但基本都烂尾，没有任何评比和奖品，只要参加就给个证书，无论你提交的应用能不能运行，我实在搞不明白搞这活动的意义是什么，我还天真的认为，大公司嘛，再加活动是印度阿三组织的，需要点时间完善。
直到8月底的一封邮件，全司内部通知，恭喜CEO入选 TIME100 AI 2025 榜单，我明白了，从此不再参加任何内部黑客松。。。
同志们，还记得 macOS 的”台前调度“功能吗，刚出那会儿我觉得挺鸡肋，属于看着很美、用着麻烦，基本没怎么用。
但最近 AI 工具开多了之后，反而发现它特别顺手：不同任务分不同工作区，还能把一组常用 app 绑在一起切，需要的时候整个工作区一起切走/切回来，意外地省心，强烈建议各位可以用起来了，现在我基本离不开了
台前调度
jordi
Incredibly happy to announce that we've raised $3B from OpenAI, NVIDIA, Oracle and Microsoft to build the ultimate AI powered, open source, getFullyear alternative. OPENYEAR AI✨The days of vendor lock in are over. OpenYear supports multiple calendars
Original
为啥一个只返回年份信息的api工具这么值钱？确定不是来搞笑的吗？
对于Manus，我身边的程序员几乎没有人使用，不知道有没有正在深度使用Manus的朋友可以现身说法，它的用途到底是什么？营销工具？