Cline 出了自己的 kanban 调度系统，可以调用 claude / codex 之类的 agent。也是基于 worktree 设计的。

npm i -g cline

https://cline.bot/kanban

以前在各种后台改配置，最怕的就是不知道去哪里改，改完之后发现改错了。

现在准备了这么一个修改记录，每一步都问 AI，改完之后再让 AI 记录，这样一来，相当于有了一份 git 记录，即使改错了，也可以改回去。不同的改动有冲突也容易发现。

OpenAI 看到社区这么喜欢同时用 Claude 和 Codex，直接自己出了个 skill，可以在 Claude 里调用 Codex

https://github.com/openai/codex-plugin-cc

https://x.com/romainhuet/status/2038677236304245087

费了老半天劲，终于把开发环境部署到了 railway 上，架设在 tailscale 里，使用 cloudflare tunnel + access：

1. Container: node:22-slim based, deployed on Railway
2. Persistent volume: Railway volume — stores tools, workspace, Tailscale state
3. SSH access: Tailscale SSH
4. Browser access: code-server via Cloudflare Tunnel
5. Auth: Cloudflare Access

加了 persistent volume，所以现在部署很快。

code server 很不好部署，一直和 tailscale 有冲突，最后加了 cloudflare tunnel，绑定在自己的域名下。用 cloudflare 鉴权就可以通过浏览器访问了。

codex 可以用 device code 登陆。

其实我把开发环境丢在家里的 Mac mini 上好几个月了，没啥大问题，但是首次连接会有些小问题。

另外考虑到回国之后没法用很多工具，所以就在 railway 上部署了另一个环境。

以后应该会把 railway 作为主环境，家里的 mac mini 作为备份。

昨天在国内一个高校分享了这一年多来的编程体验，我的理解是差不多经历了现金支付，信用卡支付再到移动支付三个时代。

所谓的现金支付阶段，是指开着一个 AI 聊天窗口，问一个问题，AI 生成一段代码，然后把代码带回 IDE 里跑一下，如此往复循环；

而到了信用卡支付阶段，开始在终端里跑 agent，agent 可以了解整个 repo 的上下文，对整个项目有更全面的了解，进而有更强的自主性，人的角色也慢慢变成了参与者；

现在到了移动支付阶段，agent 可以根据上下文，根据需求制定计划，人审核之后，agent 可以拆分子任务交给不同的 subagents 执行，执行完还可以调用其他模型审核代码。人的角色慢慢变成了架构师。

当然这些都在极速变化，我们可以 keep calm and catch on。

来听讲座的大概有二三十位数学系/统计系的同学，除了个别几位用到了移动支付阶段的 AI 编程，剩下的大部分都还停留在现金支付阶段。

跑去见高中的校长，和他聊了不少。

尽管他是老师，但年长我不多，所以我们交流比较随意。

我举的例子是，比如备课这件事和写代码其实很像。他们有多年教学经验的老师，积攒了大量的课件。如果有新教材出来，其实可以让 agent 学习之前的课件，了解老师的风格，为新课程准备课件。老师审核之后，作出相应修改，就可以拿去教学了。就好像让 agent 进入一个 repo，学习了上下文，就可以写出更好的代码一样。

他也觉得这事有可能。但这样一来，学校和老师的地位都有可能动摇。因为学生可能有更强的 AI 学习技能，而老师能教授的可能还不如 AI 多，还不如 AI 快。这样一来，学校的意义是什么？老师的意义是什么？ 如果脑机接口进一步普及，那是不是只要接一个脑机接口，就能升级知识？那么考试的意义又何在？他还说现在那批在国外留学的学生，有不少都在研究脑机接口。可能未来会有更快的发展。

我的理解是：

1. 这样的变化只会越来越快，当然深处其中，我们很有可能会焦虑，这也在所难免。也许回头来看，这些都好像自然而然。就好像我们当时看到 devin 发布的时候，觉得 AI 写代码是天方夜谭，现在再一看，有几个程序员不用 AI 写代码？

2. 回头来说老师和学校的作用，我觉得可能会逐渐变化成 mentor 的角色。具体的知识点可能由 AI 来完成教学，但学什么方向，怎么学可能需要老师来指点。当然老师本身也需要具备更强的技能，更宽广的视野。他基本认同这一观点，但是要有破局者来作出改变，在现行环境下，极其困难。

3. 当然也许过几年回头来看，这些都是毫无意义的讨论，可能所有的发展都和我们想象的不一样。

Cloudflare 这个产品对于 GitHub 极具挑战性。特别是近来 github 事故频发。

https://blog.cloudflare.com/artifacts-git-for-agents-beta/

https://x.com/shadcn/status/2045324648464703596 😅

一月底最后一个周六有了一个灵感，想做个解放双手，优化了 AirPods 录音，边散步边和自己对话的 App。打开 Cursor coding 了一天，第二天就出门去 SoHo 散步就用上了，然后就完全离不开了，一天不落用到今天，录了300多条录音，200多个不同地点，近100小时和自己的对话。
这两个半月工作之余的 side project 时间全放在了这个 App 的打磨上，和自己和它的关系也有忽近忽远的变化，有意思的是也用它自己记录了下来。最近在读荣格，说自性化的目标是走向完整，走向完整指的是充分体验所有情感，如何充分体验所有情感？我给的答案是记录。放下手机，出门散步，踏出的每一步，对自己说出每个字，周围记录下来的环境音，路上随手拍的照片，都是值得记录下来的此时此刻。
随手录音，AI转录，适配了各种麦克风，privacy first，取名叫 Yuho，Logo是个伦敦的大肥鸽，昨天刚刚上线了，欢迎试玩，有机会一起散步🚶 如果用着感觉还不错，记得向我要 Pro 的兑换码

https://yuho.io

看了本地的 IT 供应商列表，采购四百多个方案都可以获得政府的补贴。

去重之后近三百个网站，拿 pagespeed API 一跑，一半的网站的得分不到50分（满分100分）。连自己公司的网页都做不好，怎么能指望这些公司提供可靠的 IT 服务呢？

一个完成度非常高的 Orchestrator 项目：

1. 可以跑在本地或者服务器上，然后生成一个 URL；
2. 手机扫码之后，就可以连接到本地或者服务器，不用折腾 ssh，不用折腾 tailscale；
3. 有配置齐全的快捷键；
4. 支持本地声音识别；
5. 不想要 GUI 的话，可以在终端内启动服务
6. 完全免费。

https://paseo.sh/

它默认提供了 relay 服务，如果对数据安全要求比较高的话，可以自己用 Cloudflare Woker + Durable Objects 来 relay，有现成的接口：

https://github.com/getpaseo/paseo/blob/main/packages/relay/src/cloudflare-adapter.ts

深挖了一下，绝大部分都用 WordPress，慢得要命。

简单说一下我自己的配置：

1. 利用 cloudflare Worker + Durable Object 搭了自己的 relay service；

2. 选了离我比较近的 Durable Object，用了自己的域名降低延迟，愿意付费的同学可以开启 Argo Smart Routing 进一步降低延迟；

3. 在 vps 上安装 paseo，在 config 里填写上面的 relay service，然后启动 paseo daemon，会直接产生一个二维码，显示还是 app.paseo，不要近，只是用来配对；

4. 拿手机扫码，手机上的 paseo app 就连上了的 vps 上的 paseo，在配置里可以看到是不是用了自己的 relay service；

5. 同理在其他机器上也可以这样配对。

这样一来，唯一的代码就在 vps 上，relay 在我自己的 worker 上，延迟也在100ms 之内。

新加坡外交部长的本地 agent 配置

https://gist.github.com/VivianBalakrishnan/a7d4eec3833baee4971a0ee54b08f322

在找工作的朋友不妨试试这个工具，非常巧妙的工具链，唯一要注意的是，找到的很多 opening 已经失效了，需要强调一下找还有效的 opening。

试用了一下，学到了很多：

1. 随手填一点信息，它就能自动填充不少信息到相关的文件里，冷启动非常快；

2. 按照模版把自己的简历都进去之后，它获得更多的信息，而且转为 md 之后，方便后续为任意一个工作机会改写；

3. 它已经 orchestra 好了整个流程，只要启动相应的 skill 就行，而且会给出明确的指示，非常清晰；

4. 每一步都会给出具体进展，有问题也会及时报告，比如某些公司的 job board 的链接找不到信息，更新了正确连接之后，它自动会改写相关文件，然后重新往下跑；

5. 它会自动调取工具，比如先从有 api 的平台搜索工作，然后用 agent browser 检索其他平台或者公司网页，都不需要用户再干预；

6. 找到工作机会之后，可以按照你之前写明的偏好打分，然后给出投递顺序；

7. 等你确认之后，就可以按照以上顺序改写你的简历，然后投递。

整个 orchestrare 用起来非常顺利，而且兼顾灵活性，这才是整套系统最值得学习的精华。

https://github.com/santifer/career-ops