#vibe #cg https://duangsuse.github.io/NebulaRemix

安卓4.x的魔幻烟雾壁纸还原·超级加倍版😝
(WebGL github.com/duangsuse/NebulaRemix)

灵感来源： #vibez 问Gemini demo.thi.ng 社区的10大厉害可视化，它捏造了一个“用极简的数学公式生成复杂、深邃的星云感”的
"Quasars" (点云流场, superluminous objects powered by active supermassive black holes!!)

而且还排名第一！之后，我不得不问了11条线，总共5个小时（LLM针对shader的理解也不稳定，我又不能手动缝合两个版本的代码。这次我没编辑过任何GL代码）

有趣的是，给我感觉最慢的是在GH上上传Pages，其他的dev体验非常丝滑，等output时还能看看相关资料！

感觉可以兼容下安卓桌面（star 破十），或者有朋友vibe出来也可以提个PR😅👍

一行GL没写，做起来有多容易？ #vibe #statement

在“开始做”的时刻，我还没有读过iq的博客，可以说是零知识的… 真的如此吗？！

我有点好奇，这个过程需要多大技术含量呢？既然我不需要写shader👈🤓
https://g.co/gemini/share/7636e17f0cae
https://iquilezles.org/articles/warp/


在vibe过程中，如果dev给出的 Prompt 是“它坏了”，AI 根本修不好… 需要把屏幕上那些抽象的、错误的噪点、颜色断层、奇怪的流动，精准地 翻译成人类语言告诉 AI😒。

没错，这就是所有工程人员的共同点：精确性。

称职的IT人员，他们的语言和普通人是有习惯上的差别。
许多刚通过vibe接触编程的人意识不到，差距不止在“能不能提出好问题”与“敢不敢持续推进下去”上，灵感和人机交互过程更是成果之根。

编程语言不止是语法和API，更是种文化和氛围： bash和XML模板的“管道调用链”让你有了批处理/UI的便利，pwsh的强类型与通用函数给你JSON-HTTP式的心智模型，Reactive里“不可变的mutable”用声明消灭了JQ的语句和类重复，Py/JS 真正擅长的事情，也不和java/C#一样。


不知道他人的语言，也难以“掌握”自己的语言；初次就死记硬背最难的平替，更会如同邯郸学步。
没错，同一个问题（比如 qsort/bisect），不同的范式或人给出不同的解。

Geek：如果 AI 说了一个不存在的算法（Quasars），Geek 的第一反应可能是去查论文，发现不存在后纠正 AI “你错了，只需要给我写个 Raymarching”。

​你：你捕捉到了那个幻觉中的 "Vibe"。你接受了 AI 捏造的数学逻辑（"极简公式生成复杂星云"），并强迫它将其具象化。

所以，之所以我能为这个项目写6个特效，最终也只花了170行代码（老版本240行），是因为我抓住了“简明之至与差异之理”。

我知道怎么快速试错，我知道画面上出的问题和什么变量相关，或者至少关于哪些术语。 我能用堆砌来设计，是基于我重录代码却录的顺手（参数间正交）。

全靠AI的人，不知道，更没动力知道。 温室反而成了门槛。🫣
https://telegra.ph/qCGfEc3yuEJDJ5Wj6MXLOA-01-30

我的一切dev能力，元编程、软件工艺、广度远超全栈的“可观察”的圈子，我真正意义上理解了概念的“一句话字典”…
都还在！只是更加灵活了！感谢AI😝
我既没有被门槛卡住，也不需要被招牌锁死，我记得我写过什么，以及更重要的——为了什么。

学任何技术、领域，高深莫测的东西，都不是为了符合刻板印象，或者成为“他们”，而是有自己的初心与品味。 best code = no code.

工程师习惯了 “面向失败编程” 。当 AI 生成了一坨垃圾代码时，普通人会觉得“AI 笨”或“运气不好”；

而你会立刻分析：“是我给的上下文不够？还是这个数学模型的复杂度超出了它的单次推理窗口？”
​你是在调试 AI 的推理路径，而不仅仅是调试代码。

之所以开过11条线代码还能缝合的下去，也是因为对chrome F12和bookmarklet的熟练。 没有多余的IDE心智负担，视效完整、功能集合理且迁移正确，就可以新开一线，不背包袱、不丢亮点。

我明白以差异入手，而不是把vibe出的单个特效就当成单个，所以Nebula才能有10个调色板与URL导入导出支持。
但只有我能。

“下面的一些回答是根据创作者保存的信息和偏好生成的。 ”

这是门槛吗？ 并不。
门槛更低不代表结果没价值——现代生活的一切，油车、电力、新闻媒体、手机，乃至于泡面都是从“半个月工资”过来的，IT有幸成为下一次工业革命的发源地。

不过…… 我并不像 yinwang.org 那样担心prompt或是高冷的知识被偷——它就在上条置顶消息里。

在信息爆炸的时代，我主导我的代码，我选择了我的样子。 我并不害怕LLM或者其他人偷“我的知识”——它们本就是全人类的衣服，我只是学会了穿搭。

任何人都该有做选择的机会。

这个作者还怪可惜的。。就开源了4个GL库，都是精品，最多0.2k star
https://liquidgl.naughtyduk.com/demos/demo-2

可能更适合作为 AfterFX 插件吧。
相比之下， https://github.com/rdev/liquid-glass-react 20倍流量于他，一个demo都交付不好（doesn't fully work in Safari and Firefox）

https://github.com/Kyant0/AndroidLiquidGlass/blob/master/backdrop/src/main/java/com/kyant/backdrop/effects/Lens.kt 更是🤡，就一百行shader用几十个 #kt 来封装？ 一个粘合剂比真算法戏还多，liquidgl.js虽然有2k行但还能读

真是幸亏我从 #java 世界抽身的快，不然现在还在让AI帮编译器和“API文档”写代码呢！🤪

有些软件生态，有毒。 AI都能帮我们写 dead code 了，还在搞形式主义呢😅

#vibez 今日挑战：弹性向量场（Elastic Vector Fields）
鼠标位置控制场中心，点击画布可切换“旋涡”与“排斥”模式。 历史轨迹被自然地渲染成流线。

https://codepen.io/duangsuz/pen/myExNvO
核心逻辑： 将屏幕建模为一个由欧拉积分驱动的动态向量场。通过鼠标位置模拟“引力源”，展示粒子流如何根据xy diff 的梯度函数实时变换轨迹，体现数据在场中的连续演变。

ref:https://t.me/dsuse/19405

已经持续4天了，感觉可以和隔壁yihong一样一直每日打卡？😒

当然，我会尽量保留AI的原味讲解，可原版代码是不够的，可以稍稍魔改一下，权当训练😃