说说我的openspec用法，我自己都不知道对不对，大家帮我看看。
一、问题的提出
此前我用Prd文档驱动AI开发，一个功能点一个Prd，这样不断累加迭代。一个项目写出来四五十个文档是正常的，因为文档太多，我又做了一个文档目录，专门来看哪一部分功能在哪个文档里。

但是，随着项目进度的推进，某些功能是在后期的文档中对其进行了调优或者改进，甚至推翻，与它的早期文档描述与后期文档是不一致的，我就很犹豫，然后又让AI在处理完任务之后，回头去把前期文档更新成与当前代码一致。

如此，我需要更新的文档越来越多。
之后我又换了个做法，每个文档只做当时的工作，然后自己定义了一个开发笔记文档，每次。 Git commit 之后让他把近期工作更新到这个文档。

其实这样做还可以，但我内心深处总是觉得准确度和版本管理是有问题的。

二、引入openspec

我的后端伙伴建议引入这个标准。我们根据官方文档学习了一下，现在我是这样做的（我内心深处不知道他做的好不好）

1）功能点的思考，作为初稿我依然是和AI交流，形成一个PRD初稿（我现在甚至很懒，用语音给豆包打电话，跟他聊天，然后给我形成一个初稿）
2）把初稿给到CodeX，让他按照我的PRD skills来评审，提出质疑，然后精修。
3）我阅读精修稿，并直接修改定稿。
4）按照我提前定好的openspec skills，将PRD精修稿转换成Openspec里面的changes 版本。
5）我的changes版本号命名是三位数字符，加上当前版本简述，如： 1.1.1-增加会员积分
6） Changes目录里有 Proposal、 Design、 Tasks
Propose so the写法遵循why，how，我会特别增加一个："用户可以得到什么"，让所有人快速理解，
还会有一个spec目录，里面有Product、design、Client、backend等目录，通过Ai转化已经有了product spec，其他也初步有了，相关的前端后端同事进来之后，通过阅读产品的SPEC，补充自己这一端的specs

三、各端要求AI根据changes开发版本，产品和设计根据changes验收。

四、标记为SPECS
当一个功能点验收完成后，要求AI将其标记为S SPECS，根据skills，他会将内容同步到所谓的真相SPECS，也就是产品最终、最新、当前代码的实际情况。已完成的版本会自动化归档。

之所以这样做，是为了搞清楚（让自己也让AI搞清楚）当前的版本的具体的情况和约束是什么？ 也是对过程版本有一个记录回溯。

究竟作用是什么？对于协作来说效率是变低了还是变高了？我还是有一些模糊的。

元宝派似乎只证明了一件事：连腾讯自己都复刻不了微信的成功。

主动管理注意力就是信息输入的戒断，核心原则有三个：
❶戒断低质源头：主动远离算法推荐、碎片化内容，优先选择深度、系统化的信息。
❷戒断无限时长：设定固定的信息摄入时间，避免被“刷不完”的焦虑绑架。
❸戒断无效囤积：只吸收能立即应用或整合到现有知识体系的信息，拒绝“收藏即学会”的幻觉。

@https1024

撒钱还挨骂的事情，各大厂还是少做一些吧。小马这次真是花钱买罪受。
得罪群主，影响生态，用户还会嫌红包越来越小……
红包机制设计问题，战略眼光问题，都有。

这10亿也就比丁场长投资豪车销售公司打水漂那10亿花的值那么一点点。
😅

作为评委看到了很多奇思妙想↓
「🥳Multi-Agent Hackathon 2025获奖项目合集来了！

50+ 获奖项目源码已公开，涵盖教育、金融、内容创作、生活服务等数十个场景，创意十足～

快来狠狠学一波！

✅案例链接：https://openagents.org/zh/showcase/hackathon-2025

⭐️GitHub: https://github.com/openagents-org/openagents

[转圈]Discord: https://discord.gg/openagents」

欸，不仅是初阶程序员找不到工作了，AI 直接导致各种职业的初阶岗位需求都在下降。
昨天看到哈佛的一篇论文，和前段时间的一个程序员初阶岗位下降的数据互相印证了。
生成式AI是一场偏向资深员工的技术变革。
关键数据：
招聘：采纳AI的公司在2023年后，平均每季度少招聘了 3.7名 初级员工，这是导致初级岗位净减少的主要原因。这一下降幅度相当于其平均招聘水平的22%。
离职：初级员工的离职率甚至略有下降，说明公司并非在裁掉现有初级员工。
晋升：有趣的是，现有初级员工的晋升率反而有所增加（平均每季度增加0.4人）。这表明公司在减少外部招聘的同时，可能会加速内部有经验初级员工的晋升。
行业数据：
影响最为严重的行业是批发和零售业，采纳AI的公司初级岗位招聘量比未采纳公司减少了约40%。
信息技术、金融和专业服务等行业也出现显著下降。
按教育背景来看：
就业下降最严重的是来自中等偏上水平院校（第2、3梯队）的毕业生。
来自顶级精英院校（第1梯队）和较低水平院校（第4梯队）的毕业生受影响较小。
来自最低水平院校（第5梯队）的毕业生所受影响最小，且在统计上不显著。
简单说，AI正在把新手村的门槛焊死，新人想“上车”是越来越难了。
对刚毕业的年轻人来说，这挑战太大了。

@https1024

中午吃太饱了。坐下来准备用新买的 Mac mini vibe coding ，发现 Mac mini 没有麦克风，而家里又没有其它麦克风，就想起用闲置的 iPhone 13 mini 来做麦克风，很快就配置好了，非常好用。
但这个系统卡卡的小手机放在这里看着屏幕黑乎乎的非常难受，于是突发奇想，为什么不把它做成 Mac mini 的监控面板？这样既变得有点用处，而且还更好看了。
做好了，还是蛮漂亮的，实时显示 Mac 状态，也能正常当麦克风用，省了一笔买话筒的钱了。
我现在不只关注 Mac mini 的活干得好不好了，我还能关心它到底累不累。😂
哎，还是不能吃太饱。

@https1024

#出海运营秘籍👉@yunying23

再发了2000多条小红书后，我现在基本发之前就知道能不能火了；所以隔一段时间，发一次爆款。重复，但不能一直吃老本。

很多人认为有了vibe coding之后，以后人人都会去做产品了。我认为实际上可能恰好相反。

自己这段时间Vibe coding下来，深刻的感受就是：做事情变得越来越容易的时候，难的是想到要做什么，以及如何比现在的方案要更好，否则就是不断重新发明自己的八边形轮子的过程。

在过去，coding能力没有民主化，往往平庸的老板/产品经理占有开发资源，结果做出来了一大批平庸甚至难用的产品。但很多时候我们也不得不使用并忍受。

当强大的开发能力触手可及之后，真正具备好创意的个体，以及能诞生好创意的组织会变得更加关键。就产品研发而言，好的产品经理带来的价值差距会越来越大。

#出海运营秘籍👉@yunying23

最近接单从0新做了一个小红书账号，一篇内容涨了800个粉丝。

花了半个小时vibe了一个更好的仿生阅读器glideread

背景是假期一直和国内开会，导致看英语有点陌生
发现刷推特帖子经常想点翻译按钮，而且这学期的reading assignment又很多
想要像个办法让自己多看点英语

于是想起来，之前学心理语言学的时候了解到的仿生阅读（Bionic Reading）插件，大致原理是，人眼其实是跳读的，这种方法理论上可以通过加粗每个单词的前几个字母来引导人眼的跳跃，减少眼动，提高阅读效率；
重新装了一下那个插件发现，并不好用，主要是在推特黑色的背景与白色小字的情况下，加粗前几个字母只会让那几个字母糊成一团，阅读长文到后面会更加刺眼，反而降低了阅读效率

于是用claude code+superpower skill半个小时vibe了一个更好的，主要变化是：1. 通过渐变透明度提高了对比度，进一步加强这种引导性 2. 字体放大了一号[旺柴]

一天用下来，一条post都没有翻译过（之前会有一半的长post我会忍不住想点翻译按钮。。。） 感觉还是很可用

最近在看 Lex Fridman 对 Telegram 创始人 Pavel Durov 的采访，其中提到的两个观点非常认同：
1. 差异化是成功的基石：如果所有人都在做同样的事，个人的价值就会被稀释，be different > be better
2. 算法推荐会让你变得趋同：同样的热点，同样的信息，无法形成差异化
Pavel 提议在这个推荐算法的时代，需要主动去构建信息源，这也是为什么我只使用 X Pro 来浏览 twitter 的原因。

@https1024