为智能体重新思考软件 与 Agent 一起开发应用、连接工具,让想法成为可以运行和验证的作品。 滚动进入四个章节 · 长按四面体切换主题

01 / 04

把想法做成作品,也把方法留下来。

我是 noobli,一名面向 AI 应用的独立构建者。我围绕自己的需求,与 Agent 一起开发软件、连接工具、验证结果。从视频生产到全栈应用,我关心一个想法怎样真正运行起来,以及下一次能否做得更好。

作品 / 从零到可用

这个网站,也建立在我自己发布的工具上。

我主导构建并发布了 Viselora,让 DOM 内容与 WebGL 视觉通过公开接口协作;你正在浏览的网站就是它的实际应用。另一个项目 AXMORF Studio,把视频创作组织成 Agent 能参与、程序能校验的生产流程。

探索 / 工具判断

先弄清问题,再选择当下合适的工具。

许多工具是我在与 AI 讨论、查阅官方资料和尝试开源项目时逐步认识的。我先比较可选路径,再用小任务试验;效果不合适就调整。我并不精通每一种工具,但愿意深入关键环节,持续更新自己的判断。

全栈 / 走完交付

从页面和接口,一直做到数据与部署。

在庐居项目中,我与 Agent 一起贯通选房、报价、预订和入住流程,把服务与数据库部署到 Ubuntu 演示环境。也探索了本地视觉测量、文档问答与开发日志流水线。每个项目都明确记录做到哪里、验证过什么。

协作 / 独立判断

让人表达意图,让 Agent 组织执行。

6 月,我已在 Mac → Ubuntu 工作场景中设计并实践统一入口与分层执行:先与本地 Agent 讨论,再由它协调远端团队。后来 Dots 的产品方向与这一判断相呼应。我关心执行系统不断演进时,人的入口仍能保持清晰;目标、边界和最终验收由人掌握。

对我来说,AI 时代的能力,体现在提出的问题、做出的作品,以及不断修正方法的过程里。

02 / 04 · AXIOMS / WORKING NOTES

与 AI 一起工作之后,我重新想过这些事。

这些想法来自与 AI 的长期讨论,也来自工具试用、项目返工和实际交付。我把它们记成工作命题:有些已成为日常方法,有些仍是开放的问题,都可以随新的证据改变。

命题一

AI 改写问题的前提

当 Agent 能接手从理解需求到执行验证的一段完整工作,变化就不只是谁写代码更快。我开始重新思考个人能力如何被看见:提出了什么问题,如何组织工具,做出了什么作品,又凭什么相信结果。对我而言,简历也应该呈现这些过程,并让作品提供证据。

命题二

一个理解人的入口,协调可演进的执行

2026 年 6 月,我从自己的 Mac → Ubuntu 协作需求出发,独立设计并实践统一入口与分层执行:先与本地 m-hermes 讨论目标,由它整理任务,再协调远端团队按自己的 Kanban 流程执行。6 月 2 日的原始对话中,我已明确区分入口 Agent 与远端协调者,要求由 Agent 承接交接,减少人工复制上下文和调度。OpenAI 于同年 9 月 29 日推出 Dots,官方说明它能够承接目标、协调后台 Agent、分派 Work / Codex 任务并带回结果;在这些协作设计上,与我此前的判断相呼应。我希望模型、工具和执行团队可以演进,而人仍能通过清晰的入口表达意图、保留边界和决定权。任务范围、验收条件与执行证据,是这套协作保持可靠的依据。

命题三

语言可能只是认知的投影

与 AI 对话越多,我越想区分“说得流畅”和“理解了问题”。语言能帮助我整理想法,也可能掩盖遗漏和误解。我仍好奇:认知是否存在难以被语言完整表达的部分?这是一种开放的思考;在工作中,我会把漂亮的解释带回代码、来源与实际结果中检验。

命题四

自动化不能消解责任

让 Agent 执行更多工作,并不意味着把判断也交出去。我的发布自动化会完成素材上传和字段填写,再回读页面状态,把最终发布留给人确认。代码也是如此:完成一次操作、通过测试、真正上线,是不同的状态。授权、验收和对外承诺,需要有人负责。

命题五

先问有哪些路,再决定怎么走

我自己的经验也有局限。过早告诉 AI 每一步该怎么做,可能只是把它限制在我已有的答案里。我更愿意先说明目标、背景和约束,让 AI 查找实践、比较方案、指出盲点,再结合来源和自己的思考做决定。所谓最佳实践,也要回到当前问题里验证。

命题六

工具会换,判断需要持续更新

我试过多种浏览器自动化方案,当前留下 Ego Lite,原因是它更适合我的实际工作。3D 素材探索也经历了从 Blender MCP 到混元图生 3D 的尝试。我看重知道工具能解决哪一段问题,以及何时值得替换;这种认识需要小实验和持续使用来更新,不能停在收藏列表里。

命题七

给 Agent 清楚的工作身份

我为 Agent 工作准备独立账号、Mac 用户环境和专用 Ubuntu 主机,用 Tailscale 连接异地工作。这些安排让项目资料、登录状态和个人日常数据更容易分清,也减少旧配置对任务的干扰。它们不能保证 Agent 不出错,但能让我更清楚它在使用什么、操作哪里,以及如何追溯结果。

命题八

把一次经验,变成可接续的方法

反复纠正同一个问题,让我开始重视 Skills、工程规范和文档维护。我把入口、职责、操作步骤与验收条件写下来,能自动检查的部分再交给脚本和测试。实现变化后,文档也要更新,旧方案要归档。只有这样,下一次对话里的 Agent 才能沿着当前事实继续工作。

03 / 04

把想法,做成可以运行的东西。

这四个项目,是我在不同问题上的动手尝试:让 Agent 制作视频,让网页拥有空间,从画面读取测量结果,再把日常开发沉淀成记录。

全部项目 ↗

01 / 视频创作

AXMORF Studio

基于 Remotion 的本地视频生产工作区。让 Agent 组织场景、旁白与封面,经过校验和渲染,交付视频、两张封面与发布清单。

进入项目 · 阅读案例 →在 GitHub 查看 AXMORF Studio ↗

02 / 网页视觉

Viselora DOM WebGL

让网页内容连接三维视觉的 DOM-first WebGL 运行时。保留 DOM 布局与交互语义,统一管理渲染、资源与输入。这个站点也是它的实际应用。

进入项目 · 阅读案例 →在 GitHub 查看 Viselora ↗

03 / 视觉测量

SyringeMeter

在受控场景中,将摄像头里的针筒画面转化为稳定容量读数、实时曲线与 CSV 记录的本地桌面应用。

针筒实时画面、容量读数和随活塞变化的曲线进入项目 · 观看演示 →在 GitHub 查看 SyringeMeter ↗

04 / 开发日志

vibe-journal-pipeline

用 Python 标准库汇集 Hermes、Codex 与可选 OpenCode 会话,按日生成结构化日志、技术清单与时间线,为网站提供经过筛选的公开记录。

进入项目 · 阅读案例 →在 GitHub 查看 vibe-journal-pipeline ↗

每日 Timeline

正在载入日志…