MacTalk
订阅
MacTalk 开通于2012年末，内容起于 Mac 而不止 Mac，内容覆盖了技术、创业、产品和人文思考。文风有趣，又有一点力量。
MacTalk微信公众号二维码
关注该公众号

会员可查看最新的全部文章

^__^ • 3 / 20
命令行重焕生机，OpenAI 收购工具链公司 Astral 昨晚用 Agent Team 一通操作猛如虎，看 Agent 干活挺欢实，我的多巴胺也足足的。结果到最后崩了，怎么改都改不好，然后回退到四小时前的状态，一看两点了，碎觉。这就是 vibe 人士的日常。醒来看 x 上的新闻，发现 OpenAI 把 Astral 收购了。没写过代码的人大概不知道 Astral 是干嘛的，但你如果喜欢倒腾 AI 这些命令行工具，大概率接触过 uv 这样的命令。可以这样理解：‎uv 是目前为止在解决 Python 环境管理问题上最有说服力的方案，遇到问题，只要从 ‎python 换成 ‎uv run，大多数那些问题就消失了。 Anthropic 收购 Bun 就说，Bun 已经是 Claude Code 基础设施的一部分，收购是为了继续把优化这个工具链，前两天我给 Claude Code 加装长期记忆，就把 Bun 也装上了。 OpenAI 现在拿下 Astral，味道也差不多：Astral 团队会并入 Codex，交易完成后会继续支持 uv、Ruff、ty 这些开源工具。Astral 自己也强调，开源仍然是 Astral 的核心目标。类似 OpenAI 和 Anthropic 这样的顶级 AI 公司，已经开始伸手去拿开发者工作流里那些最底层、最高频的工具了。大厂应该意识到了，模型能力当然是最重要的，但 Vibe Coding 的体验同样不可忽视。那些每天要跑几十次、几百次的东西对用户非常重要：环境、依赖、校验等等。 Astral 做的东西恰好在这样的路径上：uv 解决的是 Python 世界里长期混乱的环境与包管理问题，Ruff 负责把代码快速收拢到更干净的状态，ty 则试图在类型检查上继续提速。尤其 uv，是个杀手锏，已经成为很多 Python 开发者默认的入口之一，PyPI Stats 显示它最近 30 天下载量已超过 1.27 亿。 Codex 现在每周活跃用户已超过 200 万，我看这个收购，目标之一就是增强它在真实开发环境里的黏性与控制力。不过，以前 Astral 被 Python 社区信任，不只是工具好用，它一直站在开源共同体里。OpenAI 现在承诺会继续维护开源项目，这当然是好消息；问题是 OpenAI 在“长期维护关键开源基础设施”这件事上，还没有足够长的履历。社区担心的也不是明天，而是两三年后：当 Codex 和 Claude Code 的竞争越来越激烈，uv 会不会从“生态公共品”变成“平台筹码”呢？每次大公司收购开源，都会有这样的疑问，OpenAI 也不例外。我还有一个观察，AI 不仅激活了桌面端 Web，现在看，也激活了 CLI 和 TUI。为什么命令变得这么重要？因为大模型认识啊，调用起来又快又准。
^__^ • 3 / 18
最近重拾编程、命令行和快捷键的乐趣，在 GUI、TUI、CLI 之间穿梭，不亦说乎。这当然得益于我早年的编程经验，不过，要说我做过哪些事，数一数还真不少，编程、做产品、创业、写作、摄影……如果要说哪一件事对我影响最大，我大概率会选写作，而不是编程。编程也很重要，给我了一个很好的起点，但写作带我看到了大山大河。 写作不像古典编程，有一条相对确定的路径，也不像做产品，有清晰的数据反馈。写作更像一条暗线，在你不太注意的时候，慢慢积累，然后在某个时刻，开始发挥作用。 回头看，我发现自己遇到很多机会都和写作有关。有人因为文章认识你，有人因为你的表达愿意合作，也有人因为长期输出而信任你。这些东西平时是不显山不露水的。 这个道理，很多人都懂。 这两年做「墨问」这款产品，过程中接触了很多用户，观察了很多人的创作状态。有一个感受越来越明显：对大多数人来说，能不能写出好文章另当别论，开始写和坚持写，是首先要解决的问题。 产品解决了「在哪里写」的问题，我们想更进一步，试着帮大家找到「开始写」的引擎。 去年我们做了一个“新手村”活动，组织了一批渴求写作的新墨友，制定了轻量约束和激励，持续写作 4 周。 第一期结束后，有人开始稳定写作了，有人加入了我们的核心创作者群，现在还在持续输出。也有很多人只是写了几篇，但至少，他们开始过。 这里我有个很个人的感受：很多事情未必是一蹴而就的。你可能开始过几次，也中断过几次，但如果这件事在你心里反复出现，反复尝试，或许就有那么一次，你会真的坚持下去。 所以，我们准备把这件事继续做下去——墨问新手村· 第二期 这次，我们把完成任务的门槛稍微降低了下，又把能给的激励提高了下。 四周时间里，每周会有简单的写作任务，几乎是写了就算完成。增加了一个简单的积分体系，完成基础任务之外，写得越多，积分越高，最终会变成墨问团队为你精挑细选的礼物。 要再次说明，「新手村」不是一个写作训练营，也不是一门写作课，只是通过营造一个环境、一些简单的挑战和小小激励，让更多朋友能顺利启动写作的方式。 先“开始写”，再“坚持写”，然后才是“写得好不好”。 如果你一直想写点东西，但还没开始；写过几次，但没有坚持下来；又或者，你只是想找个地方，把自己的想法记录下来，欢迎来新手村试试。 不用想太多，写就完了。活动免费，加入方式在此：墨问新手村 · 第二期
^__^ • 3 / 14
写完 Mac 本地安装原生 OpenClaw 的教程之后，我看大家还挺感兴趣的。Mac 系统本身就是 Unix 和 FreeBSD 演化而，很适合当服务器用，养虾最合适。今天再补充说明几个问题： 1、当我们沉迷 OpenClaw 和其他 Agent 给你带来新奇体验的同时，一定不要忘记安全和防护。具体可以看这一篇：安全养龙虾 2、安装了原生的 OpenClaw 最好跟着系统版本升级。升级不光是功能增强增多，随着用户量扩大，这个系统会越来越规范和安全。升级方式也很简单：npm i -g openclaw@latest，然后重启 gateway 即可，目前最新版本是：v2026.3.11 3、OpenClaw 是很费 Token 的，海外模型这么烧确实贵，我推荐用国产大模型，选你自己喜欢的即可，相对国外的模型基本就是白菜价，尤其是一些 Coding Plan API，让我实现了 Token 自由。还有个提醒，如果你用 Gemini 的 API 给 OpenClaw 用，大概率会被 Google 封号，要小心。 4、我自己用 MiniMax M2.5，因为 Vibe Coding 的工作比较多，是年度会员。不过 MiniMax M2.5 不是原生多模态的模型，无法直接识别图片。昨天有用户问到这个事情，我详细说一下。 MiniMax 去年发布了一套 Coding Plan MCP，Claude Code 和 OpenClaw 都可以用这套工具进行精确搜索和图片识别。俩工具分别是：web_search 和 understand_image。使用链接在这里： https://platform.minimaxi.com/docs/guides/coding-plan-mcp-guide 我一直用这个能力，不过文档里只介绍了如何在 Claude Code 和 Cursor 里使用 Coding Plan MCP，OpenClaw 怎么用没说，其实和安装企业微信的 MCP 方式类似： - 安装 mcpporter：npm install -g mcporter，这个主要用来发现和管理 mcp 工具。OpenClaw 会用到。 - 安装uvx：curl -LsSf https://astral.sh/uv/install.sh | sh，MiniMax MCP 是本地 Python 工具，会用到 uvx 命令。 - 在这段 json 代码里设置好你的 API Key，丢给 OpenClaw 让它为你安装这个 mcp 服务： { "mcpServers": { "MiniMax": { "command": "uvx", "args": ["minimax-coding-plan-mcp", "-y"], "env": { "MINIMAX_API_KEY": "更换你的MINIMAX_API_KEY", "MINIMAX_API_HOST": "https://api.minimaxi.com" } } } } 安装好之后用把图片发给龙虾识别即可。