更多动态
前几天我说去年做过一个字幕识别的saas，但因为openclaw龙虾的出现胎死腹中，很多人表示不理解。说到底就是通用agent的井喷，替代了很多简单工作。 这些简单工作中使用的工具也从面向用户，变成面向agent。就比如制作字幕这个工作，以前需要用户完成，才需要精美的saas产品，现在由agent完成，只需要一个agent能读懂的skill。 于是我把字幕识别做成了skill，给agent提供音频+原文案就能完成识别字幕+修正错字。底层是离线 Whisper 模型将音频转文字，大模型记录时间轴，以及根据原文案，对识别的文字进行纠错，最后将成品输出成srt字幕文件。 🔗 github.com/haoyiyin/easy-subtitle
用了一段时间grok，除了不能连浏览器，没知识库，大部分时间能平替manus，grok自带沙盒能装skill、能跑脚本。 搜索能力也比gemini强，特别是时效性grok信息没滞后
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
