去年愚人节，我发过一篇名为 Deepseek 竟然意外复活了太极！ 的文章。当时纯粹是个玩笑，没想到节目效果拉满，不少小伙伴信以为真。老实说，当时的 AI Agent 能力距离实现这个目标还差得远。但令人意想不到的是，这个愚人节的玩笑，如今竟然真的要成真了。

前阵子 Fable 5 发布，其强大的能力深深震撼了我，我当即就在 Todo 列表里加了一项：“用 Fable 5 复活两仪”。

我曾在太极停更时说过：相较于太极，KernelSU 属于有一定技术门槛，但结构相对简单的软件； 而“两仪”则直接走向了两个极端——它既复杂，又困难。作为一款需要运行完整 Android 系统的软件，维护两仪意味着你要兼顾系统的方方面面。纵向上，它跨越了 Kernel、Framework 到 App 三层架构；横向上，它又涵盖了 ART、Graphics、HAL、Bluetooth、Wi-Fi、Sensors 等无数底层模块。其复杂度和工作量，远非太极或 KernelSU 可比。过去，为了修复某个特定模块的 Bug，我通常需要先啃源码理解原理，再进行繁琐的跟踪调试，修复周期往往以“周”甚至“月”为单位。

但 Fable 5 的出现，给了我彻底解决这些历史遗留问题的信心。在 AI 广阔的知识库和强大的推理能力面前，曾经的“大工程”似乎都迎刃而解了。现在，我只需提出需求，AI 就能自动完成排查与修复，极大免去了我亲自 Debug 的枯燥与耗时。

前几天 Kimi K3 发布，我抱着试一试的心态让它也加入这项工作，结果却远远超出了我的预期：曾经让我死磕了近一个月的 GPU 直通难题，K3 只用了 5 个小时就彻底搞定；随后，它又仅用半小时补齐了之前缺失的 Sensors 虚拟化。

更夸张的是，当我尝试让它进行性能优化时，两仪的首次启动时间直接从 20 秒压缩到了 5 秒，后续启动更是从 4 秒降至 2 秒！在高端机型上，现在启动这样一个庞大的虚拟机，甚至比打开某些超级 App 还要快。在过去，完成这些功能和优化至少需要耗费数月心血，而现在，只用了一天。

昨天晚上，我又进行了一个大胆的尝试：直接让 GPT-5.6 为两仪适配 Android 13 虚拟系统。今早醒来一看，进度已经顺利推进到了图形栈。目前，整个适配工作依然在我的指挥下稳步向前推进。

看着屏幕上不断跳动生成的代码，我非常感慨。两仪曾是我单枪匹马用了两年才开发出的软件，而现在，有了 AI 的加持，一个人就可以调动千军万马了。它彻底填平了个人开发者在时间上的鸿沟，让那些原本以为是“有生之年”才能填完的坑，奇迹般地近在咫尺。

涅槃重生的两仪，很快就会和大家见面。好戏，才刚刚开始。

推荐阅读

• • 两仪：新的开始

• • KernelSU: 内核 ROOT 方案，来了！

• • KernelSU 里面的救砖机制

• • 教程：新手机从解锁到刷入KernelSU

• • KernelSU：兼容旧版本内核

欢迎关注我的公众号“虚拟框架”，原创技术文章第一时间推送。

昨天下午圈内盛传 Kimi 要发布新模型 K3，据说实力追平了 Fable 5。起初我真的不太信，毕竟过去 Kimi 的广告铺天盖地，我听了他们的鬼话充过两次值，结果都大失所望，心里嘀咕这次不会又是“狼来了”吧。

结果半夜醒来习惯性刷手机，发现 K3 还真的如期发布了。Benchmark 显示它的指标逼近了 GPT-5.6 Sol 和 Fable 5，稳居前三，评论区沸腾了，有人直呼“宛如看到原子弹爆炸”。不过官方的态度反而出奇地谦虚，坦诚在用户体验上跟前沿的闭源模型还有差距。这种反差让我有点坐不住了——那些天天喊着超越这个、吊打那个的往往是口嗨，真正的高手通常极度坦诚。Kimi 现在的表现，像是一个嘴角上扬、心里憋着股劲儿不服输的少年，这次极有可能有点真本事。

早上起床，我立马打算去买个订阅亲自体验一下。结果闹了个大乌龙，Kimi 有好几个套餐档位，我怕跑测试额度不够，果断选了最高的那档。看着“200”的数字再加上是国产厂商，我以为是人民币，付完款才赫然发现单位是 USD。当时就想退款，找了半天没找到入口，只好作罢。既来之则安之，先看看它的真实实力，再想想怎么把这 200 刀挣回来吧。

我直接给它安排了之前让 Fable 5 和 GLM-5.2 做过的硬核考题：对一个资产管理项目进行重构。

阅读本项目，了解其全部功能；我希望将后端转换为 bun runtime + sqlite 数据库的方式，方便部署的同时减少资源占用。还可以把前后端 all in one。

请自己探索，然后完成这个功能。

因为原项目后来更新了很多内容，我特意切回了当时做实验的版本；客户端用的是 Kimi Code，模型选 K3，思考预算拉到最大，权限给到 Auto，使用了 Plan 模式。

十几分钟后，K3 给出了一个 Plan 并自动开始执行。我粗看了一眼，发现它在前端层面的技术路线选得比当时的 Fable 5 更难。Fable 5 选择利用已有的模板做兼容层，务实且可控，这也是我在真实业务里会选的稳妥路线；但 K3 的方案非常激进，选择了整体重写。如果单纯从技术视角看，它的方案更加优雅且自洽。

原本以为它能像 Fable 5 一样迅速跑完，结果半小时过去了还卡在第一步（总共11步）。无聊之余，我给它派了个小活儿：我之前维护过一个远程控制 Codex / Claude Code 的工具，有人提过 PR 支持 Kimi Code，但因为 Kimi 后来架构大改导致无法运行了，我让它自己去把这修好。将近一个小时后它告诉我修好了，我拉下来验收，功能已经正常了。丢给 Codex review，挑出几个了不算严重的小毛病。

吃完午饭睡了个觉，那个资管重构的任务依然在跑，最终整整跑了四个小时才宣告完成。

但当我去验收的时候，K3 真的彻底超出了我的预期。

之前我用 GLM-5.2 做过同样的任务，结果一塌糊涂。但 K3 交付的代码，的的确确可以与 Fable 5 掰掰手腕：前端界面做到了像素级复刻，连交互动画都完全一致；后端的金融计算逻辑被测试用例死死钉住，每一个子页面的体验都和原项目严丝合缝。

在这一刻，我好像真的看到了原子弹爆炸。

当然，它的用户体验确实如官方所说，跟 Fable 5 还有差距。比如 SubAgent 在后台运行没有任何进度提示，我一度以为它像 GLM-5.2 一样中途罢工了，催促了好几次才发现它在默默干活。运行速度也确实慢得令人发指，不过考虑到算力瓶颈，能输出这样的结果已经是非常了不起了。

半年前用 Opus 的时候我就感慨，Agent 写代码的水平已经超过了人类工程师的平均线；而 Fable 5 的出现，意味着它已经击败了 99% 的人类开发者。在 Deepseek 那段短暂的高光之后，Anthropic 和 OpenAI 一路狂飙，把一众国产模型远远甩在身后。但今天 K3 的出现，似乎又一次扭转了这个局面。

Fable 5 很强，但审查过于敏感，动辄降级，后来我干脆弃用了；自从用上 GPT-5.6 Sol 后，我烧了好几千 token，却一直陷入一种智能飞速跃升带来的不知所措中。我脑海里反复萦绕着一个问题：如果 Agent 在我的专业领域已经接近我，在其他领域更是完全吊打我，我应该拿它们去干点啥，才能把我自己和模型的价值发挥出来？

我想了很久，也动手做过很多尝试，依然没有找到答案。

最近很多知名公司的 CTO 争相跳槽加入 Anthropic 和 OpenAI。也许他们早就预见到了这种“核爆”般的场景，在深夜里思考良久后，才果断选择躬身入局。而作为普通人的我们，在时代的巨浪拍下之前，又该做点什么呢？

推荐阅读

• • 追平 Opus？GLM-5.2 体验实测

• • 半小时 2.8 万行代码：记一次 Fable 5 的 0 Bug 重构

• • 9 天 3 万行代码：我如何用 Vibe Coding 从零打造 HAPI

• • AI 时代，何以自处？

• • 写好代码容易，创造价值很难

• • 技术人员的桎梏

欢迎关注我的公众号“虚拟框架”，原创技术文章第一时间推送。

更贴心的是，平台自带前端代码实时预览功能：你在对话框里让它写一个企业官网，不用配环境，点击一下就能看到预览效果，简直太方便

给荔枝做一张宣传图，AI几秒钟出图，省下了高昂的设计外包费用，效果还非常吸睛。

生成的写实人像照片，细节精细到毛孔级别，不说的话你根本分不清是AI生成的还是实拍的。

昨天，智谱的股价暴涨了 45%。一家大模型公司上市还不到半年，市值竟然直接超越了小米和京东；在目前的市场环境下还能这么暴涨，绝对是搞出了什么大新闻。

一番搜索后破案了：原来是他们的新模型 GLM-5.2 发布了，发布节点还刚好卡在 Fable 5 被禁之后。我翻了翻社交媒体，好家伙，清一色的好评。很多人直言它已经追平了 Opus 4.6，更唬人的是，在某些 Benchmark 评测里竟然还赶上了目前的“神”——Fable 5。

说实话，这着实让人难以置信。我个人的判断是，去年 8 月以后，国产模型与国际第一梯队的差距实际上是在不断拉大的；如果现在真有一个国产模型能追平 Opus 4.6，那绝对是一个了不起的里程碑。

既然吹得这么神，我决定亲自上手测一下。

据说国内的 Coding Plan 极其难抢，我干脆买了国际版。让人有些意外的是，这国际版的定价属实不便宜：Lite 版订阅 16 刀，20 X Pro 版直接干到了 144 刀，差不多达到了 ChatGPT 价格的 70%-80%。这么有底气的定价，反而拉高了我的期待值。

初体验：足以乱真的对话

我把环境配好，直接用 Claude Code 客户端连上了 API。刚开始我随便抛了几个“你是谁能干嘛”和脑筋急转弯测试它。

有一说一，单从聊天的对答如流程度来看，你完全分不清对面坐着的是 GLM-5.2 还是 Opus 4.8。

实战测试：全栈资产管理项目重构

但聊天归聊天，写代码才是检验 Coding 模型的唯一标准。因为期待值被拉满，我第一次上来就给它上了强度，直接让它干我前天刚让 Fable 5 干完的活儿：

阅读本项目，了解其全部功能；我希望将后端转换为 bun runtime + sqlite 数据库的方式，方便部署的同时减少资源占用。还可以把前后端 all in one。
请自己探索，然后完成这个功能。https://github.com/LuoDi-Nate/financial-management

我全程使用了 Claude Code 的 Auto Mode，让它自己发挥。它中间切到了 Plan 模式，问了我几个架构上的问题。过了大概半小时，终端提示任务完成。

然而，当我去验收代码的时候，我才再次深刻地感受到：Fable 5 究竟有多么牛逼。

先说我前天用 Fable 5 的体验：输入 Prompt 后，它是真正的 Auto Mode，全程没有多余的废话和人工干预，直接开干。跑完之后，前端界面做到了像素级复刻；后端的金融计算逻辑和各种公式，被一堆自动生成的测试用例钉得死死的；架构迁移文档写了 6 份，设计决策和实现过程清晰明了。最夸张的是，跑完后完美运行，体验和原项目严丝合缝，用 Codex 跑 Review，结果是 0 Bug。

再来看看 GLM-5.2，差距就非常明显了。

首先，它学会了“偷懒”。写完 HTML 骨架，样式还没上就停工了；前端草草了事后，写完后端骨架又停下来，问我要不要继续写金融计算核心，来来回回需要我人工推了好几次。

等它好不容易说全部搞定了，我一编译运行，后端直接 Crash 退出——明显的类型错误。手动修掉这个错误再跑，依然崩溃退出。等我耐着性子终于把后端错误都修完，打开前端页面一看，好家伙，完全是两个东西，核心功能甚至都没写全，基本处于一个不可用的状态。

降级测试：日常脚本编写

想想也正常，Fable 5 毕竟是目前最高的山，比不上它情有可原，属实是我期待太高了。于是我降级了难度，让它做个最简单的日常业务任务：写一个自动清理数据库中 7 天前无用数据的脚本。

这次它很快就写完了。我留了个心眼，让 Codex 帮忙 Review 了一遍。结果查出了一个致命的大 Bug：它在做清理判断时，直接用了 created_at（创建时间）作为条件。这意味着，如果一条数据在 7 天前创建，但在最近几天一直有更新，它会把这些有效数据直接删掉！

修复这个 Bug 之后，再次 Review 才算通过。作为对比，同样的任务，我用 gpt-5.5 单独实现一次，同样的提示词，一次写对，逻辑严密，没有任何 Bug。

结语

测到这里，我已经没有兴致再继续测下去了。

至少在实际的复杂工程领域，差距依然肉眼可见。我绝对不否认 GLM-5.2 取得了长足的进步——它现在真的可以帮你干一点活了，稍微调教两轮，一些日常任务确实能做对。

但软件工程就是这样：80 分到 90 分的鸿沟，比 70 分到 80 分要大得多。 当一个模型只有 80 分的时候，你省下的敲键盘时间，全都会被用来 Review、Debug 和修补边界条件。

尽管如此，它依然值得尊敬。在当前的环境下，能静下心来一步一个脚印推进前沿智能，敢于上架正面硬刚，这已经比某些还没开案就自封天下第一的 PPT 厂商强太多了。

推荐阅读

• • 半小时 2.8 万行代码：记一次 Fable 5 的 0 Bug 重构

• • 9 天 3 万行代码：我如何用 Vibe Coding 从零打造 HAPI

• • AI 时代，何以自处？

• • 写好代码容易，创造价值很难

• • 技术人员的桎梏

欢迎关注我的公众号“虚拟框架”，原创技术文章第一时间推送。

最近这几个月，我一直在高强度折腾 Vibe Coding，我发现了一个特别反直觉的现象：当你面对越来越强大的 Agent 时，你给出的提示词越详细、规定的步骤越精确，它最后交付的结果反而越差。

然后我突然意识到，这其实是软件工程里臭名昭著的 X-Y Problem，正在 AI 时代以一种全新的形态大规模重演。

什么是 X-Y 问题？很多非技术童鞋可能对这个概念比较陌生，我举个例子：

你周末坐在卧室打游戏，网络卡得走不动道。你花了一上午查资料，然后跑去数码论坛发帖求助：“请问怎么硬改路由器的天线，并刷入第三方固件来锁定特定的信道频段？”

论坛里的大神们围着这个问题讨论了半天，给你丢了一堆复杂的电焊教程和底层编译代码，结果你折腾到半夜，路由器直接变砖了。

直到有个老鸟多问了一句：“你费这么大劲，到底想干嘛？”

你回答：“我就是坐在卧室打游戏老掉线，想让网速稳一点。”

老鸟无语了：“那你直接花 20 块钱买根十米长的网线插上啊！折腾什么路由器？”

这就是典型的 X-Y 问题：你试图解决核心问题 X，但你凭经验觉得方案 Y 能搞定，于是你跑去死磕“怎么实现 Y”，绝口不提 X。结果大伙儿跟着你在 Y 的泥潭里挣扎，最后发现 Y 压根就不是个好方案。

这个老生常谈的沟通陷阱，放在现在的 AI 时代，反而成了我们自己给自己挖的坑。

提示词工程的“路径依赖”

在 LLM 刚诞生那会儿，为了控制大模型的行为和输出质量，我们诞生了一门玄学——提示词工程（Prompt Engineering）。

那时候大家都习惯了写巨长的 Prompt，把 AI 当成一个聪明但毫无经验的实习生去指导。有时候甚至精确到每一个步骤：第一步干什么，第二步干什么，强制它使用特定的逻辑链。这在当时是合理的，但也让我们养成了一个坏习惯：我们习惯了把嚼碎的方案 Y 直接喂给 AI。

现在的 AI，不再需要你教它做事

但是这个原则放在现在，逐渐不太适用了。当我们步入 Agent 时代，大模型具备了极强的逻辑推理、工具调用和自主探索能力。这个时候，精确的计划和详细的执行步骤，反而成了限制模型能力的枷锁。

举个例子。假设你刚在微信群里收集了几十个人的团建报名和餐饮忌口接龙，格式五花八门，有带括号的，有带全角冒号的，乱七八糟。

按照以前的习惯，你可能会给 Agent 下达这样的指令：“帮我写一段 Excel 提取公式：先查找冒号前面的名字，再用正则截取后面的菜品，如果遇到括号里的过敏备注，就用 MID 函数提取到 C 列。”

好家伙，你连数据清洗的实现路径都帮它规定死了。Agent 乖乖照做，给了你一段嵌套了三四层的天书公式。结果呢？你把公式贴进表格，就因为某个人少打了一个冒号，或者用错了中英文符号，公式直接大面积报错 #VALUE!。最后你花在修补公式上的时间，比纯手动复制粘贴还要多。

但如果你直击本质，把真实需求抛给它：“这是一段格式极度混乱的微信群接龙记录，帮我统计一下所有人的报名情况和饮食禁忌，直接给我整理成一个干净的 Markdown 表格。”

让它自己去发挥（Explore），它根本不需要费劲去写什么脆弱的 Excel 公式。它直接利用大模型极其强大的自然语言理解能力，无视了所有的错别字和符号不统一，五秒钟内直接把一份完美的表格“画”在了你的屏幕上。

Let it think：思维转换

这就是新时代的 X-Y Problem：你需要实现功能 X，你认为可以通过 Y 这样实现，然后告诉 Agent 用 Y 实现；其结果绝对不如直接告诉 Agent 你需要实现 X。

精确的计划和详细的执行步骤，在 Agent 面前不再是“清晰的指令”，而是“视野的遮罩”。大模型的脑子里装着无数条通往罗马的道路，当你强制它走你铺好的那条小道（Y）时，你就扼杀了它乘坐飞机直接空降罗马（X）的可能性。

所以，面对越来越强大的 AI，我们需要完成一次思维模式的跃迁：

1. 从“微观管理者”变成“产品经理”

不要再纠结于具体的执行细节。我们现在的核心价值，在于清晰地定义需求（X），提供充足的背景信息（Context），设定好边界（比如预算、稳定性要求），然后对 Agent 交付的结果进行验收。

2. 永远问自己：这是 X 还是 Y？

在敲下回车键让 AI 开始生成之前，审视一下你的 Prompt：你是在描述你面临的困境（X），还是在要求 AI 帮你完善一个你脑子里的半成品方案（Y）？如果是后者，退后一步，把原始问题抛给 AI 看看。

在过去，人类负责构思方案，机器负责执行。

在早期 AI 时代，人类负责提供步骤，AI 负责生成细节。

而在 Agent 时代，人类的终极任务，是提出一个真正有价值的好问题。

推荐阅读

• • 半小时 2.8 万行代码：记一次 Fable 5 的 0 Bug 重构

• • 9 天 3 万行代码：我如何用 Vibe Coding 从零打造 HAPI

• • AI 时代，何以自处？

• • 写好代码容易，创造价值很难

• • 技术人员的桎梏

欢迎关注我的公众号“虚拟框架”，原创技术文章第一时间推送。

今天逛论坛，偶然看到一位用户分享了他通过 Vibe Coding 完成的家庭资产管理应用，主打跨账户的资产统筹。

我立刻对这个项目产生了兴趣。因为我一直也有类似的需求：个人的投资分散在多个不同的券商账户里，每次想要盘清底仓成本和跨账户的总收益，都得靠“手搓” Excel 来手动汇总。这种体验繁琐且极为割裂，因此看到这个项目时，我眼前一亮——这主意不错！

满怀期待准备部署体验时，我扫了一眼 README，发现原作者使用的是 Spring Boot + MySQL 的技术栈。说实话，在如今全面拥抱 Agentic Coding 的时代，我对这种略显沉重的传统架构已经不那么感冒了。我现在的首选是基于 Bun 的 All-in-One 架构：前后端统一使用 TypeScript，再借由 Bun 极速编译成单一的可执行文件，开发与部署都做到了极致的轻量化。况且，对于这种个人或家庭级别的应用，SQLite 已经游刃有余，完全没有必要上 MySQL。

恰逢昨天我测了一整天的 Fable 5。遗憾的是，在此之前的体验中它总是因为对安全策略过于敏感而频繁拒绝响应，这也不让干、那也不让干。正因如此，我索性把这个资产管理项目丢给 Fable 5，让它直接按照我的技术栈偏好进行重构。一方面是为了消耗一下它的调用额度，另一方面也是想探底 Fable 5 在这种中型工程重构上的真实能力。

结果令我感到震撼。

仅仅过了大约半个小时，重构就彻底完成了：2.8 万行代码，30 张数据表，140 多个接口，堪称 1:1 完美复刻。 随后，我用 GPT-5.5 和 Fable 5 本身对这次重构进行了交叉 Code Review，出人意料的是，它们都给出了极高的评价。

实际上，我已经快半年没怎么用过 Claude 系列的模型了。自从 GPT-5.2-codex 问世后，我就发现一个有趣的现象：用 GPT 去 Review Claude 的代码时，总是能挑出各种毛病；而反过来用 Claude 去 Review GPT 时，却很少发现问题。当时我就断定，GPT 在代码生成质量上已经实现了超越。再加上 Claude 时不时动不动作妖，我很早就全面投入了 Codex + GPT 的工作流中。

但这次 Fable 5 的重构表现，着实让我感到惊讶。为了进一步验证，我继续让 Fable 5 开发了一个更为复杂的“多账户股票穿透”功能。完成后我习惯性地丢给 GPT 去 Review，结果反馈是：0 个问题。我不信邪，又让它接连做了一个新功能，Review 的结果依然是挑不出毛病。

Fable 5 所展现出的这种能力，已经实质性地改变了我的工作流。以前我的标准范式是：Agent 完成功能 -> 多个模型交叉 Review -> loop。因为过去的模型在实现复杂逻辑时总会有疏漏。但现在，如果模型足够强大，能够在需求明确的情况下精准实现且不留 Bug，那么我们以后将不再需要繁琐的交叉 Review 或后置人工检查。

前段时间，Anthropic 直接把用 Zig 语言编写的 Bun 用 Rust 给彻底重构了一遍，100万行的代码。此时此刻，我也真切地体会到了这种降维打击般的威力。我很难准确形容当下的感受——那是一种多年认知被推翻的“崩塌感”，但其中又夹杂着见证奇迹的少许兴奋。

我们过去花了数年心血去构筑和迭代的软件工程，现在竟然可以在几个小时内被无缝实现。

这让我想起了马斯克说过的那句话：人类数十万年的漫长进化，可能仅仅是硅基生命 Bootloader 里那一闪而过的引导代码。

推荐阅读

• • Android 的越狱时代已经到来

• • 9 天 3 万行代码：我如何用 Vibe Coding 从零打造 HAPI

• • AI 时代，何以自处？

• • 写好代码容易，创造价值很难

• • 技术人员的桎梏

欢迎关注我的公众号“虚拟框架”，原创技术文章第一时间推送。

今天晚上，经历了一件让我直冒冷汗的事：我的 macOS 电脑剪贴板被人劫持了。

具体表现是：只要我复制一个收款地址，粘贴时就有概率变成另一个极其相似的地址。很多人转账前只会扫一眼地址的前几位和后几位，这就给了攻击者可乘之机。一旦转出去，基本就追不回来了。

我立刻启动了 codex 进行分析和定位，它没有让我大海捞针，而是快速锁定了系统里几个伪装成 Apple 系统组件的恶意启动项。那些名字看起来非常正常，类似：

• • com.apple.accountsd.helper

• • com.apple.metadata.mds.worker

乍一看完全是 macOS 自带服务，实际全都指向用户目录里的隐藏文件，并且会随着系统启动自动运行。即使重启，恶意程序也会再次复活，继续监控剪贴板。

关掉进程、禁用启动项只能解决眼前的问题，我更想知道两件事：

1. 1. 它到底是怎么进来的？

2. 2. 除了劫持剪贴板，它还干过别的吗？

因为我这台电脑平时从不关机，我们通过比对文件创建时间、系统日志，把中招时间精准锁定在了某天深夜。之后，我们围绕这个时间点交叉排查了终端历史记录和浏览器记录。

起初我怀疑过 Homebrew、npm 的供应链攻击，但 Codex 结合时间线逐一排除了这些可能。真正的突破口来自两个地方的对照分析：终端命令历史 和 浏览器搜索记录。

真相让我非常后怕：
我当时在搜索引擎里输入了一个常用开发工具的名字，点进了结果里的一个广告链接。那个页面伪装成工具的官网下载页，做得几乎以假乱真。它没有给我一个正常的安装包，而是诱导我在终端里执行一条命令。命令表面看是在下载工具，实际却从另一个可疑域名拉取了恶意程序。我当时没有拆开命令逐字检查，直接回车了，然后就中招了。

事后 Codex 继续帮我分析了投递下来的恶意程序。它不是简单的脚本，而是一个带有反虚拟机检测的 macOS 原生可执行文件。如果发现自己在虚拟机或分析环境里，它甚至会主动停止运行，明显是一套相当成熟的攻击链。

这里还有一个让我非常震撼的小插曲：后续分析过程中，Codex 的能力真的让我有点惊讶。它现场写了 syscall / exec 拦截器，在受控环境里把恶意程序“喂”给 shell 的内容截了下来，也就是攻击者真正想投递的 payload。整个过程不超过五分钟。

这在过去几乎是不可想象的。以前要做到这一步，通常需要懂逆向、懂系统调用、会写调试工具，还要花不少时间反复试错。但现在，AI 可以在旁边帮你快速搭建分析工具，把攻击链一点点拆开。

这次经历给我敲了一记非常响的警钟。

作为开发者，我们早就习惯了 curl | sh 这类安装方式，久而久之就容易麻木。但这次的教训就是：不要因为一条命令看起来像安装命令，就默认它是安全的。 尤其是从搜索广告、第三方页面、群聊里复制来的命令。

如果你也是 macOS 用户，最近安装过 AI 工具、开发工具或金融类应用，强烈建议花一分钟自查一下系统启动项，重点关注这几个目录：

• • ~/Library/LaunchAgents

• • /Library/LaunchAgents

• • /Library/LaunchDaemons

如果看到名字很像 Apple 系统组件，但实际指向用户目录隐藏文件的可疑项，就要立刻警惕。

再次提醒：不要轻信搜索广告里的软件链接，不要随手执行网页上的终端命令，转账前一定要完整核对地址。

推荐阅读

• • Android 的越狱时代已经到来

• • 9 天 3 万行代码：我如何用 Vibe Coding 从零打造 HAPI

• • AI 时代，何以自处？

• • 写好代码容易，创造价值很难

• • 技术人员的桎梏

欢迎关注我的公众号“虚拟框架”，原创技术文章第一时间推送。

【导语】
很多年前，折腾 KernelSU 让我饱受“为开挂提供温床”的批评。主流观念总是一刀切地认为：只要和“破坏规则”沾边，就是可耻的。
但后来我发现，无论是在技术发展的莽荒时代，还是在我们习以为常的现实社会中，创新往往源于对边界的试探；而那些被大众不假思索地捍卫的“公平”和“规则”，很多时候，只不过是系统为了维持运转而精心构建的一套控制代码。

几年前，我曾提到过，KernelSU 某种程度上算是我早年折腾科技留下的副产品。那之后，我收到过不少批评，其中很多都围绕一个判断：只要和“开挂”沾边，就是可耻的，就是不正当的。

现在回想起来，我探索写科技的那几年，我的人生也开挂了。这并非说我靠技术去盈利、改变了人生，而是因为我从中领悟到了一些关于技术、规则和社会运行的东西。

创新

雷军在《小米创业思考》中说过，“创新，是创造性地破坏”。如果你想改变什么东西，往往要先打破点什么。做漏洞挖掘的人，如果发现某些情况会导致系统重启，往往会很兴奋，因为这意味着他们已经 break something 了；而普通人遇到手机重启，只会觉得这系统怎么这么不稳定。

乔布斯自传里也提到过，他人生的第一桶金，来自一个叫“蓝盒子”的东西。它利用了电信系统的漏洞，实现免费拨打长途电话。放在今天，这种行为显然会面临严重的法律后果，但在当年，它处在一个完全不同的技术和监管环境中。乔布斯确实从中获得了最早的一笔资本，也由此更早接触到了“通过技术撬动系统”的可能性。

以前有个软件叫“金山游侠”，可以篡改游戏数据，本质上也是对游戏规则的绕过。而开发它的公司后来变成了今天的金山，老板是雷军。

技术创新的源动力之一，恰恰来自于对边界的试探和突破。如果没有那些喜欢“不按套路出牌”的极客，就不会有今天繁荣的科技发展。

当然了，对边界的突破，不等于一切行为都天然正当；但是，不假思索地批判这种行为，同样值得怀疑。

规则与公平

还有一种常见说法是，这样做破坏了游戏平衡，对其他玩家不公平。在多人对抗环境里，作弊确实会损害其他玩家的体验，但问题是，游戏的匹配机制本身就是绝对公平的吗？

算法知道，如果你一直赢，你会觉得无聊而下线；如果你一直输，你会愤怒而卸载。所以，系统会精准计算你的“挫败阈值”。当你快要绝望退坑时，它可能故意给你匹配一局极其弱的对手（“福利局”），让你大杀四方，重新获得巨大的多巴胺分泌；当你连胜自满时，又可能把你塞进更难打的局里，让你继续留在这个循环中。

游戏厂商的规则，很多时候并不只是为了维护抽象意义上的公平，而是利用人性的弱点通过算法调动你的情绪和时间，让你持续投入、欲罢不能。

为什么很多人谈到“公平”时，只盯着最容易谴责的个体行为，却很少去质疑那些同样在操纵玩家、但因为写进规则里就显得理所当然的机制。

他们似乎默认规则本身就是公平的，仿佛只要遵守规则，结果就天然正义。

现实并没有这么简单。

这个世界何时真正公平过？现实世界里，又有多少人从来没有享受过某种“开挂”般的不对称优势？

风险

开科技其实有两种完全不同的用法，也有两种完全不同的结局：自己用和拿去卖；造成不同结局的原因，是外部约束条件完全不同。

“高风险，高回报”，“风浪越大鱼越贵”。风险，本质上是一种杠杆。绝对的风险厌恶者，不加任何杠杆，往往也很难获得非常规的回报。

做法	风险	回报
自己用	违反游戏规则，被封号	不一样的游戏体验
拿去卖	可能触犯刑法，面临严重法律后果	经济报酬

如果仅仅是自己用，代价通常就是游戏账号被封禁。在权衡利弊之后，这种风险对有些人来说可能是可接受的；但如果是拿去卖，那就完全是另一回事了，风险和性质都变了。

然而可笑的是，很多人在面临人生中的重大选择，比如买房、结婚、生娃这些问题时，压根不认真评估风险和收益，往往是随大流、凭惯性；但对于自己开科技这种几乎不会影响现实生活走向的事，却格外谨慎，甚至还对别人进行道德审判。

当然，如果你是开挂卖钱，这种违法行为毫无疑问不值得提倡；就像如果乔布斯生在现代，他大概率也不会去开发“蓝盒子”一样。

教育和观念

我无从考究“开挂可耻”这种观念究竟从何而来，也许它确实来自人们心中某种朴素的正义感。但也存在另一种可能：很多观念，会在规则制定者、平台方、既得利益者，以及舆论和教育的共同作用下，被不断强化，最后变成一种无需思考的本能判断。

我们大多数普通人接受的教育，某种程度上是为了让我们成为社会运转中的标准件。我们按部就班地走完生命流程，从而维持整个系统的稳定。一旦某些人的思想或行为偏离轨道，就会被贴上“异类”的标签，因为这些人可能会破坏当前系统的运行逻辑，也可能损害既有利益结构。

对于开科技自用这种场景来说，我们维护的那个“利益”，其中究竟包括不包括我们自己，这件事未必总是那么清楚。

就像《黑客帝国》一样，你所认为的公平和规则，很多时候只是 Matrix 为了维持运转而写下的一套代码。

结语

如果你对本文感到不适，我深感抱歉。我也并非完全认同本文里的所有观点。当我想起这些时，我同样会对这个世界、对规则、对公平，产生很多怀疑。

我想表达的并不是“开挂有理”，更不是为一切作弊行为开脱。我真正想说的是：技术上的突破往往来自对边界的试探，而人们对规则的崇拜、对公平的理解、对风险的判断，很多时候并没有自己想象得那么清醒和牢靠。

顺带一提，原神的挪德卡莱剧情简直是神一般的存在，而我也早已脱离“科学家”行列了。

推荐阅读

• • Android 的越狱时代已经到来

• • 9 天 3 万行代码：我如何用 Vibe Coding 从零打造 HAPI

• • AI 时代，何以自处？

• • 写好代码容易，创造价值很难

• • 技术人员的桎梏

欢迎关注我的公众号“虚拟框架”，原创技术文章第一时间推送。

就在今天，有网友公布了一种全新的免拆机解锁 BootLoader 的方法。消息一出，瞬间在沉寂已久的刷机圈掀起了轩然大波。

在各家厂商将 BootLoader 锁越收越紧的今天，这个消息无疑让众多“搞机玩家”看到了一丝久违的曙光。说实话，自从小米的“解锁高考”将我拒之门外后，我也渐渐习惯了在不解锁的状态下使用手机，前段时间甚至直接换成了 iPhone。

但此刻，看到这场狂欢，我内心深处竟然又萌生了重新买一台小米的冲动。

从技术原理上讲，这次公布的方法实际上是利用了一系列系统漏洞。不过需要特别提醒大家的是：其中部分漏洞已经在最新的系统安全补丁中被修复。 如果有意愿尝试的同学，近期在系统更新上可能要多加留意，切勿盲目升级。

更令人振奋的是，这个漏洞的价值不仅限于解锁 BL。它其实还能为 Android 系统带来一种类似 iOS 的越狱模式——也就是说，我们可以在不解锁手机的前提下，直接获取并使用 Root 功能！

对于 KernelSU 玩家来说，这就打开了全新的大门：一旦你通过某种方式获取了 Root 权限，完全可以通过加载 LKM 来让 KernelSU 接管 su 权限，从而实现免解锁使用 KernelSU。

在此也顺便透露一个消息：最近，KernelSU 团队也正在考虑为这种“越狱模式”添加特别的支持。

今天这场属于刷机玩家的狂欢，或许正预示着一个新时代的到来。

正如那句经典台词所言：有些鸟儿是永远关不住的，因为它们的每一片羽毛都沾满了自由的光辉。

推荐阅读

• • 9 天 3 万行代码：我如何用 Vibe Coding 从零打造 HAPI

• • AI 时代，何以自处？

• • 写好代码容易，创造价值很难

• • 技术人员的桎梏

欢迎关注我的公众号“虚拟框架”，原创技术文章第一时间推送。

上次分享 Vibe Coding 的 HAPI 实践后，很多朋友对背后的细节感兴趣。今天简单聊聊我具体使用的工具和模型选择逻辑。

关于模型：贵就是便宜，慢就是快

我一直密切关注着国内模型的发展，Kimi、DeepSeek、GLM 的每一次大版本更新，我都会第一时间投入实战测试。但现在的客观情况是：国外顶尖模型和国内模型依然存在代差。我感觉二者水平最接近的时候可能是去年 8 月。现在很多人期待 DeepSeek 的新版，说实话，如果它能稳定达到 Opus 4.1 的水平，就非常值得尊敬了。

现在很多朋友因为价格优势而选择国产模型，但在我看来，在生产力这件事上，“便宜”往往是个陷阱。

如果模型推理不够严密，写出的代码质量不稳定，你就得花大量时间去 Prompt、去 Debug、去返工。看起来省了点 Token 钱，实际上浪费的是最宝贵的时间。

所以我现在的策略很简单：只用最强的。
目前我的主力是 Anthropic Opus 4.5 和 OpenAI GPT-5.2-codex。其他的（包括 Sonnet 4.5）我都已经不再使用了。

Codex 模型目前最大的争议是速度慢。但在我看来，慢是 Feature，不是 Bug。

我做过很多对比：Codex 会花很多时间去“阅读”代码，理解上下文，然后才开始写；而 Opus 则有点急性子，经常看了一半就开始狂写。Opus 确实快，做 Plan 和 Explore 很强，但写代码的质量不如 Codex。

更关键的是，Codex 5.2 的长上下文能力目前是独一档的存在。这对实现大型 Feature 和重构是杀手级特性，即使是 Opus 4.5 也无法望其项背。

我曾做过若干次实验，让 Opus 和 Codex 互相 Review 代码：

• • Opus Review Codex：通常说“没问题”，顶多挑几个无关痛痒的毛病。

• • Codex Review Opus：经常能指出根本性的逻辑错误。

所以我的分工非常明确：用 Opus 4.5 做规划和探索，用 Codex 5.2 写核心代码。

另外，如果你像我一样并行跑 Agent，你会发现“慢”反而是优势。Codex 在思考和编码的时候，我完全可以切换上下文去处理另一个任务；反倒是 Opus 那种“秒回但容易出错”的节奏，需要人时刻盯着，反而打断了并行的节奏。

我的工具流：安全且流动的开发环境

好的模型需要好的容器。为了实现随时随地的 Vibe Coding，我搭建了一套基于 Linux 和 CLI 的全自动化环境。

1. 基础设施：PVE + LXC
我有一台专门的 Mini 主机，Agent 跑在 PVE 的 LXC 容器里。既安全（隔离性好），又方便（24 h 运行）。配合 Tailscale，我在外面用手机也能随时连回家里的 Session。

2. Session 管理：HAPI 接管一切
通过 HAPI，我设置了 alias cc=hapi claude 和 alias cx=hapi codex。所有的对话都被统一管理起来，这意味着我可以在手机上远程无缝接管电脑上的任意一个 Session。

3. 交互核心：Tmux + Git Worktree
我完全摒弃了图形化 IDE，所有的工作流都在 Tmux 中完成：

• • Panel 布局： 每个任务独占一个 Window，分为三个 Panel：Coding、Review、Terminal（验证）。

• • 并行神器：使用 git worktree 来实现多特性并行开发，每个 Feature 对应独立的 Worktree。配合 Workmux，实现了 Tmux Session 与 Git Worktree 的完美绑定，切换上下文非常丝滑。

4. API 策略：负载均衡
为了不浪费时间折腾账号，我都是走中转。另外强烈推荐 claude-code-hub 做负载均衡。我在本地只配这一个地址，后面挂几个中转商，哪个挂了它自动切，完全无感，非常省心。

写在最后

我的原则只有一个：把钱花在最好的模型上，把时间花在最有价值的思考上。

Vibe Coding 时，我们的大脑是最宝贵的资源，降低它的负担，提高它的利用率，不要把时间浪费在无谓的事情上。

推荐阅读

• • 9 天 3 万行代码：我如何用 Vibe Coding 从零打造 HAPI

• • AI 时代，何以自处？

• • 写好代码容易，创造价值很难

• • 技术人员的桎梏

欢迎关注我的公众号“虚拟框架”，原创技术文章第一时间推送。

Cursor 问世以后，我一直密切关注 AI 编程的动态，试过 Augment、Claude 等各种工具。但受限于模型能力，它曾经始终没有办法很好地配合我。因为我通常工作在系统的底层或顶层，并不会写太多的业务代码。

大约在去年九月，我浅浅地在 Claude Code 中尝试了一下 opus 4.1 这个模型，结果让我大为震惊。虽然它与顶级工程师仍有差距，但已经能胜任大部分工作，从平均水平来讲已经超过了人类工程师。我感觉到，AI 编程的拐点已至。

从那以后，我开始严肃认真并且系统性地开始学习 Vibe Coding。实践出真知，用 Vibe Coding 产出一些东西自然就是最好的方式了。

最开始，我会拿它代替我修改一些小 bug，或者写一些日常用的 script，在掌握一些初步的驾驶技巧以后，我会让它做一些小的功能改进；后来，我开始让它完成一些较大的需求。KernelSU 的 metamodule 功能，是这一阶段的终极代表，我几乎没有手动改过代码，就在一个较为成熟的项目中完成了一个大手术，这个实验结果让我非常满意。

从这以后，我开始做一些 AI First 的尝试：用 AI 从零开始完成一些项目，而不是在一个由人类工程师搭建好的框架中做修补工作。

在这个过程中，我发现了一个新问题：AI 干活时，我得守在电脑前等终端输出。出门吃饭、散步时，我总是迫不及待想知道：它跑通了吗？报错了吗？

我需要一个能远程控制 Claude Code / Codex 的工具，让我能在手机上验收结果、下达新指令。

起初我发现了开源项目 happy-coder，如获至宝。可是用了没两天就发现毛病一堆：服务器挂了导致用不了，消息发不出去出，功能缺失等等；我开始给它修复功能，发 Pull Request，可是那段时间这个项目非常不活跃，PR 发了无人回应；后来我开始维护自己的分支，这个过程更加痛苦：自己部署配置 docker，数据库，还有端对端加密，文档缺失，我估计维护者自己都搞不清楚怎么做（AI 做的），用的 expo 云端编译一次 App 竟然要 20 分钟... 于是，我决定，自己做一个。

就这样 HAPI 诞生了。与 happy-coder 相比，我做了一些非常显著的改进：

1. 1. 部署十分简单，单个二进制，一行命令就可以搞定；开发也及其方便，一行命令就可以开始，添加新功能异常迅速；

2. 2. 去中心化架构，每个用户自己持有数据，而非放在中心化的服务器，彻底避免服务器挂掉自己用不了或者数据丢失的问题；

3. 3. 除了支持 Claude Code，还支持 Codex / Gemini cli / Opencode，全部都可以 local / remote 无缝切换；

4. 4. 支持自己部署 Voice Assistant，“君子动口不动手”。

开发 HAPI 的过程，是我 Vibe Coding 技术的一次“毕业设计”。
我花了9天时间，完成了3万行代码，提交了180个 commits。

现在的我可以同时指挥 10 个 Agent 在不同的 workspace 里干活：Plan、Coding、Steering、Verify，整个过程如同流水线般丝滑。我的效率提升了数倍，心态却异常轻松。

我不再纠结变量名、if 条件、函数签名这些细节；我只需要制定标准、控制方向、验收结果。这种编程体验，真的非常愉悦。如果大家有兴趣，我很乐意分享一些细节。

项目是开源的： https://github.com/tiann/hapi

有兴趣的可以试试，祝你玩的开心 : )

推荐阅读

• • AI 时代，何以自处？

• • 写好代码容易，创造价值很难

• • 技术人员的桎梏

欢迎关注我的公众号“虚拟框架”，原创技术文章第一时间推送。

最近，知名 AI 科学家李飞飞在演讲中提出了一个颇为激进的观点：鉴于 AI 的飞速发展，K12 阶段许多应试内容、机械记忆和标准计算，机器几秒钟就能完成。让人类花十几年去死记硬背这些东西，是对生命的浪费。她建议大幅缩短传统 K12 学制，将精力转移到培养好奇心、创造力和批判性思维这些 AI 无法取代的能力上。

坦白说，刚听到这个观点时，我深表赞同。前段时间给孩子选学校，我的想法如出一辙：既然 AI 如此强大，何必让孩子去“卷”那些会被机器轻松碾压的题海？直接跳过机械训练，专注高阶能力，岂不是更好？

当我冷静地与 DeepSeek 进行一番深入交流以后，我改变了之前的看法。语言表达、数理逻辑、专注力与韧性，这些基础技能不仅无法通过 AI 习得，更是人类有效使用 AI 的前提。

• • 语言表达能力：这是与 AI 交互的接口。表达精准，才能写出高质量的 Prompt，让 AI 理解你的真实意图；表达匮乏，指令模糊，AI 能力再强也无法通过“猜谜”来辅助你。

• • 数理逻辑能力：这是判断 AI 输出质量的标尺。逻辑强，才能审视 AI 的推理过程，识别漏洞；逻辑弱，就容易被 AI 一本正经的“胡说八道”蒙骗。

• • 专注力与坚持力：这是实现长期目标的底盘。无论是学业、职业还是生活，没有这个底盘，你甚至无法坚持让 AI 帮你迭代完一个复杂的项目。

AI 确实能加速知识获取，帮你查资料、算公式、写代码，但它无法代替你“定义问题”和“验证答案”。真正的创新，往往源于人类对世界的深度理解和持续钻研，而非 AI 的瞬间生成。

李飞飞的愿景很理想：用 AI 解放低级任务，直奔人类优势。但如果基础尚未打牢就急于“跳级”，孩子可能连驾驭 AI 的能力都无法掌握，最终反倒成了 AI 的“附庸”。

因此，我的结论是：AI 时代的教育不应是“缩短”或“抛弃”基础，而是要“改造”基础。 我们可以用 AI 接管重复练习，但必须通过更科学的方式强化内功。腾出来的时间，再去滋养创造力和好奇心。

作为一名家长，也作为一个天天用 AI 写代码的人，我越来越确信：

语言是指令，逻辑是防线，专注是燃料。这些看似陈旧的“基本功”，恰恰是我们驾驭 AI 的“新杠杆”。

推荐阅读

• • AI 时代，何以自处？

• • 写好代码容易，创造价值很难

欢迎关注我的公众号“虚拟框架”，原创技术文章第一时间推送。

最近这一个月，我深度使用 Coding Agent 完成了好几个项目：

1. 1. KernelSU 的 metamodule 功能

2. 2. 一个内核文件系统 (ksufs?)

3. 3. 公司的全栈项目

除了第二个项目我写了 MVP 原型外，其余项目我几乎没有动一行代码，全程指挥 AI 完成。从需求规划、架构讨论，到具体代码执行，以及后续的迭代重构，AI 都能极好地配合。

经过这段时间的实战，我认为行业已经到了一个拐点：Coding Agent 的综合能力，已经超过了市面上人类工程师的平均水平。

当然，现在的 AI 并不完美。它会犯错，会“幻觉”，有时候需要反复纠正。但仔细想想，人类工程师不也一样吗？我们自己也会卡壳，也会写了前面忘了后面，也会因为项目迭代太快而堆砌“屎山”。

如果我们不把 AI 视作完美的“神”，而是把它当做一个允许犯错、但极其勤奋的中级工程师，你会发现它完全能胜任当下的工作。

真正让人“细思恐极”的是：这个 AI 工程师可以 7 x 24 小时待命，听话不抱怨，执行力超强且有问必答，而成本只有人类的一半甚至更低。

面对这样的“竞争对手”，我们人类工程师的护城河到底在哪里？

品味

品味，可能是 AI 时代最稀缺的能力。

AI 就像一个拥有无穷体力的工匠，它能给你提供十种实现方案，每一种都能跑通。但它不知道哪一种是“对”的。

所谓的品味，就是判断对错，区分好坏。
是知道在什么场景下该用什么架构；
是知道什么时候该为了性能牺牲可读性，什么时候该为了简洁放弃炫技；
是知道如何定义一个优雅的 API，而不是仅仅堆砌功能。

代码生成的门槛越低，选择的价值就越高。

非线性知识

AI 擅长处理结构化的文档和代码，但软件工程中大量的信息是混沌的。

比如一个奇怪的 Bug，修它的线索可能不在代码里，而是在数年前的一次业务妥协里；或者某个功能为什么这么设计，是因为老板的某个执念，或者是为了规避某个政策风险。

处理这些模糊、非线性、甚至充满“人情世故”的复杂语境，目前仍是人类的优势。

共情能力

AI 活在 IDE 和云端里，它无法感知物理世界。

它不知道 App 运行久了手机会烫手；体会不到在地铁弱网环境下，Loading 转圈太久会让用户多烦躁；也看不出那个按钮设计得太小，手指粗点的人根本按不到。

软件最终是给人用的。只要用户还是人，就需要同样拥有肉体和情感的人类工程师，去把控那些无法被量化的体验。

结语

当写代码不再是瓶颈，我们终于有时间停下来思考一个更本质的问题：

如果不写代码，我们要创造什么？

当所有的技术细节都可以被瞬间填满，剩下的那部分——那个关于“我要做一个什么样的东西，以及为什么要由我来做”的念头，或许才是我们最后，也是唯一的依仗。

推荐阅读

• • KernelSU: 内核 ROOT 方案，来了！

• • KernelSU 里面的救砖机制

• • 教程：新手机从解锁到刷入KernelSU

• • KernelSU：兼容旧版本内核

欢迎关注我的公众号“虚拟框架”，原创技术文章第一时间推送。

最近，我注意到手机端 AI Agent 应用的兴起，例如 DroidRun 和 AutoGLM。这类应用能够模拟用户操作，在手机上自动执行任务，全程无需人工干预——比如自动发布一篇小红书笔记，或是在美团上点一杯咖啡。

对用户而言，这类应用的核心价值在于解放双手、节省时间。 想象一下，那些每日重复的应用签到、定时的优惠券抢购、或是在不同应用间搬运信息的繁琐操作，都可以交给一个不知疲倦的后台“数字助理”来完成。这不仅极大地提升了个人效率，更让用户能将精力专注于更有创造力和价值的事情上。

然而，这些应用在实现上普遍面临一个核心痛点：独占屏幕。当 Agent 运行时，它会接管手机屏幕，导致用户无法使用自己的手机。加之目前 Agent 的执行效率还不高，用户往往会发现，看着它慢吞吞地操作，还不如自己动手来得快。

为了解决这个问题，行业内不约而同地想到了“云手机”方案。其思路是，在云端为用户分配一台专属的安卓设备，让 AI Agent 在这台云手机上执行任务。这样一来，用户自己的手机可以被完全解放出来，同时，标准化的云端系统也解决了安卓生态碎片化带来的适配难题。这看起来是一个两全其美的方案。

但这个方案并非完美，它带来了两个显而易见的问题：

1. 1. 额外成本： 市面上的云手机服务，对普通用户的定价通常在每天一元左右。

2. 2. 隐私风险： 许多任务需要登录用户的个人账号，而在远程服务器上输入和保存这些敏感信息，难免会引起用户的安全顾虑。

如果能在用户的手机上直接开一台 Android 虚拟机，然后用 agents 在后台操作虚拟机，这两个问题便迎刃而解。我之前开发的两仪就是这种类型的应用，或许能在 AI 时代焕发第二春？

唯一的遗憾是，Android 12 及以上版本对“幽灵进程”的限制，为了确保应用能在后台稳定运行，需要引导用户进入“开发者选项”并手动关闭一个相关开关。虽然这对普通用户可能构成一定门槛，但对于乐于探索的“极客”用户来说，这通常不是什么大问题。

展望未来，真正的终极方案可能在于 Android 自身的虚拟机技术——AVF (Android Virtualization Framework)。近期，AVF 已经开始支持图形化界面。如果未来这项技术能够得到高通、联发科等主流芯片厂商的普遍支持，而不再局限于谷歌 Pixel 的 Tensor 芯片，那么我们就能在手机上拥有一个原生、高效且安全的虚拟环境来运行 AI Agent，这将彻底解决当前的所有痛点。

推荐阅读

• • 两仪，新的开始

• • 如何在 Android 12 上使用两仪

欢迎关注我的公众号“虚拟框架”，原创技术文章第一时间推送。

就像社交平台刷屏的玩梗热帖说的：

GPT是不加预算请不起的“留子”，DeepSeek是聪明却不干活的“工贼”，豆包虽然勤劳但实在不太聪明，而你，在无数个AI应用之间奔忙，却始终得不到自己想要的答案。

这句调侃看似玩笑，却道出了 90% 初学者的痛点——以为下载几个 AI 工具，就是掌握了人工智能，却忽略了‘会用’和‘用好’之间隔着巨大差距。

在这种时候，总会有少部分善抓机遇的聪明人，不甘心被困于人与数据的鸿沟之中，尝试利用AI升职加薪、副业变现，还满世界跑。

他们靠的从来不是盲目跟风，而是拆解需求、组合工具的系统思维。

人与人之间，究竟差在哪里？

我有个学妹小文，今年全网都是AI的时候，她嗤之以鼻，这玩意从她大学就被吹到现在，也不就是个“人工智障”，一点也不好用。

结果，打脸的来了！

当时，领导突然派了个活，让她在两天内做好季度报告，代表部门参加评奖时，她整个人懵住了。

2天？！成千上万的数据，数百个方案，怎么可能。

在她吐槽期间，她亲眼目睹了同事导入数据、处理数据，到做成PPT，整个过程之快，让她大为震撼。

原本一星期的工作量，AI居然2天就完成了。

震惊之余，她更多的是惊喜，“如果我的AI也这么听话，岂不是一天就能交出方案？”

然而现实却给小文泼了桶冷水——当她下载好和同事一样的工具，信心满满地输入提示词时，结果生成的内容要么驴唇不对马嘴，要么全是模板化套话。

同事见她一脸郁闷，笑着说：

“我以前也这样，后来才发现当时的我和大多数人相同，只停留在“能生成”的阶段，离“用出价值”还差得远。

你呀，与其在网上瞎折腾，不如跟着专业课程系统学习，绝对会对AI改观。”

说完还给小文秀了几招：

在AI文字生成上，很多人存在自己写不出、AI写的内容太生硬、理解不了修改需求的困境。

当你需要查找某个文件合同中的特定信息时，AI还可以实现快速定位，无论各种语言，让你在第一时间获取所需的信息。

做数据分析，之前总花上几个小时去进行高级筛选合并，有AI工具也不知道怎么用。

AI还能在20秒的时间就能收集全网信息，整合想看的小说电影，省时省力还省钱！

像写脚本、做视频这些对AI而言洒洒水，完全不在话下。

同事利用在AI课上学到的秘籍，自己做AI自媒体探店账号，写脚本、图片生成、剪辑配音一起搞定，收获了不少粉丝喜爱，还接到了商单。

小文这才明白，并不是AI工具不好用，而是自己的使用方法不对。也彻底被人机协作的强大所震撼。

自身水平过硬+会使用AI，这样的人以后才是市场最想要的。

于是她赶紧找同事要了AI课程的学习链接，在这里分享给大家！

正好最近有活动，限时3.3元，把握一次踏上AI风口的机会，有需要的小伙伴可以先抢个位置。

▼

风变AI应用公开课

专为新手量身打造

拥抱人工智能潮

掌握未来竞争力

限时体验 ，仅需 3.3元

马上扫描报名

别让时代甩你在身后

👇👇

官方调查发现，不管是办公协作，还是随意聊天，目前至少已有2.5亿中国用户在积极拥抱人工智能时代的到来。

这不是“凡尔赛”，更不是玩笑。巨大的机遇，足以改写人生剧本。

不改变，总有人走在你前头。在AI的加持下，他们将变得比任何一个时期都强大。

调研整个AI市场、结合当下热门应用场景后，风变打磨了AIGC一站式持续成长方案:

 ✅流畅人机交互系统，一键实现AI智能对话

 ✅AI智能对话实战，打造专属你的工作助理

 ✅AI绘画百宝箱，免费精美设计用到爽

 ✅AI变现实战落地，助力轻松开启项目！

简直是保姆级AIGC学习宝典！

他们家的课程我自己也在学，并且推荐过好几次了，确实都做得不错，门槛低难度低，学起来很好玩。

现专享价3.3元！

仅限 前100名

扫码，即刻开启进阶之旅！

👇👇👇

看到这你可能会想，AI没什么技术含量，自学或随便报个班，总能掌握的。

▼

风变AI体验课

专为不懂但不想被淘汰的你打造

不限年龄/基础 

限时体验，仅需 3.3元

马上扫描报名

为未来增加砝码

👇👇👇