mysetup.ai: 分享AI工作流与工具配置
Show HN: Share your AI Setup, Learn from others
我还没完全搞定我的AI工作流，不如大家一起交流。在Twitter/X上，经常看到工程师和开发者分享他们的AI工具配置，让人不禁好奇：他们用了什么工具？为什么选择那个agent harness？graph engineering又是什么？为了不再感到 overwhelmed，我创建了mysetup.ai。这是一个专门的空间，用于展示和分享大家如何构建AI系统、使用的工具、工作流程和系统架构。你也可以在这里更新并分享自己的配置，与朋友和同事交流。也许最终这只是我和我的agent在对话，但我希望你能从中获得启发，也欢迎分享你的setup。
这是一个社区，让我们分享如何与AI协作，向他人学习，并安心地意识到：我们都不必独自摸索。
HN 评论区
114- vegadw
这感觉有点自选性，因为它要求必须使用 MCP 才能贡献内容。
我算是个重度 AI 用户，有一些自定义技能/MCP 服务器想分享，但想都别想让我连接某个随意的 MCP 服务器，还把 GitHub 账号连上去。绝对不行。
- lbrito
我的本地配置：我极不情愿地在终端打开 `claude`，恨它恨了 8 个小时，然后关掉电脑，假装它不存在。周而复始。
- hackmack10
20 年行业老兵在此。得了吧，谢谢了。在 AI 时代，开发者的生产力和职业安全感将取决于你的专有工作流。把知识分享给全世界已经不再合理了。
我强烈建议大家别这么做。
- garethsprice
好点子。https://mysetup.ai/u/gareth - 试着加入了一些对他人有用的提示（截图、每秒 token 数结果、月度成本等）。
很有意思，看到这么多人都在搭建自定义工作流和工厂型模式，与 AI 编程工具并行运行（我也包括在内）。
很希望能看到这些内容被整理成定期调查，以捕捉趋势。另外最好有个 RSS/Atom 源或 API，这样我就能让一个 agent 来监控它了 :D
- LJGNYC
有人能推荐一个基于 4090 + 32GB 内存的配置吗？希望能至少在一定程度上接近 Claude code 的体验。
- demeyer1
它叫 Autobot，设计目标是尽可能接近现实版的钢铁侠贾维斯。
它能做什么
一个 OSS/MIT 许可的框架，帮助代理任务连续运行长达 4 天而无需性能下降。
专为原生对话式语音模式设计，表现优异。擅长知识型工作，以“租约”方式管理计算机使用，避免子代理之间的冲突；或者从零部署整个 AWS 基础设施模式并启动 100 个不同的虚拟机镜像。
它是如何做到的
使用规范事件账本、心跳机制（用于低成本编排的持久化）、将基础记忆扩展至加密磁盘存储，并管理自己的调度系统（便于切换到其他平台）。
作为项目安装，非常简单。零配置。无需特殊应用或访问权限。
配套仓库包含禁用基础模型固有审批功能的技能（谨慎使用，不建议 - 位于父仓库下的独立仓库）。
基准测试
目前在 AssistantBench 排行榜上名列前茅；在 OS World 2.0（我能找到的最困难的知识型计算机使用基准）上也跑到了榜首，使用的模型还落后一代。所有基准测试均在仓库中，并带有加密签名。
完全免费，无商业目的——它彻底改变了我，所以我就把它放出来了。
希望能找到其他也在推动这一特定维度框架发展的人。
去看看
- tha_hnrain
"用你的 agent 探索这个配置 →"：不，不。我永远不会让我的 AI 指向一个未知的、预设好的地方去“探索”。这个链接应该被标记。
此外，我们的大脑难道已经僵化到无法阅读和理解了吗？连一段（潦草的）AI 生成的描述都读不懂？
- shrikant
和往常一样，对于这种用 LLM 快速搭建的小型工具/服务，我觉得更有价值的是看到“源代码”，也就是提示词本身。
事实证明这次很有用，我稍作修改就得到了我自己工作流的摘要。
顺便一提，我是这样修改的：
帮我向团队成员分享我如何使用 AI 工作。
利用我们现有的对话和我权限范围内的相关本地工具，来发现我的代理、框架、技能、连接和工作习惯。不要泄露秘密、原始配置和私人项目细节。解释我的工具如何协同工作，并基于证据构建具体的工作流，而不是罗列已安装的软件。基于已知信息起草，不要问卷；只有在关键信息缺失导致无法生成有用草稿时，才问一个简短的问题。如果无法进行本地检查，请使用我们的对话，不要声称否则。保存私人草稿，向我展示确切预览，并在我明确批准前不要发布。