自从 AI 的 Vibe Coding 能力突飞猛进之后，我自己也没闲着，做了好几个项目，不过大部分是自己用。CatReader 是我决定要产品化并开放给墨问会员的一个项目。

在 AI 时代，拥有一份自己信赖的一手信源非常重要，比如现在，你去看一堆不靠谱 AI 媒体通过翻译、组稿、AI 写作攒出来的东西，远远不如去阅读各大 AI 实验室的 Blog、研究报告、新闻、产品介绍，看知名 AI 实践者的 Blog，以及各大公司和创始人在 x.com 上的发言。实际上我还收集了大量的长期写作者的优质 Blog，还有播客、视频、书籍等我感兴趣的相关内容，那么，AI 时代如何更有效率的使用这些资源呢？

这个就是我的需求来源，别人搞不定，我自己搞一个。

之前用过 Reeder，界面优雅但没有 AI 辅助，还有些源没办法桥接，比如我在 x.com 订阅的内容。其他的阅读器要么设计拉胯，要么就是 AI 辅助功能不好用，或者价格高昂。你知道，一个阅读器几十美金是非常常见的事情。

我想要的是一个带知识库和智能阅读的、流动的 RSS 阅读器。

这个项目是春节后启动的。我自己基于 Claude Code 和 Codex 构建，断断续续地做了一段时间，基本的功能很快就完成了。当时没有后端，只有前端，所有的内容会缓存在浏览器上，但是我自己已经可以用了，后续又增加了 AI 助手，也就是 AskCat。

很多人会觉得做这样一个看起来复杂绵密的项目需要各种 Harness，spec，写负责的 prompt 等等，其实根本没有。我都是边做边调整，一点点和 AI 交流，加上自己十几年前的编程经验，最终完成了这款产品。

我的原始需求都是这样写出来的：

和 AI 交流的过程其实就包含了完善需求的部分。

等到可用版本出来之后，我就想，这个产品可以再进一步，通过 Vibe 的方式实现一个比较完备的 RSS 信息系统，给所有的墨问会员用户使用。

后面的迭代就有了很多工程的意味，也需要研发同学的参与，比如说：

1. 前后端项目的分离

2. 独立的桥接程序

3. 数据的分离

4. 整个用户系统的改造

5. 接入墨问

6. 跨域的问题

7. 网络和安全的问题

8. 做演示视频，CICD，部署到生产环境等等

到最后，很多事情是需要研发团队为我提供解决方案和支持，以及相关的研发资料，这样我才能够通过 Vibe Coding 完成整个项目。

后续这些内容都会在专栏里为大家详细拆解。

现状就是：自己 Vibe 一个简单的离线系统（包括工具软件），并且是自己使用，还是很容易实现的，即便这个系统使用的技术很精深，AI 可以帮你搞定。一旦涉及网络、数据库、用户系统、生产系统、安全，并且你的产品要提供给成千上万的人使用，必然是难的，门槛依然很高。

现在这个产品已经发布了，开放给墨问 Pro 会员用户。地址很好记：

CatReader-墨问共享 RSS 计划 cat.mowen.cn

这就是墨问最新推出的现代 RSS 阅读器 ，里面所有的信源都是我自己整理的，它是有十几个分类两百多订阅源，18,000 多篇文章，不光是图文，还有播客和音频播放器。

其中一部分信息源是原生 RSS，另一部分是桥接的，所以，这是一个动态的会持续更新的 RSS 知识库。

我还在首页做了一个有趣的文章推荐。点击猫头就能看到：

另外，我们做了非常全乎的快捷键，F 就是全屏看文章，V 是阅读原文，cmd + k 是打开智能助手，同时支持 vim 快捷键 j k 上下翻阅文章等等。

AskCat 是我们的智能阅读助手，它可以自动去感知你正在打开的分类、信息源和文章，自动接入上下文回答用户的问题，也做了这种斜杠弹出菜单：

比如我们可以问最近这个分类下更新了什么有意思的话题 ，AskCat 会给你推荐出来，或者针对某一篇文章去交流，比如打开一篇文章 ，点击 Title 下方的 AskCat，它就会给你解读这篇文章。打开一个订阅源的时候，可以问，最近 Anthropic 发布了什么新品？Codex 有哪些更新特性，或者有什么热点信息等等。

也可以在订阅源的页面和文章列表页直接搜索你感兴趣的内容，比如 Codex：

我还为 AskCat 设计了历史会话和记忆功能 ，用户也可以把一些值得保存的会话加入书签，或者直接管理自己的记忆系统。记忆系统会把你和 AI 交流的一些内容作为上下文喂给 AskCat，获取更符合你需求的答案。

这个阅读器里有一半以上的信源是英文信息，这对我们简直太重要了。AI 时代语言已经不是障碍了，获取最好的信息才是最重要的。AI 让 RSS 阅读重获新生，这也是 CatReader 诞生的初衷。

这个产品会持续迭代，我也会在咱们的 Vibe Coding 专栏和社群里，持续分享这个项目的 Vibe 实践，也包括 AI 的最新资讯，欢迎加入： https://note.mowen.cn/detail/-Bh35Ogyfr7OQTs-GGsCu。

2026年6月4日

周末的时候我主要看书写东西，拍照徒步，周末最好给自己一种跳出圈外的机会，多思考，多运动，保持健康的同时，给自己一些不同的情境，这样更容易激发创造性。

不过 Vibe Coding 群里的同学们可没歇着，上千条消息又聊出来了，毕竟是年轻人。我发现大家讨论的问题有这么几个共性：

1、没有任何技术背景，上来就想自己搞复杂的业务系统，前后端、消息、数据仓库，抓上亿的数据进行分析……然后问我该学点啥。

我的建议是：如果完全没有编程背景，自己用 Vibe Coding 的方式先做些单机或逻辑不复杂的东西，成功率更高些。如果做复杂业务系统，肯定要拉工程师过来。只能自己单干的情况下，会走巨多弯路，浪费 Token 还可能啥也做不出来。以前一个靠谱工程师怎么也得有五年工作经验和工程经验，啥没有全靠 AI，想搞出复杂系统，本身就是不合理的做法。

比如你可能不知道什么是 https，不知道什么是脚手架，不知道什么是前后端分离，不知道啥是 API，那么 AI 就没办法得到你的准确 prompt，它就会自己搞一套出来，还可能糊弄你。那你最后就会发现，Token 白烧，系统完全没法上线，安全问题一大堆……

2、分不清模型和工具，Codex 和 Claude Code、SOLO 之类的，都是 Agent 工具，工具依赖大模型做事。所以模型擅长什么，工具擅长什么，这完全是两回事，比如有用户说，我用这个工具做页面不好看啊，是不是工具不行。其实是自己不行。关于 Vibe 设计，可以看社群里的这篇讨论：关于AI 生成UI效果图的讨论。

3、多记录。很多人不喜欢记录内容，只是一味聊天，聊完就忘，还有人不看文档，很多问题会重复提问，效率非常低。所以我还是要说，记录即创作，把自己的实践写下来，你会发现很多没弄明白的地方，在写的过程里明白了。别说自己不会写，自己微信群叭叭聊上千字的，是你吧。

另外就是善用 Agent 的能力，比如 Agent + 墨问 CLI，那就是个巨大的、流动的知识库啊，墨问的用户在上面不遗余力的分享了大量的知识，你只需要一句自然语言就能找到自己想要内容，非常简单。比如：

查一下老池在墨问里写过哪些 Vibe Coding 相关的笔记，分类整理。

你会得到这个：老池的 Vibe Coding 笔记，也就几十条吧，我还给你分个类。

所以，如果你装了墨问 CLI，你就有了个巨大的知识库，有问题，先墨问，会提高很多效率。

墨问 CLI 已经对所有用户开放，安它：墨问命令行给你带来流动的知识库

现在墨问有小程序版本，墨问命令行版本，还有了 Web 社区版。

https://mowen.cn

之前墨问的 Web 版主要是为了给创作者使用，利用 AI 浏览器写笔记，打造一个舒适、简洁并具备设计感的编辑器和创作控制台。

这次的社区版本新增了首页探索（朋友在看、我的关注和发现）、付费订阅（我订阅的付费专栏里笔记的 feed）、我的笔记、标签（标签管理、我的分类笔记、付费笔记，相当于资源库）、消息（评论和点赞），集成了墨问时间知识库和墨问开放平台的说明文档。

探索页增加了快捷分享的入口，可以发文本和图片，适合碎片表达：

语音和图片都设计了全新的展示方式：

这是资源管理：

这是付费订阅：、

这是消息通知：

目前 Web 版本还有不少需要迭代的细节，主打一个先上线，再迭代。另外，目前还缺一个类似小程序的个人主页，我希望为大家打造成自己的 blog。敬请期待。

祝用的开心：）

2026年5月25日

上周五因为有 AI 新品发布的原因，我写了一篇中美 AI 竞争格局的短文，分别发了公众号和 X，收到了大量的反馈。看了这些评论，我感觉自己的理解确实是不全面的。事实上我们根本没法从一个维度去定义这件事。

比如我和一些做基模的专业同学沟通，他们的判断——编程模型差 5%-10%，整体上可能是 3 – 6 个月的差距——这些就是基于他们自己的专业判断，有基线有标准，甚至放到国际评测榜单上，也是类似的结论。这是个专业判断。甚至在 OCR 开源模型这个领域，PaddleOCR-VL-1.5 就是做到了 SOTA。

但涉及到个人，感受就千差万别了。有用户说，中国差在了硬件上，有的说算力不够，模型也不可能好到哪儿去。有的普通用户日常让 AI 助手解决生活里的一些问题，中文的豆包、千问、DeepSeek 等模型，就是比 ChatGPT 和 Gemini 回答的好啊。

即便是同一个领域——比如编程——体感也不一样。

有的用户用来做补全和完成一些简单的模版任务，MiniMax M2.1 就是很好啊，干得漂亮还便宜。有的用户呢，开多个 Agent 做多任务并行，完成复杂的编程实践，这时候 Claude 的优势就发挥出来了，所以他们会认为 CC 比国内模型强大很多。

现在看起来，这是个很难定义的衡量标准。就目前的大趋势来说，基模能力整体上中国落后美国，这是没问题的。落后几个月，不好说，但不会超过一年，甚至中国有些领域是领先的，比如开源模型。2026 如果中国解决了一部分算力问题，我预测这个差距会进一步缩小，因为 Scaling Law 的效果已经越来越不明显了，预训练和强化训练也开始呈现疲态，AI 厂商已经开始追逐第三范式 Online Learning 了。这对追赶者来说，是好事。

还有一点无法忽视，目前的模型越来越强，99% 的用户根本没办法压榨大模型的能力极限。也就是说，模型能力花了 100 倍的功夫，增加了 5% 的能力，大部分用户都感知不到。

比如周五发布的 Opus 4.6 确实很强，但是有多强？目前我试了几个项目，感觉前一代也能解决啊。想榨干模型的能力，几乎是不可能的。甚至想找一些前一代模型搞不定、但新模型却能轻松搞定的案例都很难了。

目前关于新模型（Opus 4.6）能力最有说服力的故事，是 Anthropic 的 Nicholas Carlini 谈 Opus 4.6 的那篇：用一支并行协作的 Claude 团队来构建一个 C 编译器——这可以看作是 Anthropic 团队在自动化软件开发方向的一次系统性实践。

Building a C compiler with a team of parallel Claudes

这是一次用多实例 Claude 自动协作、从零构建可编译 Linux 内核的 C 编译器的实验，我觉得 99% 的工程师别说完成实验了，设计实验都困难。

这个事有多复杂呢？构建一个 agent teams，让多个 Claude 实例在几乎没有人类干预下，在同一个代码仓库长期并行地协作开发。作者用 16 个 Claude，在将近 2000 次 Claude Code 会话和约 2 万美元 API 花费下，从零写出了一个基于 Rust 的 C 编译器，可以在 x86、ARM、RISC‑V 上编译 Linux 6.9，还能编译 QEMU、FFmpeg、SQLite、Postgres、Redis，并在大多数编译器测试套件上达到 99% 通过率。

首先，用一个“无限循环”脚本让单个 Claude 永不停机地反复拉起自己，每次读同一套 agent prompt，持续拆解任务、写代码、再选下一步要做什么。然后扩展成并行架构：多个 Docker 容器各自克隆同一上游仓库，用简单的“写锁文件 + git 同步”避免多个 agent 抢同一任务，通过频繁 pull/merge 解决冲突，没有额外的调度/编排 agent，每个 Claude 自主决定下一步要做啥。随着项目扩展，作者逐渐引入了更完备的测试与 CI，让 Claude 依靠高质量测试和日志来自我定位问题。

我的理解也就能到这里了。

这个实验充分展示了 Opus 4.6 能力。之前的版本勉强能做出能跑小 demo 的编译器，但不能编译大型项目；Opus 4.6 在这个 scaffold 下第一次跨过了“能编译真实世界大型项目”的门槛。

不过编译器依然有硬伤：缺少 16 位 x86 代码生成器，只能在引导阶段依赖 GCC；汇编器和链接器还不稳定；对某些项目仍编译失败；生成的代码性能显著差于 GCC 即便后者不开优化；Rust 代码质量远逊于顶级人类工程师，而且一旦尝试继续修 bug 或加特性，很容易破坏已有功能。

这是下一代 Opus 要解决的问题。事实上每一代模型都在拓展与开发者协作的方式：从 IDE 补全，到根据注释写函数，再到 Claude Code 这种结对编程型 agent，如今 agent teams 展示了“全自动完成复杂项目”的可能。

这让人们看到了规模性使用 Agent 的可能性，但目前这种可能性也只有顶级的 AI 工程师能够触碰，大部分工程师都在做智能代码补全，根据注释模板生成代码，处理文件，做单一 Agent 任务等等。所以体感也是完全不同的。

那么类似 LMArena 的评测榜单有没有价值呢？肯定有啊，比如最近中国模型在编程领域的成绩就很不错。前五名是美国模型，后五是中国模型。有人说，那不是可以刷榜吗，针对性训练等等。这个其实越来越难了，因为 LMArena 也在进行，不仅仅有机器评测，有升级的训练场，有案例测试，还有人工投票，等等。

你看文本大模型的能力，目前前十就剩下一家中国模型，还是百度的 ERNIE-5.0，其他家怎么不刷上去呢？

另外中美的商业模式也不一样，美国 AI 公司对 C 端卖订阅费用，对 B 端卖 API 赚钱，非常明确和简单，现在 OpenAI 已经开始探索第三种方式——广告业务了。

国内呢，就复杂得多，豆包是国内最大用户量的 AI 产品吧，普惠，一分钱不收。千问和元宝为了追赶豆包，还得补贴用户红包和奶茶，抢占市场。类似火山引擎和百度 AI 云这样的toB 服务，倒是一样的，企业想用 AI，还是买 API 和服务比较稳妥。

另外，为什么国外顶级模型都是闭源的，中国都是开源的？

ChatGPT、Gemini、Claude 等在模型研发上投入了数十亿美元，通过闭源（API 授权制），它们可以建立极高的商业壁垒，确保每一笔算力投入都能通过订阅费或 API 调用费获得回报。

国内 AI 公司本来就是后发，需要通过开源来快速吸引开发者，降低全球用户的试用门槛，从而在短时间内建立起足以抗衡美国的开发者生态。另外，面对算力和芯片限制，中国企业也倾向于分布式创新。开源能汇聚全球开发者的反馈，在算法优化和推理效率上寻找突破。第三，开源对中小企业也更友好，中国厂商通过提供“好用且免费/低价”的开源权重，能迅速渗透到制造业、政务等垂直细分市场，以普及率换取未来的商业地位。

这里面还涉及地缘政治的问题，咱就不细讲了。总之中国的环境其实要复杂的多，美国就更直接、简单。未来两边肯定是螺旋式交织上升，具体 AI 能发展到什么程度，如何改变世界的格局和商业模式，改变人们的生活……

我想，五年之内见分晓吧。

2025 年的 3 月份我们结束了长达三年的墨问星球的运营，开始专注墨问的产品研发和内容创作。但耗时三年创作的内容如果留在知识星球里肯定就没用了，内容形式也不够友好。怎么整？

年中的时候我们开始和字节的火山 VikingDB 合作，看看如何重新激活这三年的内容。当时我还写了一篇公众号：字节的火山 VikingDB

随后我们就启动了这个漫长的任务。做这件事需要很多细致的工作。首先要对星球里的内容做清洗，短文本、长文章、图文、问答等等，重新抽象，最后融合成墨问的 1303 条笔记，然后为这些笔记进行分类，更新内容，提取知识 tag，最后进行技术选型，产品设计和研发。

在 AI 时代，信息的连接方式也在发生变化：以前只能是“人去找信息”，现在“信息可以理解你的需求并主动抵达”。基于这个判断，我们把这些知识全部重构为一套新的产品：墨问时间知识库。

墨问时间知识库——也是墨问的第一款 AI 知识库——已经上线了。

访问 https://mowen.cn/ 就能看到它。

墨问时间知识库内容涵盖 1303 篇高质量笔记，共 260 万字。墨问时间知识库，不是一个普通的“文章集合”，而是一套面向长期成长的内容与工具体系。

它把“从书中学、和高人聊、在事上练、创业手记”等主题整合为可检索、可学习、可复用的知识网络，并通过 AI 搜索、分类、标签与交互式问答，把方法与案例在具体问题上随时“召回”：

怎么涨工资、如何晋升、职场里如何做良好沟通、产品相关的好书推荐、创业初期股权怎么设计……

你不仅会得到答案，还能直接跳转到相关笔记继续深入学习和实践。

墨问时间知识库的底层是向量库与长期记忆库，上层是端到端的 RAG 能力，它把文本、图片、音频等多模态统一转化为可计算的向量空间。通过空间坐标的比对实现跨模态的高效语义检索。简单说，它能理解“你说的话，并且给你想要看的笔记”。

更重要的是知识库里的内容。这些内容经历过时间和上万用户的检验，它不仅是一个“能交互和准确找到知识”的工具，更是一套“随时用得上”的系统。你在职场与产品实践中的问题，会通过问答准确召回；你在阅读与写作中的困惑，会被相关笔记与案例解决；你的长期行为与实践，会帮助你形成稳定的学习与决策闭环。

什么人适合订阅墨问时间知识库？

互联网职场人士、自由职业者、产品经理、程序员、创业者、内容创作者、热爱阅读的人，以及所有在职业成长与认知升级上有持续投入的个体。

墨问时间知识库有小程序版本么？

目前知识库问答只有 Web 版本，阅读历史、评论和点赞等信息会同步到墨问小程序上。

墨问时间知识库订阅后一直可以看吗？

永久有效。非订阅用户有 50 次对话的额度。

这次墨问时间知识库的定价简单且亲民：

非墨问会员用户 99 元，会员用户 69 元；如果你尚未成为墨问会员，可选择 168 元同时解锁墨问时间知识库与一年 Pro 会员。知识库权益永久有效。

一旦订阅，阅读、收藏、评论与互动体验会在 Web 与小程序里同步，你的学习轨迹与成果也会得到持续保存。

我们相信，好的知识不该只停留在“读过”，而应被“随时召回、即时应用”。墨问时间知识库，把内容、方法与工具放进一个可运行的系统里，让时间为你证明：坚持与积累，终将转化为可复用的能力。

未来墨问每个会员都会具备创建自己知识库的能力，敬请期待。

https://note.mowen.cn/note/detail?noteUuid=m9nentvuT10II_nLQAo4z

最早设计墨问的时候，原计划在 Web 端创作，阅读和交互用移动端的微信小程序承接，所以先做个墨问便签的 demo 试试小程序的能力。后来发现小程序也可以有桌面端，移动端能力也越来越强，就把创作和互动、AI 语音、画廊、AI 听读、pdf、视频号，都干到小程序上了。All in one。墨问便签也成了墨问。

AI 时代来临，Web 强势回归，它变得比任何时候都更加重要。配合大模型能力和 AI 浏览器，Web 端的应用可以做的事情变多了。除了图文阅读，在 Web 端可以方便的做 AI 搜索、知识库、智能播客、图形图像处理、设计软件、创作多媒体内容等等。

AI 从内容角度给了这个时代重新起飞的动力，Web 重新成为了重要的载体。墨问当然要做 Web 了，墨问，不止于小程序。

1、打开 https://mowen.cn/，点击右上角的“写笔记”，或者直接使用 w.mowen.cn，即可进入墨问笔记的写作状态：

2、编辑器上方工具栏分别是：图片、画廊、底图、上传音频、黑体、引用、高亮和 上传 pdf。点击右上角的 “A”。可以设置编辑器和阅读器的样式，目前一共四种，和小程序保持一致。

3、写作过程中鼠标滑至当前行左侧会出现块选图标，点击出现下拉菜单，可以设置整段文字的样式。

4、写作过程里可以随时使用 ctrl + s（wins）或 cmd + s（mac）保存私密笔记，并继续创作。点击右上角的保存，保存文稿并进入阅读模式。私密笔记点击发布可以快速发布这篇笔记，状态是完全公开。

自己的笔记在阅读状态下时，双击可以进入编辑态。和小程序交互一致。

5、目前 Web 端笔记还不能点赞评论，“我的笔记列表”和首页（发现页、订阅页等）还没有做，所以我们可以在阅读状态下，点击右上角的“小程序”即可进入小程序互动。

6、想在 Web 端编辑已有墨问笔记的，可以点击小程序里墨问笔记的分享按钮，复制这篇笔记的 Web 链接到浏览器里，即可进行编辑创作。

墨问 + AI 浏览器：

在 Web 端写作可以充分利用 AI 浏览器的能力，Dia、豆包、Comet 都是很好的选择。

墨问 Web 的一小步，对应了未来的一大步。