6月裸辞，10月年入百万，我把每一笔钱都拆给你看
普通程序员泊舟今年6月裸辞，10月收入突破100万。文章详细拆解收入构成：工资15万、自媒体28万（广告分成、商单、云服务器提成）、AI中转站58万（与合伙人共创，分享先聚人再卖货、做用户看得见的差异化、讲故事不硬推等经验）、社群和培训等小收入3万。也坦诚了SaaS出海和FDE接单的失败经历。作者认为中转站依赖上游风险高，计划以自媒体为基础扩展国内平台并做AI编程知识付费课程，相信普通人也能在AI时代复制这条路。
全部文档 / 作者: 泊舟
20 篇
普通人用AI做一款游戏，需要准备这7样
文章以开发者用AI在16天内将《小王子》做成3D探索游戏为例，讲解普通人如何借助AI独立完成一款游戏。作者按流程介绍七大环节：硬件只需普通电脑；策划阶段用Claude或Gemini通过对话生成游戏设计文档；引擎可选Three.js、Godot、Unity或虚幻；编程推荐Opus 5.5规划、Codex写代码，并搭配游戏开发Skill；美术用GPT Image、Tripo、Blender等生成与修整2D/3D资产；音频用Suno、ElevenLabs并注意商用授权；发行建议从微信/抖音小游戏切入，通过战绩卡片、好友排行等裂变设计获取流量。
被Claude封怕了之后，我实操测试出了一套零基础保姆级防封教程
作者实测总结出一套Claude账号防封保姆级教程，从五个环节入手：用搬瓦工VPS搭建独享网络节点避免共享IP被拉黑；购买两年以上老Google账号降低注册风险；使用专门的Skill清理本地设备指纹、.claude文件夹及钥匙串凭据防止连坐封号；将系统时区改为台北并关闭位置、数据贡献、Memory三项隐私开关；最后用Starryblu新加坡虚拟卡完成订阅绑卡，通过FPS转账或跨境电汇充值，账单地址填新加坡。全部完成后即可稳定使用Claude Opus 5.5。
独立开发者收款指南：国内外 11 种收款方式怎么选
文章面向独立开发者，系统梳理了国内外 11 种收款方式。先解释 PSP（如 Stripe）与 MoR（如 Paddle、Creem）的区别：PSP 只负责收款，税务合规自理；MoR 由平台承担税务，手续费更高。国内方面，有执照者直接开微信/支付宝官方商户号，无执照者可走 ZPAY、XorPay 等服务商进件，并警示二清风险和免签挂码陷阱。海外方面逐一对比 Stripe、Creem、Waffo Pancake、Paddle、Dodo、Lemon Squeezy、Polar、Gumroad 8 家平台的费率、提现方式和微信/支付宝支持情况，最后按买家所在地和是否有执照给出选型建议，强调要算清附加费后的真实到手金额。
多 Agent 现在到底能干到什么程度？我组了一个 AI 团队实测了一轮
作者在 Teamily AI 平台上组建了一个包含三个 AI 成员和一位人类伙伴的群组，实测多 Agent 协作能力：为尚未上线的 AI 编程课制作宣传页。文章总结了多 Agent 系统易犯的三类错误（错误传递、交接丢条件、缺乏验收），并设定三个观察点：分工是否清晰、改动能否传递、交付前有无审核。实测中 AI 团队展现了组队排任务、接住反馈、按事实调整的能力，但作者强调业务前提（如课程未上线）仍需人来把关，审核报告也需追问核实依据。最终交付了可分享的宣传页 Demo，作者收获是学会了如何给 AI 团队提需求。
手把手教你把一台VPS变成自己的Vercel
本文针对 Vercel 国内访问慢、免费额度受限的痛点，提出用自有 VPS 部署开源平台 Dokploy 的替代方案。作者详细介绍选购 VPS 的避坑要点（推荐香港或海外节点以免备案）、安装 Dokploy 面板、生成 API Key 并通过 MCP 接入 Codex，让 AI 通过对话即可完成项目创建、Supabase 数据库部署、连接 GitHub 仓库自动构建发布等任务，最终搭建出体验接近 Vercel、功能更强的私有部署环境，年成本仅约 100 元。
火爆全网的Jev到底是什么？
文章介绍了旧金山创业公司 TypeSafe 推出的闭源基础模型 Jev。它不做文本生成，只做判断题、选择题和打分题，输出严格限定在预设选项内，可在约100毫秒内出结果，成本极低。其核心技术是通过 RLCD 强化学习实现概率校准，类似于卡尼曼所说的 System 1 快思考，与传统大模型的慢思考互补。文章展示了社区应用案例，如浏览器 Agent、游戏实时决策、LangChain 工具路由、AI 输出审核等，也指出其在数数、算数、多跳推理和中文上的短板及提示词注入风险，认为 AI 调用正在走向分层架构。
AI交易员第一步：用DeepSeek跑通量化交易
本文教程介绍如何用 DeepSeek V4 Pro 配合 Pi Agent、OKX Agent Skills 与 OKX CLI，在模拟盘上跑通加密货币量化交易全流程。内容涵盖环境安装与凭证配置、读取 BTC-USDT K线数据、用均线与 RSI、ATR 构建回测策略、创建 dry-run 脚本验证信号，以及最终由人工确认后执行小额模拟订单。文章强调安全边界：只用模拟盘、不碰真实资金、凭证不进入对话，并详细说明了防未来函数、手续费与滑点处理等回测细节。
Anthropic 软件开发生命周期实战手册
本文介绍 Anthropic 提出的 AI 原生软件开发生命周期（SDLC）实战手册。文章指出当代码编写不再是瓶颈时，传统的规划、评审、部署等'人类速度'环节反而成为阻塞点。AI 原生 SDLC 将线性流水线重构为闭环，通过 intent.md、spec.md 等受版本控制的工件串联各阶段，Claude 深度嵌入规划、设计、构建、测试、部署、维护六个环节，实现自动化交接与触发，同时保持人类在关键决策上的监督责任，并配套治理合规考量与效果衡量指标。
企业真正缺的不是知识库，而是能自己把事办完的数字员工
文章指出企业更需要能自主推进任务的数字员工而非简单的问答机器人。作者利用腾讯云 ADP 4.0 搭建了一个运营商客服数字员工，验证了从自然语言配置、Agentic RAG 检索、多轮对话收集信息到生成工单及运营监控的全链路能力，强调了 AgentOps 平台在企业落地中的实际价值。
三款 AI 剪辑工具横测：Pireel、OpenChatCut 与 ChatCut
文章对比了 Pireel、OpenChatCut 和 ChatCut 三款 AI 剪辑工具。通过四轮测试发现，ChatCut 综合表现最佳，工作流最完整；Pireel 在内容理解和压缩方面最强；OpenChatCut 则胜在开源和可扩展性。文章指出，决定工具能否交付的关键在于后半程的细节处理，而非初始生成效果。
从零装好 WSL，Windows 跑 Agent 的保姆级教程
本文介绍如何在 Windows 上安装和配置 WSL，以解决运行 AI Agent 时遇到的 PowerShell 报错问题。文章涵盖了 WSL 安装、开发环境配置、Codex CLI 运行、Windows 与 WSL 互通、安全隔离设置及环境备份导入等全流程。
用AI做视频的心法与流程
作者分享了一个月用AI制作视频的实战经验，强调视频应以声音为轴，从逐字稿生成音频，利用字幕文件驱动动画。文章详细讲解了工具选择、音频分层、画面设计及验收技巧，并开源了相关技能模板，帮助读者高效产出高质量AI视频。
6 个检查项——手把手带你发布自己的 Agent 产品
文章探讨了将本地 Agent Demo 转化为可商业化产品的六大工程挑战：会话记忆持久化、工具调用沙箱隔离、调用链路追踪、模型成本控制、前后端一体化交付以及技术栈与框架的灵活性。作者以腾讯云 EdgeOne Makers 平台为例，演示了如何高效解决这些工程化难题，实现 Agent 应用的快速开发与部署。
用AI制作视频的核心心法与全流程解析
文章分享了作者使用 AI 制作视频一个月沉淀下来的完整方法论与避坑指南。不同于只关注画面生成的常规教程，作者提出“音频驱动视频”的核心心法：从逐字稿和字幕文件入手，确立时间轴基准，再通过 Remotion 等工具同步控制画面、动画与音效。内容详细拆解了音频处理、画面设计、素材库沉淀及验收调试等关键环节，并开源了三个相关 Skill，旨在帮助创作者建立可复用的 AI 视频生产工作流。
从盲区扫描到测验合并：重写 AI Coding 工作流
文章基于 Anthropic 员工 Thariq 的理念，探讨了 AI 编程中的核心痛点：通过“未知项管理”替代单纯的“Prompt 优化”。作者将未知项分为四类，并提出了相应的解决策略：用“盲区扫描”发现隐性问题，用“多版原型”明确模糊标准，用“实现笔记”记录代码逻辑，最后通过“反向测验”确保开发者理解变更。这套流程旨在将未知项在低成本阶段暴露，避免后期返工，实现高质量的 AI 辅助编程。
PPT Skills 实测：谁能生成一份能直接拿去讲的 PPT
本文对 GitHub 上四个热门 PPT Skill 项目进行了横向评测。通过使用同一份私域运营文档、同一模型和提示词，作者从视觉完成度、内容结构、中文适配、可编辑性等七个维度进行了严格对比。结果显示，ppt-master 以 93 分位居第一，胜在原生 PPTX 可编辑性高；guizang 视觉最强但不可编辑；html-ppt 适合网页演示。文章建议根据汇报、传播或素材库等不同场景选择工具。
Hermes 给我的最大启发：上下文不是仓库，是工作台
本文指出 Agent 表现不佳往往是因为上下文管理不当，而非模型能力不足。文章引用多项研究证明长上下文不等于高效，并提出应像管理“工作台”而非“仓库”一样管理上下文。作者结合 Hermes 的实践，介绍了外部化记忆、子任务隔离、技能沉淀等策略，并重点推荐使用 XCrawl 等工具清洗网页噪声，以实现低噪、高效的 AI Agent 工作流。
实战教学：从0到1写出一个你自己的Skill
文章作者泊舟通过实战案例，详细讲解了如何从零开始编写适用于 Claude Code 和 OpenClaw 的 Skill（技能包），以实现工作流自动化。文中介绍了 Skill 的结构定义，提炼了“寻找重复劳动、手动跑通、需求转化、迭代优化”的五步创作法。作者以“AI 日报”和“文章配图”为例，展示了如何通过简单的 Markdown 配置文件解决繁琐的日常任务，并强调了 Description 描述准确性及“站在巨人肩膀上”修改的重要性。
Agent 记忆：一篇讲透，小白也能看懂
文章以通俗易懂的比喻，深入浅出地讲解了 AI Agent 的记忆机制。通过对比 OpenClaw 社区的三种记忆方案（扔掉旧笔记的压缩方案、分层档案馆方案、以及 MemOS 按需检索方案），揭示了如何解决 AI“健忘”的问题。重点介绍了 MemOS 如何通过全量记录、按需检索和技能进化，大幅降低 Token 消耗并提升开发效率。