Show HN: अपना AI सेटअप साझा करें, दूसरों से सीखें
डेवलपर्स mysetup.ai नाम की एक नई साइट पर नोट्स का आदान-प्रदान कर रहे हैं, जो लोगों को अपने AI tooling और workflows साझा करने देती है—cloud agents और MCP servers से लेकर local LLM rigs और voice-driven setups तक। बहुतों को वास्तविक-विश्व configurations के एक केंद्रीकृत, searchable catalog का विचार पसंद है, लेकिन वे MCP integration, third-party logins, और “अपने agent के साथ explore करें” links जैसी चीज़ों पर आपत्ति करते हैं जिन्हें वे security risks मानते हैं। इस tooling चर्चा के नीचे एक गहरी तनातनी है: क्या बढ़ती शक्तिशाली, अनुकूलित AI workflows को खुले तौर पर साझा किया जाए या एक अनिश्चित job market में उन्हें proprietary लाभ माना जाए।
समग्र प्रतिक्रिया
- कई लोगों को “अपना AI सेटअप साझा करें” वाला विचार आश्चर्यजनक रूप से उपयोगी लगा, क्योंकि इससे ऐसे टूल्स और प्रथाओं का पता चलता है जिन्हें वे “पता ही नहीं था कि उन्हें नहीं पता” था।
- दूसरों को लगता है कि सेटअप इतने व्यक्तिगत होते हैं कि उन्हें कॉपी करना मददगार होने के बजाय ज़्यादा भ्रमित कर सकता है।
योगदान मॉडल, MCP, और सुरक्षा
- कई लोगों ने योगदान देने के लिए MCP और/या GitHub लॉगिन अनिवार्य करने पर आपत्ति जताई; कुछ ने स्पष्ट रूप से किसी भी मनमाने MCP सर्वर या खाते को जोड़ने से इनकार किया।
- निर्माता ने अधिक प्रमुख मैनुअल एंट्री, Markdown संपादन, इमेज अपलोड, और यह स्पष्ट करने के साथ प्रतिक्रिया दी कि MCP वैकल्पिक है।
- कुछ लोगों ने एक स्थानीय “collector” skill का सुझाव दिया जिसे उपयोगकर्ता स्वयं निरीक्षण कर सकें और चलाकर एक मानकीकृत रिपोर्ट बना सकें।
- अज्ञात “इस सेटअप को explore करें” endpoints पर agents को इंगित करने और agents के अपने-आप MCP servers जोड़ लेने (“मूल रूप से असुरक्षित”) को लेकर तीव्र चिंता व्यक्त की गई।
स्थानीय और उन्नत AI सेटअप
- कई लोगों ने local setups साझा किए: consumer GPUs/CPUs पर चल रहे Qwen और Gemma variants, LM Studio, Subwave, EC2 + tmux, और विभिन्न MCP/skills stacks।
- कई लोगों ने Tailscale-सुरक्षित “homelab” networks और SSH workflows पर ज़ोर दिया, जिसमें फोन से उपयोग भी शामिल है।
- कुछ लोग code quality, de-duplication, ID handling, और सस्ते local models को tasks सौंपने के लिए जटिल MCP ecosystems चलाते हैं।
आवाज़ और agentic workflows
- एक विस्तृत विवरण कम-लेटेंसी voice-first work (custom ASR/TTS stack) और custom context-compaction के साथ लंबे समय तक चलने वाले agentic tasks पर केंद्रित था।
- अन्य लोगों को तकनीकी शब्दों पर ASR के साथ परेशानी होती है और वे custom vocabularies वाले विशेष transcription tools की सिफारिश करते हैं।
लागत और subscription रणनीतियाँ
- उच्च token/API लागत को लेकर चिंता; “लगभग मासिक लागत” fields और tool usage के histograms में रुचि।
- लोग subscriptions (Codex, Claude, Pi, आदि) को local models के साथ मिलाकर सस्ता या लंबे समय तक चलने वाला काम offload करते हैं।
विशेषताएँ, UX, और data synthesis
- अनुरोध: tools और hardware के आधार पर search/filter, last-updated dates, popularity rankings, usage styles के histograms, setups देखने के लिए agents हेतु RSS/API।
- कुछ लोगों को site design और responsiveness पसंद आया; दूसरों ने शुरू में search की कमी और X-account framing की शिकायत की।
workflows साझा करने पर बहस
- एक पक्ष AI workflows को नए proprietary “trade secrets” मानता है और उन्हें साझा न करने की सलाह देता है, job insecurity और AI labs द्वारा शोषण की धारणा का हवाला देते हुए।
- दूसरा पक्ष ज़ोर देता है कि intuition और experience टूल्स से अधिक महत्वपूर्ण हैं, खुलकर साझा करने में मूल्य देखता है, और नोट करता है कि layoffs अक्सर structural होते हैं, न कि व्यक्तिगत productivity से प्रेरित।