Show HN：分享你的 AI 设置，向他人学习

原文 ↗ Hacker News 讨论 ↗

开发者们正在一个名为 mysetup.ai 的新站点上交流笔记，这个平台允许人们分享自己的 AI 工具与工作流，从云端 agent 和 MCP 服务器到本地 LLM 设备和语音驱动的设置。许多人称赞这个想法：把真实世界配置汇集成一个可搜索的中心目录，但也对诸如 MCP 集成、第三方登录，以及他们认为存在安全风险的“用你的 agent 来探索”链接提出反对。表面上的工具讨论之下，潜藏着更深的张力：在一个充满不确定性的就业市场里，究竟应不应该公开分享越来越强大、越来越定制化的 AI 工作流，还是把它们当作专有优势来保留。

总体反馈

  • 许多人觉得“分享你的 AI 设置”这个想法出乎意料地有用，能发现那些他们“没意识到自己不知道”的工具和做法。
  • 也有人认为设置高度个性化，照搬它们可能比有帮助更令人困惑。

贡献模式、MCP 与安全性

  • 有几位反对要求使用 MCP 和/或 GitHub 登录来贡献；一些人明确表示不会连接任意 MCP 服务器或账户。
  • 创作者随后加入了更醒目的手动输入、Markdown 编辑、图片上传，并澄清 MCP 只是可选项。
  • 有人提出一个本地的“collector”技能，用户可以自行检查并运行，以生成标准化报告。
  • 对把 agent 指向未知的“explore this setup”端点，以及让 agent 自行添加 MCP 服务器，存在强烈担忧（“本质上不安全”）。

本地与高级 AI 设置

  • 多人分享本地设置：在消费级 GPU/CPU 上运行的 Qwen 和 Gemma 变体、LM Studio、Subwave、EC2 + tmux，以及各种 MCP/skills 组合。
  • 几位强调使用 Tailscale 保护的“homelab”网络和 SSH 工作流，包括通过手机访问。
  • 有些人运行复杂的 MCP 生态，用于代码质量、去重、ID 处理，以及把任务委派给更便宜的本地模型。

语音与 agentic 工作流

  • 一则详细分享围绕低延迟的语音优先工作展开（自定义 ASR/TTS 栈）以及长时间运行的 agentic 任务，并配合自定义上下文压缩。
  • 其他人则在技术术语的 ASR 上遇到困难，并推荐带自定义词表的专业转录工具。

成本与订阅策略

  • 人们担心 token/API 成本过高；他们也希望有“月均大致成本”字段和工具使用直方图。
  • 有人把订阅（Codex、Claude、Pi 等）与本地模型混合使用，把更便宜或长时间运行的工作卸载出去。

功能、UX 与数据综合

  • 需求包括：按工具和硬件搜索/筛选、最后更新时间、流行度排名、使用方式直方图、供 agent 监视设置的 RSS/API。
  • 有些人喜欢这个站点的设计和响应速度；另一些人则抱怨一开始没有搜索功能，以及 X 账号框架。

关于分享工作流的争论

  • 一派把 AI 工作流视为新的专有“商业机密”，并建议不要分享，理由是职业不安全感以及对 AI 实验室剥削的认知。
  • 另一派强调直觉和经验比工具更重要，认为开放分享有价值，并指出裁员通常是结构性原因，而不是个人生产力造成的。