我用AI做了个摸鱼网站“流金沙漏”

最近工作没啥动力，突发奇想，想做一个网站督促自己工作（同时告诉自己还有多久才能下班），于是便有了这个网站（点击阅读原文即可访问该网站）：

https://goldflow.fun

若上述网站打不开，请尝试我的备用镜像：

https://mwhitelab.com/goldflow/

该项目的中文名是“流金沙漏”，本意是一个沙漏，沙子随时间而流动，当沙子全部流完时，今日的工作结束。同时沙子的黄色也可以代表“金子”（金钱），表示金钱随时间，一点点流入自己的口袋。

该网站可以自选界面主题、工资币种、语言（目前支持简体中文和英语）。

除此之外，用户也可以查看、导入或者导出历史数据。

历史数据界面 （图中数据为展示用途，随机捏造）

同时，该网站支持响应式布局，即支持手机、平板、电脑多端显示。

整个项目为纯前端网页。所有数据都保存在用户本地，请放心使用。

项目本身不复杂，可能就是个大学生课设的水平。项目的实用性也一般，也曾被朋友吐槽不知道这个网站是干什么用的。我做这个项目的原因一是觉得有趣，二是想学习一下前端技术栈。

整个项目是在Cursor的辅助下完成的。Cursor可以看做是一款内嵌AI功能的代码编辑器。你可以指定某几段代码、某几个文件，用文字阐述你的需求，Cursor就可以调用ChatGPT、Claude等大语言模型来阅读、修改你的代码，并简单阐述为什么这么修改。

Cursor界面，左侧为编程界面，右侧为AI聊天框

在Cursor的帮助下，我完全可以不怎么懂相关技术栈，只需要用文字把我的需求描述清楚，交给AI一点点去完成即可。AI去当程序员，而我，只需要做自己项目的产品经理。

AI 编 程 使 用 心 得

在使用Cursor编写网站一段时间后，我的心态发生了转变。

在使用AI辅助编程前，我自认为自己是一个完美主义的程序员：我追求代码美观，逻辑清晰，算法复杂度尽可能的低。有时候花费大量时间优化一个函数，可能只是觉得这样写，代码“好看”。

但是自己成为“产品经理”指导Cursor编写网页代码后，代码越来越多，很多内容由于不是自己写的，并不是很熟悉。如果想了解代码实现了什么，则需要花大量的时间和精力阅读代码。这时，我关注的不再是代码逻辑本身，转而变为代码是否满足需求，能用就行。

尤其是Cursor的写代码的速度远远高于人类。我对代码的“完美主义”反而成了孔乙己追求“回”字的四种写法。我逐渐从使用前期的追求看完每一行AI写的代码、理解并优化其逻辑，转变为了解大概，能用就行。（当然，这是因为这个项目是自己写着玩的。如果是工作项目的话，还是要确保每行代码都有人工审查）

Cursor确实大大降低了写代码的门槛，但这也并不是说会写代码就完全没用了。就我的使用体验来说，有的时候我会觉得Cursor给出的解决方案不好，比如写复杂了、生成了无关的代码、生成了冗余代码。我会分析到底是哪的原因，更新提示词，并让其重新生成，这就需要有代码的功底来分析问题了。

不过总的来说，目前一个没有代码基础的人，也可以在AI的帮助下写出简单的软件了。

从前我认为的需要重脑力劳动的程序员，如今看来不过也只是一份普通，可替代的打工仔工作罢了。

Cursor的使用经历让我意识到，无论是程序员还是产品经理还是其他脑力劳动者，在AI的加持下，技术门槛越来越低了。

杂 思

后文是一些关于AI的杂思

胡思乱想，不一定对

有的时候，我们感叹AI没用，可能是我们使用的方法不对。

对于简单的知识性问题（比如太阳系中的行星都有哪些，悉尼在哪个国家），大语言模型可以直接给出答案并且准确率很高。但是对于需要思考的问题（比如求解微积分），如果我们直接让大语言模型输出结果，答案并不一定准确。所以才会有ChatGPT-o1，DeepSeek-R1这种带思考链的模型，通过多步思考，逐步得出结果。

我们不能因为AI直接输出微积分计算结果不对就笼统地认为AI不能解决微积分计算。其实AI有能力解决复杂的数学问题，只是我们使用的方法没用对。在使用思考链方式后，AI数学问题的准确率大幅度提升。

同理，目前我们用AI编程方法是用一段话描述你的需求，直接让AI读取所有代码，并进行相应更改。这种方法对小项目姑且可行，对于大项目，会效率低下。就目前的Cursor使用体验而下，整个项目会随着项目代码量的增加，越改越乱。这并不是说AI没法处理大型项目，可能只是我们使用AI的方式没有用对。

说不定未来，我们会有新的注重于代码编写的AI大模型，这种AI有专门的算法，来额外考虑到项目的需求文档、考虑如何将代码按逻辑拆分到多个文件中……

我认为未来的AI市场好比如今全球化下的汽车或者笔记本电脑：如今的笔记本电脑是多家企业协同合作的成果：

- 笔记本的品牌可能是小米、华为或联想，但其核心的CPU芯片却并非这些公司设计（苹果除外）。  

- CPU的设计可能来自英特尔、AMD或高通，可其制造则需要依赖其他企业。  

- 负责制造CPU的可能是三星或台积电，而制造芯片所需的光刻机则要依赖荷兰的ASML公司……

单靠一家企业的能力，覆盖笔记本所有部件的设计、生产和制造是不可能的。

我认为，未来的AI市场也将呈现类似的多方合作模式。

目前和AI相关的公司可以分为两类（以后随着市场的发展和功能的细分，可能有更多分类）。

第一类，大语言模型算法研发：以OpenAI, Deepseek, 阿里通义千问为例的公司负责大语言模型的研发。这些公司投入海量的资源和算力训练大语言模型、图片生成模型、视频生成模型……模型参数巨大，使用起来需要一定的资源设备和AI相关的知识，不适合广大用户直接使用。

第二类，应用与部署：这一类公司调用第一类公司研发的模型，聚焦于模型的应用。比如Cursor代码编辑器内嵌AI、AI智能客服、手机上的智能助手：这些公司编写用户和AI交互的网页界面、管理用户的历史聊天数据、记录用户的个人信息以便生成个性化内容……从而搭建普通用户和大语言模型之间的桥梁

Monica AI 整合了多种大语言模型

对于在AI行业试图寻找工作的程序员，有两种选择：一是在人工智能领域进修到研究生或者博士，在毕业后尝试进入第一层的AI研发公司当研发员。这类岗位数量少，对学术的要求也高。

二是尝试进入第二类公司，做更接近用户的产品研发。这类的岗位对员工的AI知识水平也有一定的要求，但是没有第一类的高。又或者自己当独立开发者，自己开发一些和AI相关的工具。

以前有梗图，吐槽数学没用，“买菜又不会说给我来sinx平方加cosx平方斤菜”。

但其实数学是有用的，就以其中的线性代数为例，其是计算机图形学、机械工程、金融、人工智能等领域的数学根基。我们玩的电子游戏，大型机械设备的设计制造，甚至于如何更好地理财，对金融市场进行分析，都离不开线性代数。线性代数已经应用在了生活的方法面面，只是我们没有感知到了罢了。

同样的话也可以应用到AI上。也许我们没有感知到AI对我们生活产生明显的变化，但是AI技术确实在潜移默化地促进人类科技的进步。

目前的AI确实还有很多不足，但我们要以科研工作者的视角看待问题：面对新事物的不足，我们应该思考如何改进，而不是高高在上，感叹这个事物不行，然后不再研究。

我记得几年前视频风格转换、文字生成图片的技术刚刚普及的时候，互联网上鄙视的声音不少。不少评论嫌弃AI生成的内容太假，认为视频风格转移（比如将现实中的影片转化成卡通风格）生成的视频画面抖动严重。

如果我们只将落脚点落在AI技术的不足，然后便不再继续投入，那么AI技术便不再会发展。而如果我们采用科研的思维看待问题，思考为什么生成的视频会那么严重，是不是没有很好地考虑时序信息，该如何改进，技术才会进步。现在的视频风格转换和生成模型，比如谷歌的veo3，已经能很好地生成连续且以假乱真的视频了。

流金沙漏项目源码：

https://github.com/DrMofu/goldflow

转自：https://mp.weixin.qq.com/s/Lb65-w9_GZpMQ2p6mGo6XA