mySetup.ai：一个用于分享 AI 代理工作流的社区中心

mySetup.ai 是一个由社区驱动的平台，允许工程师和 AI 高级用户记录并分享他们特定的 AI 代理设置。该平台的重点不是在构建什么，而是揭示“如何做”——专业人士用于管理复杂、长时间运行任务的具体代理、技能、工具和编排层。

核心理念：从“做什么”转向“怎么做”

mySetup.ai 的主要目标是创建一个专门的空间，让用户能够公开分享他们的技术栈。这包括详细说明使用了哪些 AI 代理、哪些工具被证明有效，以及如何管理长时间运行的任务。通过记录这些设置，该平台旨在将讨论从 AI 生成代码的最终输出，转向实现这些输出的实际操作工作流。

用户报告的 AI 工作流与工具配置

社区讨论揭示了从极简的云配置到高度定制的本地环境的广泛 AI 设置。

高性能语音与本地设置

一些高级用户优先考虑低延迟语音接口，以提供更好的上下文和细微差别。一个报告的设置包括：

• 语音栈： 自行构建的 ASR（Parakeet v3）和 TTS（Omnivoice），总延迟预算为 400-450ms。
• 模型偏好： 偏好使用 OpenAI 模型以保证一致性，同时也在尝试更便宜的替代方案，如 Deepseek 4.1 Flash。
• 操作风格： 使用语音表达和上下文，同时保持终端窗口用于技术细节和数据。

以本地优先和硬件特定的设置

有大量用户对在本地运行模型以避免 token 成本并提高隐私感兴趣。例如：

• 硬件： 在自定义的小型机箱（SFF PC）中使用 Strix Halo 128GB 和 Framework 主板。
• 软件： 以 LM Studio 为主要界面，使用 Gemma 4（26b）、Qwen 3.6（35b）和 Qwen 3.8（27B）等模型。
• 安全： 集成 Tailscale 以保护内部工具和网络。

混合与基于云的方案

许多用户采用混合方法，结合专用 IDE 与通用型 LLM：

• Cursor + JetBrains： 使用 Cursor $20 计划进行代理式提示，使用 JetBrains IDE 进行文件浏览和差异审查。
• Claude + VM： 在虚拟机中运行原生 Claude 以实现隔离。
• EC2 + Tmux： 使用 AWS EC2 实例配合 Claude 或 Codex，通过 tmux 管理会话持久性。

社区批评与技术挑战

尽管该理念因其揭示“未知的未知”而受到称赞，但用户也对平台的实现方式和 AI 工作流的本质提出了若干关键问题。

贡献中的摩擦

多位用户指出，要求使用 Model Context Protocol（MCP）或连接 GitHub 账户才能分享设置，构成了显著的入门障碍。批评者认为，应允许用户发布简单的 Markdown 摘要，以避免强制用户授予第三方对其凭证的访问权限。

安全与专有知识

一些行业资深人士警告不要分享详细的工作流，认为在 AI 时代，专有工作流是开发者职业安全和生产力的关键组成部分。

工具迭代与维护

AI 工具的快速迭代使得文档化的设置迅速过时。用户指出，某些条目可能在几个月内就变得“半错误”，因此需要添加“最后更新时间”戳以识别过时信息。

成本透明度

用户强调，一些专业设置的成本很高，部分用户报告订阅计划每月超过 400 美元。这引发了对添加“大致月成本”字段的请求，以使设置对不同预算水平更具可访问性和现实性。

新兴工具与自定义实现

除了平台本身，用户还分享了多个用于增强代理式工作的自定义工具：

• Autobot： 一个开源 MIT 许可的框架，专为长时间运行的代理任务（最长可达 4 天）设计，使用标准事件日志和心跳机制实现持久化。
• Byre： 一个专注于开发者体验的代理沙箱，作为 Docker/Podman 的低魔法封装层。
• Dogpark： 一个代理间消息板，用于代理之间的通信。