mySetup.ai：一個用於分享 AI 代理工作流程的社群中心

mySetup.ai 是一個由社群驅動的平台，讓工程師與 AI 高階使用者能夠記錄並分享他們特定的 AI 代理設定。平台的重點不在於「正在建構什麼」，而是凸顯「如何做到」——也就是專業人士用來管理複雜、長時間執行任務的特定代理、技能、工具與編排層。

核心概念：從「做什麼」轉向「怎麼做」

mySetup.ai 的主要目標是創造一個專屬空間，讓使用者能公開分享他們的技術堆疊。這包括詳細說明所使用的 AI 代理、哪些工具被證明有效，以及如何管理長時間執行的任務。透過記錄這些設定，平台希望將討論焦點從 AI 生成程式碼的最終輸出，轉移到實際用來達成目標的操作工作流程上。

使用者回報的 AI 工作流程與工具

社群討論揭示了從極簡的雲端設定到高度客製化的本地環境等廣泛的 AI 設定。

高效能語音與本地設定

一些高階使用者優先考慮低延遲語音介面，以提供更好的上下文與細節。一個 reported 的設定包括：

• 語音堆疊： 自行建構的 ASR（Parakeet v3）與 TTS（Omnivoice），總延遲預算為 400-450ms。
• 模型偏好： 偏好使用 OpenAI 模型以確保一致性，並實驗較便宜的替代方案，例如 Deepseek 4.1 Flash。
• 操作風格： 使用語音表達與上下文，同時保持終端機視窗以處理技術細節與資料。

以本地為先與硬體特定的設定

有顯著興趣在本地執行模型，以避免 token 成本並提升隱私。範例包括：

• 硬體： 在自訂的 SFF 電腦中使用 Strix Halo 128GB 與 Framework 主機板。
• 軟體： 以 LM Studio 為主要介面，搭配 Gemma 4（26b）、Qwen 3.6（35b）與 Qwen 3.8（27B）等模型。
• 安全性： 整合 Tailscale 以保護內部工具與網路。

混合與雲端導向的方法

許多使用者採用混合方式，結合專業 IDE 與通用型 LLM：

• Cursor + JetBrains： 使用 Cursor $20 方案進行代理提示，並以 JetBrains IDE 進行檔案瀏覽與差異檢視。
• Claude + VM： 在虛擬機器中執行原生 Claude 以取得隔離效果。
• EC2 + Tmux： 使用 AWS EC2 實例搭配 Claude 或 Codex，並透過 tmux 管理會話持久性。

社群批判與技術挑戰

雖然此概念受到讚譽，能揭露「未知的未知」，但使用者也對平台的實作方式與 AI 工作流程的本質提出多項關鍵疑慮。

貢獻上的摩擦

多位使用者指出，要求使用 Model Context Protocol（MCP）或連結 GitHub 帳戶才能分享設定，造成顯著的入門門檻。批評者認為，應允許使用者以簡單的 Markdown 摘要形式發文，避免強制要求授予第三方憑證存取權限。

安全性與專有知識

一些業界資深人士警告，不應分享詳細的工作流程，認為在 AI 時代，專有工作流程是開發者工作保障與生產力的關鍵組成部分。

工具快速更迭與維護問題

AI 工具開發速度極快，導致記錄的設定迅速過時。使用者指出，某些條目可能在數個月內就「半錯」，建議加入「最後更新時間」戳記以識別過時資訊。

成本透明度

使用者指出，部分專業設定成本高昂，有些使用者報告訂閱方案每月超過 $400。這引發了加入「預估每月成本」欄位的請求，以讓設定對不同預算層級更具可及性與現實感。

新興工具與客製化實作

除了平台本身，使用者也分享了多項專為增強代理工作而設計的客製工具：

• Autobot： 一個開源 MIT 授權的框架，專為長時間代理任務（最長達 4 天）設計，使用標準事件日誌與心跳機制確保持久性。
• Byre： 一個專注於開發者體驗的代理沙盒，作為 Docker/Podman 的低魔法封裝。
• Dogpark： 一個代理間的訊息看板，用於代理間通訊。