苹果七年没搞定的事，一个白T恤小哥用一个周末整出来了 苹果做Vision Pro，七年，3500美元一台。 结果有个普通人，在自家卧室，用一个网课摄像头，做出了差不多的效果——甚至更好。 这不是剪辑视频，是实时跑的。 摄像头对着双手，捕捉21个关键点，每秒60帧，生成3D手骨架。 然后一块虚拟丝绸绑在上面： 手掌摊开，布料垂在指尖； 握拳，布料跟着皱起来； 手腕一转，布料就滑落折叠。 光影、质感都跟真的一样。 全程不用戴任何东西。 空手就能抓、拉、扔、接那块虚拟布料。 没有头显，没有手套，没有3500刀，没有600克压头，没有两小时没电，不用登账号。 就用了一个普通摄像头，加一个叫TouchDesigner的工具。 这哥们就是看完苹果发布会，心里想：这东西我免费也能做。于是花了一个周末。 三千个工程师、两千亿现金、七年时间。 对面是一个穿白T恤的年轻人、一台笔记本、一个摄像头。 谁更懂“普通人能用得上”的未来？答案挺明显的。

真的，今天刷到这个事给我看傻了。苹果砸了七年、烧了两千亿、三千个工程师堆出来的Vision Pro，被一个穿白T恤的普通人，用一个周末给干穿了。 3500美元一台，600克压得你脖子酸，两小时就得充电，还得戴头显登账号，一堆麻烦事。 结果这哥们，就在自家卧室，拿个几十块钱的网课摄像头，做出了比它还丝滑的效果——而且全程不用戴任何东西。 这不是后期剪辑，是纯实时运行的。摄像头对着你的手，精准捕捉21个关键点，每秒60帧生成完整3D手骨架。 你摊开手掌，虚拟丝绸就自然垂在指尖；攥紧拳头，布料跟着皱成一团；手腕轻轻一转，丝绸就顺着滑落折叠。光影、褶皱、垂坠感，跟真的布料没有任何区别。 你空手就能抓、能拉、能扔、能接那块虚拟布，没有延迟，没有卡顿。没有头显，没有手套，没有任何穿戴设备。不用花3500刀，不用忍受压头，不用怕没电，甚至连账号都不用登。 说出来你可能不信，他就是看完苹果发布会，心里嘀咕了一句“这东西我免费也能做”，然后花了一个周末，用TouchDesigner写了点代码就搞定了。 三千个工程师、两千亿现金、七年时间。 对面是一个白T恤年轻人、一台笔记本、一个几十块的摄像头。 到底谁才真正懂“普通人能用得上”的未来？答案已经写在屏幕上了。 #AI黑科技# #TouchDesigner#

我最近做了个很有意思的现场音乐产品。但是在做的过程中，我和 cc 有着反复的讨论，这个讨论很有意思，我决定记录分享下来。 很多现场音乐会使用 web 技术做音乐可视化，我的想法是使用 dynamic worker 可以验证 llm 到音乐生成和可视化的思路，而且这正是 v8 这种小隔离环境擅长做的事情。但实际上使用下来，会发现： 使用 codex/cc 可以 one shot 做出完成度较高的可视化内容，但使用 API 调用 llm 却很难 one shot 做到。因为这本质上要求我们在 API 层面实现复杂的 cli tool use，这就回到今年以来的最大选题困境，也是我不押注 cloudflare 那条“应该由 llm 写代码交给 sandbox 执行，而不是在 sandbox 中执行 llm cli” 的原因。 这种技术选型的困境是，一方面我们依赖大量的 skill 上下文导致 context 变的很大，在单一 llm 调用，甚至严格要求 cpu 运行时间的环境中不太合适，另外一方面，单一 API 调用导致的错误率非常高（缺少 agentic loop 的天然问题） 做到最后，cc 无法在这种技术架构下实现批量生产高完成度的产品，要求我将 dynamic worker 这种技术选项删除，完全走受控制的路线（llm 输出 json 这种传统的方式），而且他提供了一个产品上的说服思路，以下是它的原话： 「艺术家在 TD/Notch 做出精彩不是因为工具"自由"——恰恰相反，TD 节点比裸 WebGL更约束。但节点本身是作品级封装（feedback loop / particle GPU / volumetric / post-FX chain）。艺术家的"自由"表现为在高级原语之间的组合。所以 Recipe 路径的本质不是 "限制 LLM"，而是"把 LLM 的工作台从锤子钉子换成 TouchDesigner"——LLM 的语义自由度不变（从 prompt 到风格决策），但手里的原语变强」 换句话说，cc 认为艺术性表达的本质在于约束而不是发散。产品应当尽可能的引导用户思考，而不是让用户在一个无尽的空间中自由探索。这个反馈把一个技术选型的问题突然变成了一个哲学问题，是很有意思的对话实践。