把分散的资料与搁置的想法,做成能持续使用的系统。

整合 Claude Code 与 Codex 的本机协作、任务与工作流程记录。翻译、配音与社交媒体定时发布走另外的脚本管线,不在这份对话记录内。
从六个例子开始:找回旧知识、阅读多语言内容、听文章、沿着主线读、看模型选择,以及回看一段活动记录。每个例子都有入口,也保留目前的限制。

从这里试用

正在使用的系统与已结束的实验,分别标明。
内容网站

阅读多语言内容

把文章、相关概念与不同语言版本放在同一个网站。

原来的问题 内容分散时,很难沿着一个问题继续读。

可以这样试

打开一篇文章,试着切换语言,再沿着相关链接继续读。

开始阅读 →

使用范围:翻译与内容持续修订;不把多语言版本当成多份成果。

知识系统

找回旧知识

让概念与来源互相连接,方便重新找到、核对与延伸。

原来的问题 收藏过的资料,日后不一定找得到。

可以这样试

在 Wiki 搜索一个关键词,例如「人机协作」,打开概念与来源。

打开 Wiki →

使用范围:按已收录与公开的资料查找,不代表完整知识库。

内容管线

听文章

用克隆的声线把文章做成有声版,放在播客与文章页。

原来的问题 长文不一定有时间坐下来读。

可以这样试

到订阅页订阅播客,或在有播放键的文章页直接听。

订阅有声版 →

使用范围:声线是 AI 克隆,不是本人录音;不是每篇文章都有有声版。

策展层

沿着主线读

把文章按系列与核心概念重新编排,让一个问题可以连着读。

原来的问题 文章多了以后,单篇列表看不出彼此的关系。

可以这样试

从系列页挑一条主线,或从核心概念页找一个贯穿多篇文章的想法。

看系列 →

使用范围:编排是人工决定,不是算法推荐;系列持续增补。

数据仪表盘

看模型选择

把目前在用与评估过的模型整理成一张选择地图,持续校核。

原来的问题 模型与价格变动快,选择时容易凭印象。

可以这样试

按写作、研究、编程等任务,看目前的建议与最近一次校核时间。

打开模型地图 →

使用范围:是最近一次校核的快照,不取代你自己的任务测试。

已结束 · 2026

回看一段进香记录

保留白沙屯进香场景下的活动与 ESG 记录。

原来的问题 活动结束后,现场的记录容易分散。

可以这样试

查看当时平台保留的活动内容,了解这次实验的使用场景。

查看历史平台 →

使用范围:历史记录,不提供当年度实时活动服务。

决策记录 · 避免依赖单一 git 托管平台
避免依赖单一 git 托管平台
背景主要 git 托管账号曾经被暂停,让我意识到版本历史、部署流程与 issue 记录如果全部依赖同一个平台,会形成单点风险。
考量当时评估过三种做法:继续使用单一平台、整批移到另一个平台,或建立多个镜像,让不同平台彼此备援。
做法最后选择建立多平台镜像。任何一个平台出问题时,其他平台仍能保留版本历史与更新能力;部署流程则改由 wrangler 处理,不直接绑在特定 git 托管服务上。
结果账号恢复后,我把它接回为第三个镜像。从那之后,git 托管不再是唯一依赖,issue 也只是工作记录的一部分,而不是全部真相。
决策记录 · 去标识化不等于可以公开
去标识化不等于可以公开
背景2026 年 7 月,17 篇去标识化后的每日综述被判定可以公开,上线当天就撤回。
考量两种做法:维持「先去标识化、再评估能否公开」的流程,或把原本带有隐私疑虑的素材一律默认不公开。
做法选择后者。去标识化只解决「进代码仓库是否安全」这一层,不解锁公开发布;规则适用全站所有公开渠道,不限知识库。
结果规则写成决策记录与项目指令。之后遇到同类素材,默认维持不公开,不再走「先去标识化再评估」的路。
决策记录 · 部署前先检查版本血统
部署前先检查版本血统
背景2026 年 9 月,一批从分支部署上线的文章没有合并回主线;几天后主线再部署,就把它们覆盖了。
考量靠人记得先合并回主线,或把检查放进部署脚本,让它自己拦。
做法脚本内置两道检查:上次成功部署的版本必须是这次的祖先,这次版本必须能从主线走到。任一不符就不部署;刻意回滚要另外授权并记录原因。
结果从分支或工作树直接部署会被拦下,规则有对应测试。线上内容被旧版覆盖这件事,之后没有再发生。
决策记录 · 退役全自动的自我优化引擎
退役全自动的自我优化引擎
背景做过一个让网站自己提出并验证改版的实验引擎。它在七周内静静停摆,实验记录 3 月下旬就中断,没有人发现。
考量修好继续跑,或承认个人网站的反馈信号太稀疏,撑不起全自动迭代。
做法2026 年 5 月退役,代码整批封存。改成由几个 AI 工具与我分工议事:各自研究、提出方案,决定仍由人拍板。
结果llms.txt、MCP 与结构化数据降级为基本卫生,不再当成护城河;工作流程改以文档与决策记录为主。

工作记录与数据

这些数字描述活动与记录,不等于成果质量或节省的人力。汇总快照: 2026-11-21 07:41 UTC+08:00AI 原始记录自 2026-02-10 起(285 天);Git 主线自 2026-03-19 起(248 天)

数据期间:2026-03-19 至 2026-11-21

有非排程 commit 的工作日
230 / 248

有非定时任务版本记录的日期,不等于全天工作。

Handoffs:跨对话交接记录(累计)
492

让后续对话接续工作的文档数,不是成功交接率。

决策记录
48

保留选择理由的决策文档,已包含在治理文档中。

累计净行数变化1158K 行 · 按版本历史累计
0K100K200K300K400K500K600K700K800K900K1000K1100K030405060708091011

包含代码、内容与文档,排除定时任务记录;不是现有代码规模,也不表示使用价值。

非排程 commit 日历少 多 平台活动记录
2026年1月2月3月4月5月6月7月8月9月10月11月

灰色表示已覆盖但无非定时任务记录;斜线表示未覆盖,浅色格子是未来日期。可点击格子查看日期与次数。

2026-11-21 · 3 commits

Git 主线 248 天中有 248 天留下 commit;热图只显示非排程 commit,因此有 18 天仅有排程的日期会留白。

Mac 上的 AI 前台时间

Timing 自动记录 · 仅 Mac · 台北时间

读取中

累计 AI 时间
待更新
过去 7 个完整日(不含今天)
待更新
今天
待更新
来源月份
待更新

App
    待更新
网站
    待更新
设备
    待更新
仅计算 Mac;iPhone 与其他设备不在此指标范围。

条形按时长排序,每张图以自身最大值为基准;不是总时长占比,应用、网站与设备不可相加。

计算指定 AI App 与网站在 Mac 前台的时间,包含阅读、输入与等待;重叠时段只算一次。不计手机、后台执行、未识别的终端或一般 IDE,也不把整个 AI 浏览器的使用时间算入。这是可识别的 AI 使用时间,并非所有对话或 AI 运算时间。

时间增加可能来自学习、制作或返工,不能只靠时长判断效率。

版本活动与工作流程明细

概况

数据来源包含 git、Claude Code 与 Codex 本机使用记录
非定时任务版本记录
7,149
部署相关变更(代理值)
1070
文件历史变更次数,非成功部署;另有 67 次 PR 合并。
代码与内容变动
+1460K / −301K
行数(新增 / 删除)
有非排程 commit 的工作日
230 / 248
Git 248 天:230 天有非排程 commit、18 天仅有排程、0 天无 commit
连续有版本活动
248d
含自动排程 · 严格人机协作 130d

工作流程记录

跨窗口 AI Agent 协作,整理成可以延续、交接与追踪的工作记录
Worklogs:工作日志(累计)
1036
Handoffs:跨对话交接记录(累计)
492
治理文件(含 ADR · 累计)
738
其中 48 份是 ADR 决策记录
AI 对话与 Token 统计口径

数据期间:2026-10-22 07:38 UTC+08:00 至 2026-11-21 07:38 UTC+08:00

两种 Token 的统计方式不同,不能比较效率、相加或直接换算费用。

Claude Code root 对话(滚动 30 日)
543 个对话
26,169 则消息 · Opus 5.5
另列 153 个 subagent 执行记录
Codex root tasks(滚动 30 日)
108 个对话
1,631 则消息 · GPT-6.1 Sol
另列 46 个 subagent 执行记录
Claude I/O Token(滚动 30 日)
16.8M

去重后的输入+输出,不含缓存 Token。

Codex Token 增量(滚动 30 日)
975.1M

累计用量快照在时间窗口内的增量。

最常协作的时段
09:00
Claude + Codex root 消息
测试与部署流程数据

可验证质量信号

各项测量范围不同;没有数据不代表零。
测试覆盖率
Python 85.9% · Node 51.4%

测量时间:2026-11-21 07:34 UTC+08:00

部署冒烟测试合规
87%
跨项目影响标注合规
100%
契约测试 SLA 达成
91%
回滚 / revert 次数
24
测试文件数
136
人工部署流程失败率
16.4%

自 2026-06-21 16:14 UTC+08:00 起 · 人工部署样本 654 条. 部署命令或上线后检查失败;不含事后修补归因。

已记录事故
18

自 2026-06-22 10:37 UTC+08:00 起的历史记录;缺少恢复时间不等于事故仍未解除。

另有 217 条定时部署记录,其中 19 条标记流程失败,未计入上述人工样本。

交付记录的限制

不做个人评级
事故恢复时间
尚未测量
变更前置时间
尚未测量

本站的流程失败率包含部署命令或上线后检查失败,未回溯计入事后修补,与 DORA 的变更失败率不同。DORA 目前采用五项交付指标;本站不以代理数字评级。

DORA

五维能力证据

五维能力证据

质性读数 + 证据级别,不合成总分、不打分
指挥|掌控 AI 协作系统(方向 / 治理 / 编排)工件佐证
治理 / 编排工件量充足;指挥质量属自评。
交付|上线速度与稳定部分
已有部署流程记录;成功部署频率、恢复与前置时间仍需分别核对。
杠杆|用 AI 放大产出工件佐证
高产出 + Claude / Codex 分列用量;倍率需「无 AI 的同人产出」baseline、无法测量。
质量|产出可靠性自动抓取
目前主要是测试与流程信号;高覆盖率不等于测试有效。
影响|对外扩散自评
无外部触及信号,诚实留白。
数据观察

数据观察

持续性

版本记录连续 248 天有活动(含定时任务);人工操作或主要 AI 对话的活动记录连续 130 天。这不是服务可用率。

协作记录

AI 对话本身容易断裂,所以我另外留下 handoff、ADR 与工作日志。这些记录让不同 session 之间可以接续,也让后来的自己知道当时为什么这样做。

数据限制

对话统计只涵盖本地 Claude Code 与 Codex;屏幕时间另由 Timing 提供。Token 定义不同,不直接比较或相加。时长、代码行数与版本记录不能直接换算成效率。

数据整理方式

  • 数据来源包含 git 主线,以及本机 Claude Code 与 Codex session 实录。
  • commit 数只取自一份 git 主线记录。GitHub、GitLab 与 Codeberg 是同一份历史的镜像,不重复计算。
  • Commit、工作日、热图与行数排除符合规则的排程 commit;协作系统连续运行天数包含排程,另以人工 commit、Claude Code root prompt 与 Codex root user message 计算严格人机协作天数。
  • AI 数据使用真正的滚动 30 日窗口;root sessions 纳入主要数字,subagents 另列以避免重复。
  • Claude Token 是去重后 assistant message 的 input + output;Codex Token 是 task 累积快照的窗口内增量。两者口径不同,不相加。
  • repo 平台活动自 2026-02-20 起有 PR 与 issue 记录可查;由于 git 主线历史曾在三月中重置,3/18 前的 commit 明细不列入目前统计。
  • 直接记录、代理值与估算分别标明;未知不填零,不合成能力分数,也不推算节省的人力。
  • 工作流产物会递归纳入子目录与 Codex 审查;排除备份、封存、草稿与 prompt 模板。ADR 已包含在治理文件总数内,不重复计算。
工具现在哪个 AI 模型最强、最划算?模型比较与来源日期:综合智力、纯编码、长程 agentic、性价比前沿,一页看完,重点是判读不是名次。看模型前沿仪表板 →