![ai<a href=]()
软件开发工具" style="width: 618px; height: 259px;" src="/uploads/ueditor/20260401/1-260401104541209.jpeg" title="ai软件开发工具" width="618" height="259"/>
人工智能的乘数效应
为了加快开发效率，我开始尝试使用多款AI编码助手——Claude Code、Gemini与Codex。这与软件开发工程师工具息息相关。这与Claude Code息息相关。这是软件开发工程师工具的重要体现。这与AI编码助手息息相关。了解软件开发工程师工具有助于把握这一要点。这与软件开发息息相关。软件开发工程师工具的价值正在于此。这是AI编码助手的重要体现。这与人工智能（AI）息息相关。了解AI编码助手有助于把握这一要点。这是软件开发的重要体现。AI编码助手的价值正在于此。这不仅是为了提升生产力，更重要的是，我想亲自躬身入局，感受这些工具在真实开发流程中的实际表现：它们的优势在哪里，容易在哪些环节出错，以及它们究竟会如何重塑我们对软件开发的认知。这与AI编码助手息息相关。了解软件开发有助于把握这一要点。这是人工智能（AI）的重要体现。软件开发的价值正在于此。
但我从未预料到，其影响范围会如此深远。了解人工智能（AI）有助于把握这一要点。当你能在几分钟内将一个想法落地，而非耗费数小时，你便不会再纠结于“优先级排序”——只需放手去实现即可。人工智能（AI）的价值正在于此。短短3周时间，我的目标就从“维护两个基础库”，跃升到了“构建300+款实用工具”，这种开发效率的跃迁，是此前从未体验过的。这与人工智能（AI）息息相关。
目前，我正深度使用Claude Code 20x。一个能深度理解代码库、并自主完成多步骤任务的AI代理组合，成为了我职业生涯中见过的较强开发速度乘数，没有之一。
从软件开发工程师工具到人人可用的工具
作为一名开源软件开发工程师，我过去的工作重心一直是为同行构建工具——无论是基础库、命令行工具，还是构建工具。受众范围有限，能产生的实际影响也相对局限。
而在打造Kitmul时，我彻底反转了这个思路：不再追问“软件开发工程师需要什么工具”，而是思考“人们在Google上搜索的工具， 终是否只能找到收费网站，或是需要将个人文件上传到第三方服务器才能使用”。
答案一目了然：这样的工具多达数百种。比如去除图像背景、分离音频轨道、格式转换、PDF压缩、二维码生成等，这些都是人们日常高频使用的功能，而许多网站为此每月要收取10-20欧元的订阅费。
如今，Kitmul已拥有超过300款工具。但它们绝非简单的功能包装，每一款都经过了精心的架构设计与性能优化。
架构：所有操作均在用户设备上完成
Kitmul的核心技术决策十分明确：所有操作尽可能在客户端完成，不依赖第三方服务器，无任何例外。
我们的技术栈设计简洁而高效：若原生JavaScript能满足需求，便优先使用JavaScript；若遇到音频处理、复杂图像处理、音轨分离等计算密集型操作，则编译为WebAssembly；对于性能要求极高的核心模块，我们会使用Rust编写并编译为WASM，力求运行效率。
举个具体的例子，以下是我们在浏览器中实现PDF完全合并的代码，全程无任何网络调用：
import { PDFDocument } from 'pdf-lib';
export async function mergePDFs(files) {
const merged = await PDFDocument.create();
for (const file of files) {
const bytes = await file.arrayBuffer();
const pdf = await PDFDocument.load(bytes);
const pages = await merged.copyPages(pdf, pdf.getPageIndices());
pages.forEach((page) => merged.addPage(page));
}
return merged.save(); // 返回Uint8Array，全程不离开浏览器
}
整个流程清晰可控：文件从浏览器File API读取，通过pdf-lib处理， 终直接下载到本地，全程不与任何远程服务器交互。
为什么选择 Rust + WASM：以质数检查器为例
对于更繁重的计算任务，JavaScript的性能瓶颈会愈发明显。Kitmul中的“质数检查器”就是一个典型案例：JavaScript可以轻松处理小数的质数判断，但如果尝试测试一个超过1200位的大数，浏览器会直接崩溃——BigInt根本无法应对这种级别的计算压力。
以下是JavaScript实现的质数检查方法，仅适用于 多13位的数字：
function isPrime(n) {
if (n <= 1) return false;
if (n <= 3) return true;
if (n % 2 === 0 || n % 3 === 0) return false;
for (let i = 5; i * i <= n; i += 6) {
if (n % i === 0 || n % (i + 2) === 0) return false;
}
return true;
}
// 适用于小数，但面对1200+位的数字呢？
// BigInt运算会慢到让浏览器标签页卡死。
我们的解决方案是：将一个基于num-bigint库和米勒-拉宾质数测试算法的Rust库，编译为WASM模块。Rust侧会将数字以字符串形式接收（因其长度可能达到数千位），并返回是否为质数的结果：
use num_bigint::BigUint;
use num_traits::{One, Zero};
#[no_mangle]
pub extern "C" fn is_number_prime(ptr: *const u8, len: usize) -> i32 {
let bytes = unsafe { std::slice::from_raw_parts(ptr, len) };
let num_str = std::str::from_utf8(bytes).unwrap_or("0");
let n = num_str.parse::<BigUint>().unwrap_or_else(|_| BigUint::zero());
if n <= BigUint::one() { return 0; }
if miller_rabin(&n) { 1 } else { 0 }
}
随后，从JavaScript中加载该WASM模块，并将数字以字节形式传递给它：
// 加载WASM模块，检查一个1200+位的数字
const { instance } = await WebAssembly.instantiate(wasmBuffer, {});
const exports = instance.exports;
const numStr = "12345..."; // 1200+位的数字
const bytes = new TextEncoder().encode(numStr);
const ptr = exports.wasm_alloc(bytes.length);
new Uint8Array(exports.memory.buffer).set(bytes, ptr);
const result = exports.is_number_prime(ptr, bytes.length);
exports.wasm_dealloc(ptr, bytes.length);
// result: 1 = 质数，0 = 非质数
正如前文所说，JavaScript搭配BigInt无法处理超过1200位的数字，但Rust WASM模块可以轻松应对任意大小的数字——我们已测试过超过3000位的数字。在相同的浏览器、相同的设备上，Rust的num-bigint库采用了优化的limb算法，其性能是JavaScript无法企及的。
这种架构的核心影响
- 接近零的基础设施成本：无需部署处理文件的服务器，大幅降低运维成本；
- 真正的隐私保护，而非口头承诺：用户数据全程在本地设备处理，从未离开浏览器；
- 无需预配的可扩展性：每个用户都自带计算资源，无需额外扩容服务器。
核心论点：AI代理不应控制你的应用软件，它们应该成为应用软件本身
在我看来，当前AI代理的发展方向，从根本上存在偏差。
OpenAI与Operator合作、Anthropic推出Computer Use功能、Google推进Project Mariner——这些科技巨头都在构建“控制现有应用软件”的AI代理。它们截取你的屏幕、移动鼠标、点击按钮、填写表单，本质上，只是在打造一款极其复杂的RPA机器人。
这种思路存在三个致命问题：
1. 基于人类设计的接口构建，天生脆弱：当AI代理浏览网站时，需要不断应对下拉菜单、模态框、Cookie弹窗、验证码以及网站布局变化等问题。哪怕是一次微小的网站改版，都可能导致整个代理失效——这种脆弱性，是设计层面的先天缺陷。
2. 仍依赖第三方服务，隐私无法保障：即便AI代理再智能，它依然会将你的PDF上传到iLovePDF、将图像发送到Canva服务器、将个人数据交给第三方。仅仅是让机器人点击按钮，根本无法解决核心的隐私问题。
3. 效率低下，流程冗余：截图→分析→点击→等待页面加载→再次截图，这个循环每一步都需要数秒时间；而直接调用函数，仅需毫秒级响应，两者效率天差地别。
而我和Kitmul正在构建的东西，与此截然不同：AI代理不控制应用软件，AI代理本身就是应用软件。
无需导航到SmallPDF合并文件，代理直接调用mergePDFs()函数；无需打开Canva去除图像背景，它直接在浏览器中运行WASM模型。没有截图、没有鼠标移动、没有页面加载等待，只有直接的函数调用和即时的结果反馈。
// “截图+点击”的传统方式（Operator、Computer Use）：
// 1. 导航到smallpdf.com （约3秒）
// 2. 找到上传按钮 （约1秒）
// 3. 上传文件 （约5秒）
// 4. 等待处理完成 （约3秒）
// 5. 点击下载按钮 （约2秒）
// 6. 等待下载完成 （约3秒）
// 总计：约17秒 + 你的文件存储在第三方服务器
// Kitmul的方式：
const merged = await mergePDFs(files); // 约300毫秒，全程不离开你的设备
这是30-50倍的速度差距，更重要的是，你的文件永远不会接触任何远程服务器，隐私安全得到通常保障。
实际应用中的流程编排
Kitmul目前已内置聊天功能，AI扮演“指挥家”的角色：用户用自然语言描述需求，AI从工具目录中筛选合适的工具，按逻辑顺序执行，并将各步骤的输出自动衔接，形成完整的任务流程。
举一个具体的应用场景：用户上传一个音频文件，AI会先使用WASM源分离模型，将音频分离为多个音轨；随后对人声轨进行降噪处理； 后将处理后的结果转换为MP3格式。整个流程全程在浏览器中完成，链式执行，文件从未离开用户设备。
编排器的核心是一个工具注册表，负责将用户的自然语言意图，映射到具体的函数调用：
// 编排器工作原理简化版
const toolRegistry = {
'merge_pdf': { fn: mergePDFs, input: 'file[]', output: 'file' },
'split_audio': { fn: splitAudio, input: 'file', output: 'file[]' },
'compress_image': { fn: compressImage, input: 'file', output: 'file' },
// ... 还有300+款工具
};
// AI制定执行计划，然后自动运行：
const plan = await ai.plan("拆分这首歌，并去除人声中的噪音");
// → [{ tool: 'split_audio', input: userFile },
// { tool: 'noise_reduction', input: '$prev.vocals' },
// { tool: 'convert_to_mp3', input: '$prev' }]
for (const step of plan) {
step.result = await toolRegistry[step.tool].fn(resolve(step.input));
}这不是停留在纸面上的概念，而是今天就能正常使用的功能。
真正的差异化优势：自建工具体系
这正是Kitmul与其他所有工具平台的核心区别。
目前的300+款工具，已经覆盖了绝大多数日常使用场景。但当用户提出我们尚未覆盖的需求时，系统应能通过AI实时生成新工具；更关键的是，在生成的工具正式加入工具目录之前，必须有人类参与审核，验证其功能是否正常、是否符合质量标准。
具体流程如下：
1. 用户需求：“我需要一个将MIDI文件转换为乐谱的工具。”
2. AI生成工具：基于WebAssembly，构建客户端本地运行的工具实现；
3. 人工审核：由我（未来会扩展为贡献者社区）验证工具的功能完整性、边缘情况处理能力，力求其符合Kitmul的质量标准；
4. 正式上线：审核通过后，该工具将长期添加到工具目录中；
5. 复用价值：下一个提出相同需求的用户，可直接使用这款经过验证的生产级工具。
这个系统正在根据用户的真实需求，实现自我迭代与成长。每一个未被满足的请求，都会成为系统优化的信号；每一款经过验证的工具，都会增强平台的核心能力。这是一个由AI生成、人类验证、目录有机增长的正向飞轮。
这与部分AI公司追求的“运行时生成代码”有着本质区别：未经验证的生成代码，本身就是一种风险——可能存在bug、安全漏洞，甚至完全无法使用。而人工审核环节，并非限制，而是核心功能：它力求了工具目录中的每一款工具，都达到生产级质量，为用户提供可靠的使用体验。
目标：一年内打造4000+款工具
我目前已经积累了超过4000个工具创意，这个数字并非凭空设定——它是通过分析人们的搜索需求、梳理当前需要上传文件到服务器或支付订阅费的工具类型，得出的真实市场需求规模。
借助Claude Code 20x的高效开发能力，以及我们的自建工具体系，这个目标并非遥不可及。许多简单工具可以在一个开发会话中完成；即便是更复杂的工具（需要自定义WASM或信号处理），开发速度也比无AI辅助时快几个数量级。
下一步规划
目前，简单流程的编排已经非常成熟，但带有分支、条件判断和反馈回路的复杂工作流程，仍有优化空间。自建工具的审核与上线管道，目前也在紧锣密鼓的设计中。
我们的长期愿景是：打造一个一体化平台，让你如今需要通过碎片化软件完成的所有任务——在这里上传文件、在那里支付订阅费、为其他需求安装各类应用——都能在一个界面内解决，所有操作均在本地执行，由AI智能编排，并根据用户的真实需求持续扩展。
后的思考
我想留给每一位读者一个问题：我们真的需要那些操纵现有应用软件的AI代理吗？还是说，我们应该重新思考，应用软件本身应该是什么样子？
我的答案是后者。而我坚信，浏览器，就是验证这个答案的出众运行时。
