每日AI新鲜事·09月01日午间版：Claude Code实战与本地无审查模型

九月第一天，今天AI圈的消息不算特别炸裂，但有几条挺有意思的，咱们先快速过一下。

先说个Reddit上Ollama社区的帖子，有人发帖说想找目前最好的无审查、无限制的GGUF模型。

这哥们儿配置还挺猛的，双卡总共28G显存，64G内存，锐龙9的CPU。

这种帖子其实隔三差五就会冒出来，但最近确实频率越来越高了。

之前Ollama社区不是刚发布了好几个无审查版本嘛，Qwen3.8的27B、122B的MoE版本都有。所以这类需求一直很旺盛。

对，本地跑无审查模型这个赛道感觉越来越热了。28G显存双卡的话，跑个27B应该绰绰有余。

嗯，122B那个MoE版本激活参数才10B，其实也跑得动。关键是这类用户要的就是完全不受限的体验，商业API给不了的东西。

好，第二条，Cursor的Reddit社区有人反馈，云端Agent没法跑Android模拟器。

他想让Cursor的cloud agent自动测试Android应用的PR，结果发现云端不支持硬件加速，软件模拟又慢到基本没法用。

这个问题挺典型的。云端Agent的沙箱环境本来就不是为跑模拟器设计的，缺GPU直通，没有KVM支持。

不过话说回来，Cursor现在被SpaceX收了之后，加上OpenAI马上要在十一月断它的模型访问，这工具的未来还挺悬的。

确实，这个时间点提这种feature request，不知道还有没有人管了。

再提一条，深度学习社区有人在介绍一种叫FHRR的超低功耗计算技术，核心思路是把复杂计算变成角度相加。

FHRR是hyperdimensional computing里的一个方向，用超高维向量的角度来编码信息。理论上能大幅降低功耗。

不过这个方向离实际落地还有段距离，更多是学术探索阶段。感兴趣的可以关注一下。

好了新闻就先聊到这儿，接下来咱们聊聊最近一个挺火的实战系列。

B站上有人在做Claude Code一百个案例的系列视频，最新一期是用AI搭建服务器监控面板，互动量还挺高的。

这个系列我注意到了，之前有一期讲用Claude Code搭LangChain多工具Agent的，这次换成了运维场景。

服务器监控面板这个选题其实很聪明，因为它刚好是Claude Code最擅长的那类任务。

怎么说？为什么特别适合？

你想啊，监控面板的核心就是几块东西：数据采集脚本、后端API、前端可视化图表。每一块的模式都很固定。

Claude Code作为CLI工具，它可以直接在终端里操作文件、跑命令、装依赖，整个工作流一气呵成。

所以相当于它不只是写代码，还能帮你把环境搭好、服务跑起来？

对，这就是CLI编程工具跟纯chat补全最大的区别。它有执行能力，不是光给你看代码片段。

那我好奇一点，这种监控面板业内已经有成熟方案了啊，Grafana、Prometheus一套下来很完善。用AI从零搭，意义在哪儿？

好问题。我觉得意义不在于替代Grafana，而在于两个场景。

第一是快速原型。比如你就三五台服务器，不想搞一套重量级的监控栈，让AI十分钟给你撸一个轻量版的，够用就行。

第二是定制化。你想监控一些很特殊的指标，比如GPU显存碎片率、模型推理延迟的P99，现成工具不一定有现成插件。

这么一说确实有道理。特别是搞AI的团队，监控需求本来就跟传统运维不太一样。

没错，而且你看这个系列从LangChain Agent到服务器监控，选题越来越偏向实际生产场景了。

说到生产场景，之前vLLM刚发了v0.28.0嘛，HN上七十多分二十多条评论。这次更新你看了吗？

看了，vLLM现在基本是LLM serving的事实标准了。每个版本更新HN都会讨论一波。

我觉得有意思的是，这两个话题放在一起看，其实是一条链路。

vLLM管的是模型怎么高效推理，Claude Code管的是怎么快速搭建周边基础设施。一个管核心引擎，一个管外围工程。

小雨你这个串联角度挺好的。现在AI团队的基础设施分两层，推理层和工程层。

推理层有vLLM这样的工具在不断迭代优化，但工程层——比如监控、日志、部署脚本——反而还很手工。

Claude Code这类工具切的就是工程层的效率问题。你不需要专门招一个运维来写这些东西了。

但我有个担心啊，AI生成的监控面板，出了bug谁来排查？监控系统本身要是不靠谱，那不是更危险吗？

这是个好的skepticism。但换个角度想，监控面板本质上是只读的，它不改你的生产环境。

最坏的情况就是数据显示不准，但不会把你服务搞挂。这种风险等级其实是可以接受AI介入的。

有道理，只读系统确实风险低很多。那按你的判断，Claude Code这类工具最适合切入的是哪类任务？

我总结就是三个特征：模式固定、风险可控、一次性或低频维护。

监控面板、内部工具、数据迁移脚本、CI流水线配置，这些都是甜区。

反过来说，核心业务逻辑、交易系统这种就不太适合？

至少现阶段不适合。不是说AI写不出来，而是出错成本太高，review成本也高。

行，那咱们最后收个尾。今天聊下来我的感受是，AI编程工具正在从写代码往搭系统这个方向延伸。

对，从code copilot到system copilot，这个演进路径越来越清晰了。B站这个系列正好记录了这个过程。

九月第一天，希望大家都有个好的开始。咱们晚上见。

晚上见。