Granda | Ideas & Code

你停着的特斯拉就是一个数据中心

Fri, 13 Mar 2026 00:00:00 +0000

你的车95%的时间都停着不动。车里装着一块每秒能执行300到500万亿次运算的芯片，连接着冷却系统、电源转换装置和蜂窝无线电模块。它什么都不做。

特斯拉和xAI想改变这一现状。3月11日，埃隆·马斯克发布了"Macrohard"——内部代号Digital Optimus——这是一个将停驻的特斯拉变成个人AI智能体的联合项目。不是聊天机器人，而是能盯着你的屏幕、控制鼠标键盘、真正干活的智能体。

这个名字是在明戳微软。官方声称该系统能够"模拟整个公司的职能"——有些夸大其词，但底层架构是真实的，硬件也已大规模部署到位。

硬件早已就位

特斯拉在美国路上行驶的车辆中，大约有400到500万辆搭载了AI3（前身为HW3）或AI4芯片。AI3算力达到144 TOPS，AI4达到300-500 TOPS，预计2026年底推出的AI5则将跃升至2,000-2,500 TOPS。

这些不是通用CPU，而是专为神经网络推理打造的加速器——以低功耗、被动冷却的方式运行视觉模型来实现自动驾驶。同样的特性让它们既能处理行驶中的摄像头画面，也能在停车场运行AI模型。

马斯克在特斯拉2025年第三季度财报电话会议上提出了这个构想：如果1亿辆车每辆具备1kW的推理能力，那就是1000亿瓦的分布式算力。冷却和电源转换系统已经集成在车辆中，无需另建数据中心。

两台电脑，不是一台

大多数人以为特斯拉只有一台电脑，其实它有两台。

AI芯片（AI3/AI4/AI5）是推理加速器，专为神经网络前向传播而生，是整个系统的大脑，负责运行决策所需的智能体模型。

车载娱乐系统则是一台完整的AMD Ryzen工作站：

AMD Ryzen嵌入式处理器，4核Zen+，主频3.8 GHz
8 GB内存（Model 3/Y）或16 GB（Model S/X）
AMD Navi 23独立GPU（RDNA 2架构）——10 TFLOPS，与PS5同系列架构
128-256 GB存储
液冷散热

这可不是普通的车载音响，而是一台液冷Linux机器，配有独立GPU。特斯拉装上Navi 23是为了让你在中控屏上玩《赛博朋克2077》。但当车子停着、没人玩游戏时，这就是闲置算力。

智能体不需要云端虚拟机——车子本身就是服务器。AI芯片运行模型，AMD系统在容器中运行无头浏览器，处理Gmail、Google Sheets、Slack等应用。液冷散热可应对整夜的持续工作负载，不会因过热而降频。

离开车辆的只有发往目标网页应用的HTTPS流量——和你在笔记本上查邮件产生的流量没什么两样。你的数据不会流经特斯拉或xAI的服务器，推理在本地进行，工作空间也在本地。

架构：系统1与系统2

Macrohard将推理分为两层：

系统1（特斯拉AI芯片）——快速、反应式处理。车载模型负责实时观察屏幕、控制鼠标移动和键盘输入，是直觉层，负责模式匹配、视觉解析和即时响应。
系统2（xAI的Grok）——高层推理。规划、多步骤决策和情境理解，当任务需要深度思考时在xAI云端运行。

车辆在本地处理廉价、快速的推理，昂贵的推理则交给云端。这与FSD的混合架构如出一辙——车辆以毫秒级延迟在本地处理摄像头画面，而复杂的路线规划则可延迟到网络端处理。

对于计算机操作任务，这意味着智能体可以在本地跟踪屏幕状态、处理常规交互，同时将"是否应该批准这张发票"或"如何回复这封邮件"这类判断交给Grok。

不是聊天机器人，而是工作者

关键在于这个系统做什么。它不是在回答问题，而是在执行任务。

当你的特斯拉停着时，Digital Optimus可以：

处理邮件并起草回复
填写电子表格
操作网页应用
完成多步骤工作流
处理重复性数据录入

每辆车独立执行车主的任务，无需将单次推理调用分散到多辆车上——计算机操作任务天然具有高度并行性。一辆车，一个智能体，一项任务。规模来自车队数量，而非互联带宽。

这一点很重要，因为计算机操作任务的延迟容忍度相当宽松。一个表单填写智能体每次操作花30秒依然有用——你不是在等实时响应，而是在把工作委托出去，让它趁你睡觉时运转。

实际使用体验

不谈架构图，来看看日常体验。

特斯拉App是控制平面。“智能体"标签页与现有的充电、气候、哨兵模式控件并列显示，你可以用它：

排入任务——“处理我的收件箱”、“核对上周的收据”，或设置"每天早上6点自动整理邮件"等周期性规则
关联账户——为Gmail、Google Drive、Microsoft 365、Slack进行OAuth授权
设置限制——最低电量阈值、仅WiFi模式、工作时间段
查看结果——查看智能体的操作记录，批准或拒绝操作

你躺在床上，打开特斯拉App，输入"帮我提交上周出差的报销单”，点击提交，然后入睡。车停在车库，连着WiFi，电量80%，它接手这项任务。

AI芯片加载智能体模型，AMD系统在容器中启动无头浏览器。智能体打开你的邮件，找到收据附件，导航到公司的报销工具，填好表单，附上收据，保存草稿等待你审核。

早上，推送通知：

智能体在停车期间完成了3项任务

收件箱整理：已处理42封邮件，7封需要你查看 → [查看]

报销单：12张收据已分类，草稿待审 → [批准 / 修改]

日历：2个冲突已解决，1个需要你处理 → [查看]

你点进每项任务。智能体展示了带截图的分步操作日志——就像在回看屏幕录像。你能看到它做了什么、为什么这么做、按什么顺序执行。你批准报销单，调整一封邮件草稿，解决日历冲突。八小时的智能体工作，只需三分钟审核。

将视觉QA作为CI流水线阶段

Fri, 06 Feb 2026 00:00:00 +0000

上个月我合并了一个PR。代码审查看起来不错。测试通过了。然后我在手机上打开网站,侧边栏完全坏了。

修复很简单——缺少一个媒体查询。一旦你真正查看移动视图,bug就很明显了。没人看。

所以我添加了一个会看的流水线阶段。

我打开一个GitHub issue,上面写着:

实现手动输入选项以添加客户。点击时,打开一个宽幅滑出抽屉,其中包含创建新客户的表单。

一次提交后,PR带着30多张截图到达,证明每个状态在每个视口下都能工作。零手动测试。唯一的努力是编写功能描述。

概念

每次推送到PR时,GitHub Actions工作流会:

从PR分支启动Docker Compose堆栈(Django + Postgres)
运行迁移并植入测试用户
将本地URL交给带有Playwright MCP(无头Chromium)的Claude Code
基于PR差异执行交互元素
在三个视口截取每个状态
将结果作为PR评论发布

Claude Code控制浏览器。Docker Compose提供应用。GitHub Actions将它们联系在一起。审查者无需在本地运行任何东西就能看到功能证明。

%%{init: {"flowchart": {"subGraphTitleMargin": {"top": 3, "bottom": 10}}} }%%
graph TD
 A["PR推送"] --> B

 subgraph GHA["GitHub Actions Runner"]
 B["Checkout + Docker Compose"] --> C["迁移 + 种子数据"]
 C --> Agent

 subgraph Agent["Claude Code + Playwright"]
 direction LR
 D["读取PR差异"] --> E["映射文件 → URLs"]
 E --> F["登录 + 导航"]
 F --> G["截图 ×3视口"]
 end
 end

 Agent --> H["PR评论"]

 style GHA fill:transparent,stroke:#888
 style Agent fill:transparent,stroke:#888

工作流本身很直接:

Agent Trace 是为谁而设计的?

Fri, 30 Jan 2026 00:00:00 +0000

Cursor 发布了 Agent Trace,这是一个开放规范,用于追踪仓库中哪些代码是由 LLM 编写的。它记录模型、工具、对话和精确的行范围——所有内容都追加到项目中的 JSONL 文件中。

推介词:“随着代理编写更多代码,理解什么来自 AI 而非人类变得很重要。”

我花时间阅读了规范和参考实现。工程设计很扎实——清晰的架构、深思熟虑的可扩展性、良好的合作伙伴列表(Amp、Amplitude、Cloudflare、Cognition、Google、Vercel)。但我一直回到一个问题:你用这些数据做什么?

它捕获了什么

每次 LLM 编辑文件时,都会触发一个钩子并记录一条追踪:哪个模型、哪个工具、哪些行、哪个对话。参考实现处理来自 Cursor 和 Claude Code 的事件:

// 来自参考钩子——事件通过 stdin 流入
appendTrace(createTrace("ai", input.file_path!, {
 model: input.model,
 rangePositions,
 transcript: input.transcript_path,
 metadata: { conversation_id: input.conversation_id, generation_id: input.generation_id },
}));

规范定义了四种贡献者类型——human、ai、mixed、unknown——并支持行级归属,使用内容哈希来追踪移动的代码。它是供应商中立的、VCS 无关的,并且可以通过命名空间元数据进行扩展。

作为数据格式,它设计得很好。问题是它能实现什么。

归属挑战

规范将作者身份建模为一种分类。但 LLM 辅助编码是一场对话。你描述你想要什么。LLM 生成一些东西。你编辑其中一半,拒绝一个函数,要求修订,接受第二次尝试,然后手动修复边缘情况。后来,另一个 LLM 重构了整个块。

谁写了那段代码?人类和 LLM 作者身份之间的界限是模糊的,而且变得越来越模糊。大多数真实代码最终都会是 mixed,如果几乎所有东西都是 mixed,分类就没有告诉你太多信息。

行级归属也有保质期问题。追踪说"Claude 在提交 abc123 时写了第 10-50 行。“两次提交后,有人重新格式化了该块或从中提取了一个函数。规范的答案是通过 git blame 链接,内容哈希可以帮助追踪移动的代码。但在使用 rebase 和 squash-merge 的工作流中,链条会断裂。这些是困难的问题——早期 RFC 应该提出的那种问题。

缺失的行动

规范明确否认了明显的用途:不用于代码所有权,不用于质量评估,不用于训练数据来源。它说"透明度”。但透明度是手段,不是目的。

如果代码通过了审查和测试,因为 LLM 写的就有什么改变吗?如果它有 bug,无论如何你都会修复它。规范从未将归属与具体行动联系起来。数据进去了,但没有定义获取答案的方法。这就是差距——不是格式,而是用例。

有趣的地方

这是我认为 Agent Trace 实际指向的内容,即使规范还没有说出来。

懒惰开发者的富链接

Sat, 10 Jan 2026 00:00:00 +0000

当我在Twitter或Slack上分享博客链接时,它显示为纯文本。没有预览图片。只有一个像granda.org/en/2026/01/02/claude-code-on-the-go/这样的URL。

我需要Open Graph图片。标准方法:为每篇文章手动创建一个1200x630的图片。这很繁琐。我让Claude自动化它。

flowchart LR
 Push[git push] --> GHA[GitHub Actions]
 GHA --> Hugo[Hugo Server]
 GHA --> PW[Playwright]
 PW -->|screenshot| Hugo
 PW --> IMG[OG Image]
 IMG --> Commit[git commit]
 Commit --> Deploy[Deploy]

flowchart TB
 Push[git push] --> GHA[GitHub Actions]
 GHA --> Hugo[Hugo Server]
 GHA --> PW[Playwright]
 PW -->|screenshot| Hugo
 PW --> IMG[OG Image]
 IMG --> Commit[git commit]
 Commit --> Deploy[Deploy]

设置

我向Claude说明了问题:文章需要社交预览图片,但我不想手动创建它们。截取文章内容的屏幕截图,将其保存为OG图片,自动更新前置元数据。

Claude构建了什么

组件	用途
`generate-og-image.js`	用于截图文章的Playwright脚本
`generate-og-images.yml`	文章更改时触发的GitHub Action
`baseof.html`更改	条件性og:image元标签

Playwright脚本启动无头Chrome,导航到文章,强制浅色模式,隐藏页眉和页脚,并以1200x630截图:

取消订阅

Sat, 10 Jan 2026 00:00:00 +0000

处理中...

我的QA工程师是一个LLM

Fri, 09 Jan 2026 00:00:00 +0000

Claude可以点击按钮。

这听起来很简单,但它改变了我构建UI的方式。使用Playwright MCP,Claude不仅仅是编写代码——它打开浏览器,导航到localhost,并验证事物实际运行。它捕获我在代码审查中会错过的bug。

设置

Playwright MCP为Claude提供浏览器自动化。我用无头Chromium运行它:

{
 "mcpServers": {
 "playwright": {
 "command": "npx",
 "args": ["@anthropic-ai/mcp-server-playwright", "--headless"]
 }
 }
}

现在Claude可以导航、点击、输入和截图。它看到用户看到的东西。

flowchart LR
 Claude([Claude Code]) -->|browser_snapshot| PW[Playwright MCP]
 PW --> Browser[Headless Chrome]
 Browser --> App[localhost:1313]
 Browser -.->|screenshot| Issue[(GitHub Issue)]
 Issue -.->|visual history| PR[Pull Request]

flowchart TB
 Claude([Claude Code]) -->|browser_snapshot| PW[Playwright MCP]
 PW --> Browser[Headless Chrome]
 Browser --> App[localhost:1313]
 Browser -.->|screenshot| Issue[(GitHub Issue)]
 Issue -.->|visual history| PR[Pull Request]

流程: Claude Code → Playwright MCP → 浏览器 → 截图 → GitHub Issues → PR

用Claude构建我自己的新闻通讯

Wed, 07 Jan 2026 00:00:00 +0000

Hacker News流量高峰的第二天。四万访客，没有办法再次联系他们。我需要一个新闻通讯注册表单。

我看了Buttondown、Beehiiv、Substack、ConvertKit。都太复杂了。我只需要收集电子邮件。我不需要营销活动、分析或订阅者管理。而且我想拥有自己的数据。

所以我让Claude来构建它。

flowchart LR
 User([User]) --> Form[Newsletter Form]
 Form -->|POST /api/subscribe| Worker[Cloudflare Worker]
 Worker --> KV[(Cloudflare KV)]
 KV -.->|Daily sync| GHA[GitHub Actions]
 GHA -.-> Repo[(subscribers.jsonl)]

flowchart TB
 User([User]) --> Form[Newsletter Form]
 Form -->|POST /api/subscribe| Worker[Cloudflare Worker]
 Worker --> KV[(Cloudflare KV)]
 KV -.->|Daily sync| GHA[GitHub Actions]
 GHA -.-> Repo[(subscribers.jsonl)]

设置

我通过环境变量给Claude提供了一个Cloudflare API令牌，并描述了我想要的东西：一个收集电子邮件并将其存储在我控制的地方的表单。

不到30分钟后，我就有了一个可工作的新闻通讯。

Claude构建了什么

组件	技术
表单	HTML + vanilla JS
后端	Cloudflare Worker
存储	Cloudflare KV
同步	GitHub Actions

表单是一个发送到/api/subscribe的Hugo partial：

随时随地使用Claude Code

Fri, 02 Jan 2026 00:00:00 +0000

我在手机上并行运行六个Claude Code代理。没有笔记本电脑,没有台式机——只有iOS上的Termius和云虚拟机。

设置

flowchart LR
 A[Phone] -->|Termius + mosh| B[Tailscale VPN]
 B --> C[Vultr VM]
 C --> D[Claude Code]
 D -->|PreToolUse hook| E[Poke webhook]
 E -->|Push notification| A

流程是:启动任务,将手机放入口袋,当Claude需要输入时收到通知。从任何地方进行异步开发。

基础设施

硅谷的Vultr虚拟机:

Spec	Value
Instance	vhf-8c-32gb
Cost	$0.29/小时 (运行时约$7/天)
Access	仅Tailscale (无公共SSH)

我只在工作时付费。两个脚本管理生命周期:

vm-start # Start VM, wait for Tailscale, connect via mosh
vm-stop # Halt VM

我还有一个直接调用Vultr API的iOS快捷指令——在我甚至打开Termius之前就从手机启动虚拟机。

虚拟机的公共IP没有SSH监听器。所有访问都通过Tailscale的私有网络。深度防御:云防火墙阻止除Tailscale协调之外的所有内容,本地nftables作为备份,fail2ban以防万一。

移动终端

Termius在iOS/Android上处理SSH和mosh。Mosh是关键——它能在网络切换中幸存。从WiFi切换到蜂窝网络,穿过信号盲区,让手机进入睡眠状态。连接持续存在。

mosh --ssh="ssh -p 47892" mgranda@100.100.100.100

一个问题:mosh不转发SSH代理。对于需要GitHub身份验证的git操作,我在tmux中使用常规SSH。

会话持久性

Shell在登录时自动附加到tmux。关闭Termius,几小时后重新打开,一切都还在。

# In .zshrc
if [[ -z "$TMUX" ]]; then
 tmux attach -t main 2>/dev/null || tmux new -s main
fi

多个Claude代理在并行窗口中运行。C-a c用于新窗口,C-a n用于切换。在手机键盘上效果很好。

让AI来做

Sun, 28 Dec 2025 00:00:00 +0000

我需要一台开发服务器：带SSH访问和开发工具的VM。我向Claude Code描述了我想要的，让它处理配置。

提示

我要求一台Vultr VM，配置8核和32GB内存，只能通过Tailscale访问，具有能在网络中断后恢复的持久会话。

Claude Code构建的内容

1. 通过Vultr API配置VM

它创建了一个8核/32GB的Ubuntu实例，等待IP可用，然后以root身份SSH连接。

2. 强化SSH

Port 49152 # 随机高端口
PermitRootLogin no
PasswordAuthentication no
ListenAddress 100.x.x.x # 仅Tailscale接口

仅基于密钥的认证，仅在Tailscale接口上监听。

3. 设置三层防火墙

UFW：拒绝除Tailscale子网外的所有传入连接
fail2ban：登录尝试失败后自动封禁IP
Vultr防火墙：在虚拟化程序级别阻止所有连接

4. 安装启用了SSH的Tailscale

curl -fsSL https://tailscale.com/install.sh | sh
tailscale up --ssh --authkey=$TAILSCALE_KEY

这通过Tailscale的内置SSH服务器创建了第二条SSH路径，独立于OpenSSH。

5. 安装开发栈

Node.js（通过nvm）、Python（通过pyenv）、Docker和常用工具。配置Docker无需sudo运行。

6. 使用tmux设置持久会话

一个启动脚本，自动重新连接到现有会话，这样网络中断就不会终止正在运行的进程。

7. 创建本地管理脚本

在我的笔记本电脑上创建dev-start和dev-stop脚本，通过Vultr API启动和停止VM。

锁定

完成后，Claude Code通过尝试以root身份SSH连接来验证root登录是否已禁用。登录失败。fail2ban注意到失败的尝试并封禁了我们。

Claude Code已将Tailscale SSH设置为备用路径。它使用tailscale ssh重新进入并执行：

fail2ban-client set sshd unbanip 100.x.x.x

配置

你需要：

Claude Code（或具有工具使用能力的类似AI）
云提供商账户（Vultr、DigitalOcean、AWS等）
Tailscale账户

将API密钥存储为环境变量并按名称引用它们（例如$VULTR_API_KEY），这样机密就不会出现在对话中。

使用Claude和GitHub Actions自动翻译博客

Tue, 23 Dec 2025 00:00:00 +0000

我写的每篇文章都会自动翻译。Claude处理翻译，将结果提交到main，翻译版本与原文一起部署。

流程

当英文内容合并到main时，翻译工作流在GitHub Actions中运行：

on:
 push:
 branches: [main]
 paths:
 - 'content/**/*.en.md'

flowchart LR
 B[合并到main] --> C[生成翻译]
 C --> D[提交到main]
 D --> E[所有语言一起部署到生产环境]

提示词

工作流使用claude-code-action：

For each .en.md file that was added or modified:
1. Read the English content
2. Create translations for these languages: es, nl, de, it, fr, ja, zh, ru, hi
3. Save each translation as filename.{lang}.md (e.g., hello-world.es.md)
4. Preserve the frontmatter structure exactly, but translate the title
5. Translate the body content naturally
6. Keep code blocks, URLs, file paths, and technical terms unchanged

一个提示词处理所有9种语言。“自然翻译"比"翻译这段文字"产生更流畅的输出。代码块和技术术语保持英文。

关于

Mon, 22 Dec 2025 00:00:00 +0000

摘要

本文档提供了关于本博客作者的背景信息。

1. 背景

拥有15年经验的软件工程师,其中10年在该领域工作。专注领域包括:

分布式系统
后端开发和基础设施
全栈和端到端产品开发
用户界面设计
构建安全可靠的系统

2. 联系方式

很高兴与业内人士建立联系: @mtt

关于

Mon, 22 Dec 2025 00:00:00 +0000

摘要

本文档描述了本博客所采用的写作方法论。

1. 引言

本博客主要在大型语言模型(LLMs)的协助下生成。作者提供方向、编辑和质量控制;机器提供初稿和翻译。

2. 理由

作者相信在AI辅助内容创作方面保持透明。与其掩盖所使用的工具,这一披露旨在:

为读者设定适当的期望
为围绕AI内容的诚实规范做出贡献
承认现代写作的协作性质

3. 这意味着什么

想法: 源自人类
结构: 协作式
文字: 主要由AI生成,由人类审核
翻译: 完全由AI生成(未经人类审核)

4. 质量保证

英文内容在发布前经过人工审核。翻译是自动生成的,可能包含错误或笨拙的措辞。作者对最终发布的英文内容负责。

5. 联系方式

关于本政策的问题或疑虑可以直接联系作者。

你好世界

Sat, 20 Dec 2025 00:00:00 +0000

欢迎来到我的博客！这是我的第一篇文章。

我会在这里分享想法、笔记和有趣的事情。