我用 AI 搓了一个跨平台便签工具：NeoPad

全文约 2000 字，阅读需要 5 分钟

最近杂事多，公众号断更了一阵子。不过我没闲着——零零碎碎的时间凑起来，用 AI 搓了个小工具。名字叫 NeoPad，一个跨平台桌面便签。

它不是知识库，不做双向链接，也不塞 AI 聊天框。就一件事：脑子里冒出一句想法、一个待办、一段临时信息，怎么用最快的速度记下来。

项目地址：https://github.com/trevanzhang/neopad

从 FlashPad 说起

NeoPad 致敬的是一款叫 FlashPad 的小工具。

我用了 FlashPad 很多年。界面朴素，功能简单，但特别适合随手记：按一下快捷键，窗口弹出；写几句，再按一下，隐藏。没有启动仪式，不用操心文件放哪个目录。开会时记个临时待办，写代码时顺手记个想法，下班前记个明天要跟进的事——它就在那里，按一下就出来，按一下就消失。

FlashPad 的作者持续维护了将近 20 年。说实话，在软件行业做出一个工具不稀奇，但二十年如一日地修补一个小工具，很难。不怎么赚钱，也上不了技术新闻，但就是一直在。这种事，我打心底佩服。

不过，FlashPad 主要面向 Windows。随着我使用的设备和系统越来越多，我希望有一个相似的工具，能够同时运行在 Windows、Linux 和 macOS 上；同时保留那种“随叫随到、写完就走”的轻便感。

这就是 NeoPad 的起点。

它不是"大而全"笔记软件

现在的笔记软件越来越重。标签、数据库、双向链接、关系图谱、团队协作、云同步、AI 问答……功能当然有价值，但它们解决的是知识管理的问题。随手记两行字，完全是另一回事。

我想要的更像桌面上的一张便签纸：

• 常驻后台，需要时用全局快捷键唤出；
• 支持多个标签页，不同临时事项可以分开放；
• 输入后自动保存，不需要惦记 Ctrl+S；
• 关闭窗口只是隐藏，而不是退出；
• 可以把剪贴板内容快速追加到固定页面；
• 全文搜索，过几天还能把那句话找回来。

所以 NeoPad 一开始就给自己划了界：不做云同步，不做账户，不做 RAG，不做向量数据库，不做知识图谱。

小工具最重要的品质——你需要它的时候，它马上出现。从不添乱。

本地优先，笔记就是 Markdown 文件

NeoPad 是本地优先。所有笔记都以普通 Markdown 文件存在用户目录下的 ~/.neopad/notes/，配置和标签页信息也在本地。你的文字不会被锁在某个数据库里——就算哪天不用 NeoPad 了，随便开个文本编辑器照样能读。这种"数据自有"的感觉，用惯了云端笔记的人可能觉得无所谓，但我自己在经历了几次"平台关停、笔记迁移"的折腾之后，对这一点非常在意。

删除也不直接抹文件，先移到 trash/。写入走原子保存，程序崩了也不至于把原文搞坏。对一款天天挂在桌面上随手写的工具来说，这些小事比花哨功能要紧得多。

三种写作方式，以及真正的沉浸模式

NeoPad 用 CodeMirror 6 做 Markdown 编辑器，目前三种视图：编辑模式——专心写；混合模式——一边写一边看渲染；预览模式——只读排版效果。

上周在飞书上跟 Hermes 说：“帮我看看今天有什么新闻值得写。“它自动搜了一圈，整理出三个选题，存到文件里，然后安静地等着。第二天同一时间，它又跑了一遍。

我没写任何 prompt。这些动作是几周前设好的定时任务，到点就执行。选题池自动出现，新闻摘要自动推送。我唯一要做的事，就是早上打开飞书扫一眼。

当时没多想，觉得这就是个 cron job 罢了。

直到最近看到 Loop Engineering 这个概念，我才意识到——这几行 cron 配置背后，藏着一整套正在成形的方法论。

别装错了！Superpowers 和 OMO 只该选一个

一个你一定经历过的场景

你给 Agent 一个需求：「帮我加个用户认证模块」。

然后你泡了杯咖啡回来，发现它已经写了 800 行代码——但用的是你项目里根本没有的 JWT 库，认证逻辑跑在错误的中间件层，而且完全跳过了你上周刚定的 session 过期策略。你问它为什么不用项目里已有的认证中间件，它振振有词地解释了一通"JWT 的优势"，好像它才是这个项目的架构师。

这不是模型蠢。模型聪明得很。问题在于：它太急着动手了。 在它看来，写代码就是它的使命，而你那句模糊的需求指令，它选择用自己最擅长的方式去"填补空白"——用代码。至于你的真实意图、项目的技术栈约束、已有的代码规范，这些都是它主动跳过的"障碍物"。

或者另一个场景：你让它重构一个有 47 个文件的服务层。它改了 15 个文件就告诉你「已完成」，剩下的要么忘了，要么上下文窗口溢出，改到一半就开始编造已经不存在的函数签名。你打开代码一看，新调用的方法在旧文件里根本没有定义，而旧文件里被删除的方法还有三个地方在引用。整个项目跑不起来了。

这两种失败，看起来都是"Agent 不够好"。但实际上，它们指向的是完全不同的两个问题。

第一种——急着写代码——是纪律问题。模型有能力做对，但它没有足够的约束去保证每次都做对。

第二种——一个 Agent 干不完——是产能问题。单个 Agent 的上下文窗口和并行能力有物理上限，任务超过这个上限，再守纪律也没用。

这两个痛点，恰好是今天 AI 编程领域最值得关注的两套解法各自瞄准的靶心。一个叫 Superpowers，一个叫 OMO。

而你可能正打算把两个都装上——千万别。

Superpowers：给 Agent 立规矩

先说清楚一个背景。Superpowers 的作者是 Jesse Vincent——RT（Request Tracker）的创始人，现在运营 Prime Radiant 公司。这是一个写过大型工程软件、吃过流程管理苦头的人。GitHub 上 obra/superpowers 已经攒了 236K+ stars，MIT 协议，完全开源。

它的核心思路一句话就能说清：Agent 不是不够聪明，是太自由了。

Superpowers 做的事情，是通过一种叫 SKILL.md 的文件，给 Agent 注入强制性的行为约束。不是建议，不是提示词技巧，是约束——Agent 每次响应之前，都会自动检查有没有匹配的 Skill，有就必须执行，不可跳过。

它的标准流程是四个字：先想后做。

具体来说，Agent 收到你的需求后，不会直接写代码，而是走这样一条路：

1. Brainstorm：先跟你讨论方案，澄清模糊需求
2. Git Worktree：拉一个隔离的工作分支，不碰你的主干
3. Plan：输出结构化执行计划
4. TDD Execute：测试驱动开发，写一个测试跑一个测试

注意，这不是 Agent 的"建议流程"，而是 Skill 文件强制规定的。你见过那种「让 Agent 先做计划再做」的 prompt 技巧吧？Superpowers 的区别在于，它是硬编码到执行循环里的，Agent 绕不过去。

2026年7月8日起，如果你想继续用Claude，需要做三件事：举起身份证拍照、对着摄像头扫个脸、把你的面部几何数据交给一家叫Persona的公司——这家公司两个月前刚刚因为代码暴露安全问题被Discord果断弃用。

这不是什么安全升级公告。这是闭源AI的信任契约正在签字破裂的正式通知。

验证政策本身或许有合规理由——法律要求、反洗钱、防止未成年人滥用。但这不重要。重要的是：当你把API调用权交给一个厂商，你就让他决定了什么是合理的限制。而你只能在屏幕上看到结果，对中间发生了什么没有任何发言权。他今天要你的身份证，明天呢？

闭源模型这些年一直在讲一个故事：你只要信任我就好，我会照顾好一切。但这个故事在2026年讲不下去了——不止因为ID验证。

过去半年，每隔几周就有一个"故事的另一个版本"被曝光：模型被偷偷降智、源码被完整扒开（Claude Code v2.1.88泄露的59.8MB Source Map，数小时内被fork超41,500次，社区直接基于泄露代码写出了替代品claw-code）、你的数据由一家刚出过安全事故的供应商保管、你最依赖的模型因为政治原因一夜之间全球下架。每次都是"道歉了，改好了"——但如果你把信任建立在"被发现了会改"上，那这不是信任，是监督。而监督的前提是你能看到——你恰恰看不到。

闭源的本质是一个黑箱。黑箱的信任一旦破裂，是系统性、不可逆的。不是你原谅这一次就能继续的。

一、闭源的黑箱，正在被人从外面撬开

闭源模式的信任建立在三重承诺之上：我的行为你可以验证，所以相信我；你的数据我会保护，所以放心用；我会保持一致性，所以放心依赖。

这三条，是闭源收费的核心逻辑。你付的不是智商税，你付的是"省心税"——你不用管背后怎么跑的，我来管。

2026年上半年，三重承诺全数被击穿。

先说Fable 5——Anthropic在6月9日发布的旗舰模型，业界评估AI能力的"新天花板"。但发布当天就有用户发现不对劲：你如果问前沿AI开发类问题，系统会静默把你的请求转给旧版Opus 4.8，且不做任何告知。换句话说，你付了旗舰的钱，Fable 5在背后偷偷用旧版给你算。这个"隐形开关"被曝光后，Anthropic在36小时内道歉，改成了显式fallback。社区一片欢呼——“看，Anthropic听用户的”。

但问题不在于Fable 5做了什么，而在于它能做什么。今天它偷偷降智被发现后改成了显式fallback，明天它偷偷做别的事情后，依然需要靠"被发现了再说"来纠正。你没法查它的源代码，没法审计它的安全分类器，你唯一的监督手段是等漏出来。

更讽刺的是，就在Fable 5发布三天后（6月12日），它被美国政府强制全球下架了。原因是安全机构在发布前就已发现了一种越狱方法，Amazon和英国AISI各自独立发现了漏洞，Amazon的汇报直接触发了出口管制决策。Anthropic对此有不同说法——他们声称这并非通用越狱，而是要求模型读取特定代码库并修复漏洞，且同一能力在GPT-5.5等其他公开模型上同样存在。但无论哪方说法成立，结果是相同的：Fable 5从"最强模型"变成了"全球都不能用的模型"，连Anthropic自己的外籍员工都无法访问。

这不是监管风险。这是供应风险——你花了大价钱集成的模型，会由于一个你控制不了的原因，一夜之间消失。

Reddit上的一条评论说得好：“被发现的降智机制被当作故事结束来庆祝，但它其实是更严重问题的开始。”

再来是数据保护。ID验证的供应商Persona，在2026年2月已经在FedRAMP授权端点上暴露了2,456个文件、53MB前端代码（暴露的是非生产环境的前端代码，Persona声称无客户数据泄露，但安全社区对其基础设施水平普遍不信任）。这家公司被披露有能力执行269种验证检查，包括恐怖分子观察名单筛查、14类负面媒体监控、FinCEN直接报告。Discord看到报告后直接换供应商走了。但Anthropic留下来了。

合同约束会保护你吗？Persona的隐私政策说：保留你的面部数据最长3年。这意味着你的脸——生物识别数据——会在第三方手里保留到2029年。美国一些州（比如伊利诺伊）的生物识别信息隐私法（BIPA）对每次违规的赔偿是$1,000-5,000。如果Persona再出一次泄露，谁买单？

最后一个讽刺——Anthropic此前拒绝过五角大楼的致命自主武器要求（做了一个"负责任"的公关动作），但美国政府仍然在6月12日把它列作了供应链风险。你不做军用不代表政府信任你。地缘政治的逻辑简单粗暴：只要你在美国管辖下，你就可能在任何时候被切断供应。

闭源模式的根本问题在这半年里暴露无遗：它把你的关键基础设施变成了别人家的决策变量。你没有投票权，你能做的只是：刷脸，交身份信息，然后祈祷下午的模型别被封。

二、性能差距——从"鸿沟"到"缝隙"，只需两年

好，你说信任风险我可以忍，我选闭源因为技术更强。这话两年前站得住。现在呢？

2023年，开源模型在MMLU上落后闭源17.5个百分点——那是真正的鸿沟。你不可能在实际场景中用开源替代闭源，就像你不可能用一部2015年的手机跑2023年的App。但到了2025年底，这个差距已经缩到了0.3个百分点。不到两年，从差了17个百分点到几乎持平。注意这不是"趋同"——这是一种加速度趋同，今年差0.3，明年可能就是反超。

前沿编程能力的对比更直接。GLM-5.2（MIT开源）vs Claude Opus 4.8的FrontierSWE测试：74.4% vs 75.1%，落后0.7。MiniMax M2.5 vs Claude Opus 4.6的SWE-Bench Verified：80.2% vs 80.8%，落后0.6。这不是"有差距"——这是统计学上可以忽略不计的噪音。一个测试集上差0.7，换个测试集可能就是反超0.5。

真实场景更说明问题。YouTube上一个热门开发者频道实测了相同编码任务，GLM-5.2赢了4/5的测试。注意这是使用者的真实体验，不是厂商自己跑benchmark。当真实用户告诉你"用起来没区别"时，benchmark上那零点几个百分点的差距已经毫无意义。

开源追赶的速度本身也在加速。根据LessWrong和Epoch AI的追踪，开源到达闭源水平的滞后时间：私有Benchmark约8-10个月，公共Benchmark已经缩短到4-6个月。这意味着今天你看到的任何闭源新能力，半年后开源版本基本可用。而考虑到闭源发布窗口本身就在拉长（因为越来越大、越来越慢），一进一出的差距可能更短。

唯一还有实质差距的领域是超长周期任务——SWE-Marathon（多步骤工程任务）Opus 26% vs GLM 13%。但这个领域恰好构成了闭源维护溢价的"最后堡垒"——它成了闭源厂商可以说"你瞧我们还强一些"的唯一证据。

但技术论证框架已经从根本上变了。两年前的命题是"能不能做"——提问逻辑是"开源模型能做这个任务吗？"，现在的问题是"够不够用"——“哪个模型最适合我这个场景”。

对于任何一个实际场景——写代码、写文档、做数据分析——相差不到1个百分点的编程能力就是"足够好"。我问你一个问题：你觉得你的日常开发任务属于FrontierSWE还是SWE-Marathon？如果不是后者，那你纠结那0.7个百分点的意义在哪？

三、价格剪刀差——经济学替你做了选择

如果性能差距只是缩小到"几乎持平"，那还不至于产生系统性转移。但叠加价格差距后，情况完全不同。

直接放大炮对比：Claude Sonnet 4.6输出价格是$15/百万Token。DeepSeek V4 Flash是$0.28/百万Token。一个53倍的价格差。Opus 4.8更贵，反差接近90倍。注意这不是"贵的更好"——它们前沿编程能力差不到1个百分点。你多付53倍，买到的是零个可感知的质量提升。

GPT-5.5是$30/M，DeepSeek V4 Pro降价后$0.87/M——34.5倍。Claude Sonnet 4.6是$15/M，DeepSeek V4 Flash是$0.28/M——53.6倍。这些都是系统性的价差，而不是偶尔的打折促销。

6月9日到6月19日，这十天里发生了几件事。

你大概率已经在不同的信息流里分别刷到过它们。

未来不是选最强模型，而是编排所有模型

2026年1月9日，Anthropic 在服务端部署了一道检查，拦截第三方工具通过 Claude Pro/Max 订阅的 OAuth 通道访问模型。OpenCode、Cline、RooCode，一夜之间集体断线。Hacker News 上 “Anthropic Explicitly Blocking OpenCode” 的帖子几个小时内冲上 173 分。

真正让社区炸锅的不是封杀本身，而是 OMO 维护者在 GitHub README 里写下的那句话——“We loved Anthropic models enough to get blocked.” 我们太爱 Anthropic 的模型了，爱到被拉黑。

OMO（Oh My OpenCode）是 OpenCode 的一个插件框架。但叫它插件太小了。它做的事情是：把 OpenCode 从"一个模型写代码"变成"一群模型协作写代码"。你不需要选模型，不需要写复杂提示词，不需要盯着它别中途罢工。你给它一个任务，它自己决定该用谁、怎么改、什么时候停。

Anthropic 封杀的是 OpenCode 的 OAuth 通道，不是 OMO 本身。但 OMO 的高 token 消耗——每次请求动辄 50K tokens——确实是引燃注意力的导火索之一。不过，真正让 Anthropic 警惕的恐怕不是几个 token。而是一种可能性：当用户习惯了在一个界面里自由编排 75+ 个模型供应商，没有任何一个供应商还能锁住谁。

编排，而不是选择

孔子说"君子不器"，意思是君子不应像器皿那样只有单一用途。这句话放在大模型身上也成立——没有任何一个模型在所有任务上都是最优的。

但过去三年，整个行业都在做同一件事：选一个"最强"的模型，然后把它当万能锤子用。写代码用它，写文档用它，做前端用它，做数学推导还是用它。用户的认知负担变成了一个"选择题"：Claude 还是 GPT？选错了，效果差三倍。

OMO 的做法是彻底消解这个选择题。它设了 8 个任务类别（Category），每个类别自动路由到最适合的模型族：前端开发走 Gemini 3.1 Pro，深度推理走 GPT-5.5（xhigh 模式），写作走 Kimi K2.5。你只管说"我要做什么"，系统决定"该用谁来做"。