原文转载自微信公众号文章，版权归原作者及原公众号所有。 原文链接：https://mp.weixin.qq.com/s/9jERKzNTd1C8mI3abiFXEA 原标题：《搞钱 101｜为什么我们要做一个 Mac 监控工具？》 发布日期：2026-06-16

上一篇说，搞钱 101 的第一个项目，是做个 Mac 监控工具。虽然我已经在 vibe 这个原型了，但是一个项目要高端大气上档次，它首先得有一个宏大叙事。今天我就借着这个由头把我近期的一些想法整理一下。

那我们开始：

人机交互的演进

二十世纪七十年代以来，计算机，以及在它基础上的一系列衍生技术引发的信息革命给我们的生活带来了巨大的改变。

到今天，除了直接的吃喝拉撒睡，我们几乎可以通过计算机满足生活中的所有需求——工作、娱乐、社交、购物。

计算机这种东西的形态本身也在过去的二三十年间发生着巨大的改变。从占据好几间屋子大小的大型机，到一台桌子就可以放下的个人电脑，可以装到背包里的手提电脑，再到可以装到口袋里到处跑的智能手机。

诚然，摩尔定律下的技术升级迭代是计算机形态演进的重要前提，但是我想说的是，这些年来一代一代先驱们对于人机交互方式的探索也是这种演进很重要的推动力之一。

最早，人类需要通过手工编织电磁线圈来控制计算机执行任务，后来可编程计算机可以使用打孔纸带代替电磁线圈来输入指令，键盘这种输入设备的出现让计算机的应用范围得到极大的推广，施乐公司研发的图形界面配合鼠标以及微软和 Apple 在这之上做的一系列工作让计算机进入了千家万户，再后来 iPhone 的横空出世及其发扬光大的触摸操作带来了近十年来智能手机的普及。

可以说，人类和计算机的交互从一开始的需要专业知识和长期培训才能胜任的工作到现在一个人类小朋友都可以使用自己的手指就可以自然地操作，是一个从人类为机器妥协到机器尽可能将就人类的变迁。是从 Machine First 向 Human First 的演进。

原本照这样发展下去，移动设备可能最终会在大部分场景下替代电脑和笔记本电脑这种产品。你试着回想一下，除了游戏玩家之外，打开电脑是不是更多意味着要工作而不是其他的什么了？甚至，苹果在 2020 年就已经喊出了"你的下一台电脑何必是电脑"这种口号来定位自己的 iPad Pro。

如果真的是这样，我们这个项目就属于在一个越来越小的水潭里抢夺资源，那也就不会有什么大的出息了。

但是 AI 的出现改变了这种局面。

2020 年 OpenAI 的 GPT-3 拉开了 AI 革命的序幕，人们见识了它强大的能力之后自然而然的就开始想让它直接帮我们"干活"。

但是在 AI 应用落地这件事情上，行业内也经历了好几次迭代和探索。最早是直接使用它输出文本的能力的一些商业化应用，比如 Copilot（2021 年推出）以及一系列的代码助手工具。后来 Manus 带火了 MCP 标准，大模型可以通过某种固定格式的输出来调用实现了 MCP 协议的外部工具。

虽然理论上有足够多的 MCP Server 就可以做到任何事情，但这里面临一个现实问题：哪怕有了 MCP 这样统一的协议，要在短时间内为人类过去几十年积累的、五花八门的软件都配上专属的 API 接口，依然是极为庞大且碎片化的工作。

于是，像机器人为了沿用人类已有的工具（方向盘、工具箱）而做成人形一样，直接让 AI 接入和操作系统原生的工具链（如文件系统、终端命令行、桌面环境），成了最靠谱的发展方向。

OpenClaw 一类 Agent 的爆火正是顺应了这一趋势。它允许 AI 直接在本地（或私有 VPS）的执行环境里，调用真实的 Shell 命令、读写本地文件、运行本地脚本，用户可以通过不同的 Skill 来让它操作很大一部分既有工具。

AI 有了操作人类现有工具链的能力，这必然导致自键盘鼠标和触屏这些交互模式发明以来，人机交互方式的又一次升级。相信在不远的将来，人类操作计算机进行生产可以像一个人类小婴儿一样，指着某样东西说"妈妈，我想要这个"就可以了。

不得不说，老罗在当年发布 TNT 的时候提出的"Touch and Speak"的操作体验是非常 Nature 的。

未来可能的计算机形态

在大部分人的日常生活中，手机已经可以满足绝大部分的需求，但是"少数"需要更强大性能的情景下仍然需要打开电脑才可以完成。苹果等主流硬件厂商的"接力"功能无疑是为了用户在多种不同定位的设备上无缝切换而推出的。

有没有可能用一部设备来完成所有的事情呢？当然有很多先驱曾经尝试做过直接做一个"强终端"来满足所有的需求，比如 Ubuntu 母公司曾经的手机计划，期望通过一个 Dock 设备在手机系统和桌面系统之间切换。

但是受限于更好的性能和更低的成本之间的天然矛盾，这种尝试带来的结果要么是要求消费者花费更多的钱来购买一个性能冗余的手机设备，或者是购买一个有手机功能但是性能孱弱的 PC 设备。AI 革命带来的算力需求更加放大了这种矛盾。

所以我认为未来很长一段时间还会是一个弱终端和强后端的组合形态，实际上虽然很多人没有意识到，但他们已经适应了这种计算机的使用方式了。

从今天来看，不管是手机设备自身的演进，亦或是其他诸如眼镜、手表之类跃跃欲试想要代替手机地位的穿戴设备，终端设备侧仍然拥有无限的可能性，这部分内容我们先不讨论。

如果只关注后端设备，那么在步入 AI 时代的今天，想要实现"Touch and Speak"的交互体验，我们得想清楚两个问题：LLM 在哪里推理和Agent 在哪里执行。

LLM 在哪里推理

让用户自己去选择使用哪个模型来完成自己的任务，选择模型在哪里执行绝对不是一个好的体验（虽然现状正是这样）。对于用户来说，他们关心的只是"这个任务能不能做好"，而不是"这个任务是由哪个模型来完成的"。因此，未来的趋势应该是智能地根据任务特征自动选择最合适的推理来源。

简单任务走 Flash（快且便宜），复杂任务走 Pro（强但贵），简单或隐私敏感任务走本地（安全且免费）。这需要一个 orchestrator / harness 层来做任务路由。

但这个事情远没有看起来那么简单，实际上它有点反直觉。比如对于人类来说，我们可能倾向于认为给家里做一次大扫除要比坐在办公室里从事某种脑力劳动简单。但是对于一个 AI Agent 来说，前者因为需要处理更多的边界情况、面对更多的未知变化，可能反而更难。

哪怕就纯脑力劳动，也有观点认为高管的一些决策性的工作因为输入信息相对比较稳定（某些市场数据、大的事件等等），反而比处理高度不确定的日常事务的一线工作要容易。

Token 成本也是一个关键变量。云端按量计费，用得越多花得越多；本地也不是"免费"的，前期投入硬件，后续使用成本非常低。这意味着在模型能力相同的情况下，轻度用户云端更划算，重度用户本地更划算。这个分界线会随硬件价格和云端 token 价格实时波动。

大概对比如下：

	云端 Pro 模型	云端 Flash 模型	本地模型
能力	最强	中等	基础到中等
速度	取决于排队和网络	快	本地硬件决定，无网络延迟
成本	按 token 计费，较贵	按 token 计费，便宜	硬件成本固定，边际接近零
隐私	数据经过云端	数据经过云端	数据不离开本地
离线可用	否	否	是

Agent 在哪里执行

前面我们讨论过，如果说 LLM 是大脑，那么 Agent 就是要给这个大脑接入一具身体和一双手，让它可以使用工具。而要让它开始使用，自然需要我们先为它准备好环境和一系列的工具，比如操作文件、调用 API、运行代码、生成内容。

我们考虑三种可能的场景：

场景一： 用户通过终端（手机、平板、甚至手表）发出指令，执行在云端完成。用户不需要知道也不关心任务在哪里跑。

场景二： 用户租用一台云主机，在上面运行自己的 Agent。用户选择操作系统、安装软件、配置环境。本质上和传统租服务器一样，只是用途从"跑网站"变成了"跑 Agent"。

场景三： Agent 在用户自己的物理设备上运行。

场景一看起来很美好：用户只需发指令，并验收运行结果，中间发生的一切都在云端完成，用户心智负担最低，也是各大厂商最喜欢的模式。那为什么我们还需要场景二和场景三呢？

核心问题是"通用"二字。

回顾过去几十年计算机带来的信息革命，人类的智慧在计算机这种硬件平台上百花齐放，开发出了各种各样的工具来满足五花八门的生产力和娱乐需求。但正如没有任何一个大一统的游戏、应用、平台或公司可以满足人们所有的娱乐需求一样，在可预见的未来，也难以有什么平台能够满足人们所有的生产力需求。

场景一（无感云端执行）本质上是一个封闭平台。云端厂商预先搭建好执行环境，用户只能在它提供的能力范围内操作。O365 能改 Excel，但你不能让它帮你跑一个本地的 Python 脚本、调一个私有 API、或者操作一个没有云端版本的老软件。

而 Agent 工具——OpenClaw、Hermes Agent、Claude、Codex——所尝试的方向恰恰相反：把人类现有的、在电脑上已经实现的成千上万的工具链用 AI 调用起来，用一个工具尽可能地满足所有需求。

这个方向在很长一段时间内仍然需要一个完备的执行环境，一个可以安装各种不同传统工具软件的 sandbox 或硬件平台。一台真实的机器（场景三）或者一台可自定义的虚拟机（场景二），才能提供这种完备性。场景一做不到。

以前，很多场景下我们依赖于大厂给我们提供的云上的开箱即用的功能（比如在线文档、在线表格、在线 PPT），"上云"这个词非常流行。但在 AI 时代，随着 Agent 工具的兴起，我们可能会迎来一波"下云"的浪潮，很多任务的执行将再次回归本地。

正在发生的事实

以上是我们的思考，回到现实中来看，有些事情已经在发生了。

过去两年，Mac Mini 出货量明显增长，多个渠道出现供不应求的情况。最初大家看重的是 Mac 平台跑本地 AI 模型的能力；后来又发现它的功耗和体积优势很明显，越来越多的人开始用它专门跑 OpenClaw、Hermes Agent、Codex 这些 AI Agent。

过去的多年里电脑在人们家庭中的定位已经慢慢从一个全能设备转变成了一个专用工具或者生产力设备了。人们用手机来满足大部分的日常需求，打开电脑更多是为了工作或者特定的娱乐需求。AI 在这个趋势上又更进一步，现在很多生产力工作甚至都不需要坐在显示器前亲自操作，只要有一个设备在运行着 Agent，而用户通过任何终端来发出指令和验收结果就好了。

就像很多人的 Mac Mini 都不会一直连接显示器一样，未来很多用户的电脑也可能会在大部分时间里处于无头状态（headless），它们的主要功能就是在后台默默地运行着各种各样的 Agent 来完成用户的生产力工作。

咱们得好好"服务"这些用户。

回到主题

不管未来哪种场景占主导，只要本地有算力在运行，无论是跑推理还是跑 Agent，那就有监控的需求。

Stat 3 就是要满足这种新场景下的监控需求。我大概规划了这么些功能：

• 基础监控： CPU、GPU、内存、磁盘、网络等运行状态。这是通用的，不依赖于具体使用场景，对标 iStat Menus。
• 无头场景优化： 对于不接显示器的设备，监控之外还需要一些针对性的能力——远程查看实时状态、远程开关机（Wake on LAN）、异常告警推送（设备离线、温度过高、磁盘满了等）。这些功能让 Stat 3 在无头场景下从"能看到"变成"能管到"。
• LLM 性能监控： 首 token 时间（TTFT）、实时 token 速度（TPS）、用量统计、成本估算。对本地模型，甚至可以估算"相比云端为用户节省了多少费用"。
• 效能参考： 聚合匿名用户数据，建立"设备 × 模型"的效能排行榜。帮助用户做决策——该买什么设备、该跑什么模型。
• Agent 监控： 监控正在运行的 Agent 实例，展示它们的状态、调用的工具、执行的任务、历史记录等。对异常行为（比如 Agent 死循环了）进行告警。

具体要做哪些功能，哪些先做，哪些后做，要不要开源，怎么商业化去赚钱，怎么推广，这些话题我们后面再展开说。

最后

即使是在 AI 时代，编写一个可以稳定运行的软件也不是一件简单的事情。我是绝对不相信充五百块的 token，跟 AI 说我要做个监控软件，等他做出来说声谢谢就能万事大吉的。

我看到很多软件在很早期的时候就用很夸张的语言来宣传自己，吹嘘自己是"革命性的"、"颠覆性的"，甚至是"改变世界的"，但最后却只能沦为一个半成品，尝鲜的用户很快会被软件的不稳定性和不可靠性吓跑，最终不了了之。

那么 AI 时代的软件开发到底应该是什么样子呢？我们一起边走边看。

---

本文为转载文章，版权归原作者所有。原文发布于微信公众号，如需转载请联系原作者授权。