AI 工作搭子的最后一公里:不是代码,是那块看得见的屏
从少数派作者用 Kimi Code 改造 Ulanzi TC002 的实操切入,拆解“不写代码”背后的真实成本:三十多轮修改、电脑必须常开、状态同步依赖 MCP 服务器。文章的核心判断是,Agent 工作流的瓶颈已从代码生成转移到状态可视化,物理屏幕作为“人机协作界面”的价值被低估。
AI 工作搭子的最后一公里:不是代码,是那块看得见的屏
不写代码是真的,但“30 分钟”只算了 AI 写代码的时间
三十多轮修改意味着什么
“30 分钟”这个时间只够 AI 写完第一版代码。少数派作者在 Ulanzi TC002 上的三个案例,在执行窗口里来回改了三十多轮,每一轮都要读代码、改代码、在真机上测试。作者本人不会写代码,所有功能由 AI 编写,他只负责描述需求、观察时钟反馈,再把问题丢回去。这个过程持续了两天,使用的工具是 Kimi Code,会员费 200 元一个月。

三十多轮不是效率低下的标志,而是这类硬件改造的正常形态。AI 每次生成的代码都需要面对一块 52×16 像素的屏幕、2.4GHz Wi-Fi 连接,以及只支持英文和数字的显示限制。生成代码与真机表现之间的落差,只能在一次次的读取、修改、烧录、观察中被压缩。所谓“不写代码”,省掉的是语法学习和手动编写,省不掉的是验证循环。
为什么说瓶颈不在编程
把这件事理解成“AI 帮你写代码”会漏掉关键部分。真正的成本不在生成代码,而在人必须持续判断:时钟显示的结果是否符合预期,不符合时问题出在代码逻辑、硬件限制还是网络延迟。作者的角色更像测试员和产品经理,而不是程序员。
一旦任务标准化且硬件约束宽松,AI 一次生成可用的概率确实会高很多。但 TC002 的改造包含自定义滚动字幕、宠物动画和 Agent 状态显示,这些需求叠加在低分辨率屏幕和持续网络依赖上,每一层约束都在增加生成代码与真机表现之间的偏差。三十多轮修改,本质上是人在为这种偏差做收敛工作。
如果只是让 AI 写一段在普通屏幕上显示文字的脚本,门槛确实接近为零。本文案例的复杂性来自硬件边界和自定义功能的组合,而非编程本身。
三个 Agent 并行跑,人眼才是真正的调度器
为什么 Claude Code 和 Kimi Code 跑通了,Codex 没有
三个 Agent 并行跑起来之后,最先暴露的差异不在代码质量,而在状态能不能被看见。Claude Code 和 Kimi Code 在作者的改造中都跑通了状态同步,Codex 到文章写作时还没收到状态。这个结果容易被读成“某个工具更强”,但更准确的解释是:状态同步能力决定了它能否进入并行工作流。一个 Agent 如果只能把执行过程留在自己的窗口里,人就不得不回到那个窗口前确认它是否还在跑、是否卡在等待输入。单个窗口不算问题,三个窗口同时处于这种不确定状态时,人的注意力就变成瓶颈。

Claude Code 和 Kimi Code 跑通,意味着它们的状态可以被提取出来,送到电脑之外的屏幕上。Codex 没跑通,不等于它写代码不行,而是它暂时无法把“我在做什么”这个信号交给人。并行工作流对工具的要求,不只是能完成任务,还要能报告自己的状态。这个区别在单任务场景里几乎察觉不到,在三个 Agent 同时运行时会被放大。
并行会话的物理外化
电脑窗口不够用,不是因为信息量太大,而是因为注意力分配方式不对。三个执行窗口可以并排显示,但人眼无法同时跟踪三个窗口里的滚动日志、进度条和输入提示。工作记忆的容量有限,当一个 Agent 卡住等待确认、另一个正在生成、第三个已经完成时,这些状态混在相似的界面元素里,人只能靠逐个切换窗口来确认。切换本身就是成本,而且容易被忽略。
实体屏幕改变的是信号出现的位置。像素时钟把 Agent 状态压缩成一眼可辨的视觉信号,放在电脑之外的物理空间里。评论者对这个思路的判断是:几个会话一起跑,最怕不知道哪个卡住等确认,状态能一眼看到,人才盯得过来。这个判断指向一个认知机制:空间位置和颜色、动画变化属于前注意加工,人不需要主动分配注意力就能察觉。窗口里的文字日志需要阅读,屏幕上的状态变化只需要扫一眼。
另一个案例把这种机制推得更远。作者把编码代理的状态放到时钟上,离开电脑时可以带着时钟,当显示代理停止工作时再返回检查结果。屏幕在这里承担的是“通知”功能,而不是“监视”功能。人不需要持续盯着执行过程,只需要在状态变化时被拉回来。电池续航在这个场景里变得重要,因为时钟必须持续运行才能保证信号不中断。

但实体屏幕的价值有一个明确边界:如果只跑一个 Agent,它的边际收益会大幅下降。单个 Agent 的状态在电脑窗口里足够清楚,切换成本几乎为零。屏幕真正解决的问题是并行场景下的注意力竞争,而不是单任务效率。另一个边界同样存在:屏幕只提供信号,不提供判断。时钟显示 Agent 停止工作,只意味着“该回去看看结果了”,结果是否符合预期、问题出在代码逻辑还是硬件限制,仍然需要回到电脑前复核。屏幕把判断的时间点提前了,但没有替代判断本身。
MCP 服务器是隐形的桥,也是隐形的锁
MCP 服务器是隐形的桥,也是隐形的锁
把 Agent 状态送到像素时钟上,中间隔着一层 MCP 服务器。mcp-server-awtrix 是一个开源的 Model Context Protocol 服务器,它的作用是把 Claude Desktop、Cursor、Cline 这类 AI 智能体的输出,翻译成 Ulanzi TC001 及兼容像素时钟能理解的指令。项目自述将其定位为连接对话式智能体与物理桌面显示器的桥梁,支持把构建失败通知、任务完成信息等临时警报推送到屏幕上。没有这层桥,Agent 的状态只会停留在电脑窗口里。

但这套架构的代价同样清晰。从 Agent 产生状态,到 MCP 服务器接收,再到 HTTP API 推送给时钟固件,整条链路中的每一环都依赖电脑持续运行。少数派的实操记录明确写道:滚动字幕、宠物动画、Agent 状态,全是电脑上的程序一帧一帧推给时钟的;电脑关机、合盖休眠或程序关闭后,时钟就不再更新。时钟断电重启后,自定义页面会全部消失,回到原厂界面,需要程序重新推送一次。这意味着“AI 工作搭子”并非一个独立设备,而是一台电脑的外设投影。
mcp-server-awtrix 解决了什么
它解决的是通信协议问题。像素时钟本身不理解 Agent 的输出格式,也不具备接收任务状态的原生接口。MCP 服务器把 Agent 的状态变化转成时钟能执行的页面更新指令,使“任务完成”“构建失败”这类事件可以脱离电脑屏幕,出现在物理桌面上。对于同时运行多个 Agent 的用户,这种信号外化确实降低了持续切换窗口的必要性。
但解决方案的适用边界同样由技术栈决定。mcp-server-awtrix 明确针对运行 Awtrix Light 固件的 Ulanzi TC001 及兼容设备。TC002 的改造路径并不完全相同:少数派案例中的自定义功能依赖电脑端程序推送,而非同一套 MCP 服务器直接驱动。不同硬件型号之间的兼容性差异,意味着用户不能把某个项目的配置直接套用到自己的设备上。
电脑关机,搭子就下班
最容易被忽略的是运行条件。把电脑当常开服务器用的用户,可以接受这套架构的脆弱性:程序常驻、网络稳定、时钟不断电,三个条件同时满足时,显示链路才能保持。但对于笔记本用户,合盖休眠就是硬伤。睡眠状态下,电脑端程序停止推送,时钟回到最后一次更新的画面,Agent 的后续状态变化全部丢失。
这不是软件缺陷,而是架构选择的结果。mcp-server-awtrix 设计为运行在电脑上的中间层,而非烧录进时钟固件的独立服务。它带来的灵活性——可以随时修改显示逻辑、接入不同 Agent——与它带来的依赖性是同一枚硬币的两面。用户获得的是可编程的显示能力,付出的代价是整套系统无法脱离电脑独立运行。
对普通用户的含义很直接:如果目标是让时钟在电脑关闭后继续显示时间、天气或自定义页面,这套方案不成立;如果目标是在电脑持续运行的工作场景中,把 Agent 状态从窗口里解放出来,它的成本可以接受。判断标准不是技术难度,而是使用场景与运行条件的匹配程度。
最后一公里不是技术,是“看得见”的界面设计
为什么审美差异会影响工具选择
像素时钟作为 AI 工作搭子的真正价值,不在多出一个显示功能,而在它把 Agent 状态变成了一种可感知的环境信息。人不需要主动切换窗口去查看进度,状态变化会自己进入视野边缘。这个转变的意义在于:Agent 工作流已经解决了代码生成问题,但人机协作界面——如何让人快速感知、判断、响应 Agent 状态——仍处于早期探索阶段。像素时钟只是其中一种尝试。
审美在这个选择里扮演的角色比看起来更重。数字生命卡兹克在微博上对比 Claude 和 Codex 的生成效果时,给出的评价是 Claude 的审美“还是太强了”,Codex 做出来的效果“真的丑哭我了”。这是一条主观判断,但它指向一个实际问题:像素时钟的显示内容由 AI 生成,生成质量直接决定这块屏幕是让人愿意放在桌面上,还是很快被塞进抽屉。低分辨率屏幕对字体、图标和动画的容错率极低,AI 生成结果里那些在普通屏幕上勉强能接受的细节,在像素网格上会被放大成明显的视觉缺陷。如果用户对显示效果不满意,方案的功能价值再高也很难持续使用。
普通用户该从哪一步开始
判断自己是否需要这类方案,可以从三个变量入手:并行管理的 Agent 数量、电脑持续运行的时间占比、对实体屏幕的审美容忍度。
如果只跑一个 Agent,手机通知或桌面小组件通常更实用。像素时钟的实体属性既是优势也是限制:它把状态从窗口里解放出来,但也要求用户处于能看见这块屏幕的物理空间内。对于不需要并行管理多个 Agent 的用户,额外硬件带来的收益不足以抵消其成本。
成本门槛同样不容忽视。数字生命卡兹克微博下有用户评论“可惜用不上和用不起”,这条评论没有说明具体门槛,但结合方案本身可以推断:硬件投入之外,Grok Bot 等 AI 服务的订阅费用、持续运行电脑的电费和设备折旧,都会累积成实际成本。Ian 的博客案例中,他让 Grok Bot 读取日历、天气和世界新闻来生成与时间相关的动画 GIF 并发送到时钟,这套工作流的运行依赖多个数据接入和持续的 AI 调用,不是一次性投入。
可复现性目前也是限制因素。数字生命卡兹克微博下有用户询问“有没有 public 仓库啊,我也想用一下”,但作者并未回复。这意味着方案暂时没有公开的代码仓库可供直接复用,后来者需要自己完成从硬件选型到提示词工程的大部分工作。对于愿意动手的用户,这不算不可逾越的障碍;对于希望直接套用的用户,门槛会明显升高。
综合来看,像素时钟作为 AI 工作搭子的方案,目前仍处于小众阶段。它的价值真实存在,但成立条件明确:并行管理多个 Agent、电脑长期运行、对实体屏幕有真实需求、愿意接受审美和成本上的不确定性。这四个条件同时满足的用户,才应该认真考虑投入。