一人公司还敢天天摸鱼?我 vibe 了个工具来鞭策自己A One-Person Company Still Dares to Procrastinate Every Day? I Vibe-Coded a Tool to Keep Myself Accountable

网格纸背景上的中文标题与一个带数据图表的个人工作仪表盘界面
本页目录On this page

海面背景上的个人工作仪表盘窗口,显示专注时长、应用数量、X 使用比例和时间分布图

应用界面

一人公司最大的敌人只有一个:你自己。因为没人盯着你,你连自己每天在干嘛都说不清楚。

一人公司听起来很爽和自由。没有考勤,没有日报,没有老板在背后走来走去。但另一面是:也没有人替你盯着你自己。你觉得自己每天很忙,可能只是在电脑前坐了一天而已。

我每天坐在电脑前十几个小时,回消息、刷推、看文档、写东西、工作。到了晚上回头一想——今天到底产出了什么,还真说不清楚。

试过手动写日志。坚持了1天,第2天直接放弃,我太天真了还是,我根本懒得写和动脑。

试过一些时间记录工具。看完一堆图表,什么也没改变,因为数据太粗了——它只告诉你“你今天用了8小时电脑”,但你到底在干嘛?不知道。

网格纸风格插画中,一个人坐在电脑前,墙上屏幕显示本周每天仅有约 10% 到 16% 的工作产出

我想要的是一个能够如实记录我自己行为的工具。一面能照出我实际在干什么的那种镜子

反正AI这么强,不如让ai帮我做一个。

一、首先应该先定义下需求和边界

网格纸上的双栏信息图,左侧写着 Vibe:Busy 并配云朵,右侧写着 Data:Distracted 并用饼图展示 X 与专注工作的时间

要用做产品的系统思维去完成这个想法。

根据我过去的试用经验,市面上的时间追踪工具分两种:一种让你手动按开始和停止,记录行为本身就在消耗意志力;另一种纯自动监控,最后给你一张图表,但你看完图表依然不知道自己这一天过得怎么样。但还有一种,直接录屏,但这个有点太暴力了。我觉得不太合适

计时器太累,监控器太粗。我要的是另一种东西。

我想要的是一个能回答这个问题的东西:“我今天说了要做什么,实际做了什么,差距在哪?”

所以我设计了一个三步闭环:

  1. 每天开始/结束的时候,记录下今天打算做什么或者做了什么——这是意图
  2. 工具自动记录我实际打开了什么应用、看了什么网页、离开了多久——这是证据
  3. 一天结束后,AI 拿我的意图和证据做对照,告诉我哪里对得上、哪里跑偏了——这是复盘

意图、证据、复盘。三个词就是整个流程。

还有一点,我在一开始就要确定:数据只存在本地。

我的行为数据——几点起床、几点摸鱼、哪个网页看了多久——这些东西肯定要放到本地,AI 复盘功能用的也是 BYOK 模式,自带 API Key,一切全部交给用户自持,毕竟这样成本最低,也能保证隐私。

做产品的第一步?先想清楚不做什么。

二、开始痛苦并快乐的 vibecoding 过程

Vibecoding 工作流信息图,用户输入经过 AI 解读后生成 Rust 后端、Tauri 前端和桌面应用文件,并标出代码生成与编译检查

我完全不会写代码。

一行都不会。不会 Python,不会 JavaScript,更不会 Rust。我能做的事情只有一件——用人话告诉 AI 我想要什么,然后让它替我写。

“ AI太好用了你知道吧.jpg ”

我一开始跟 Claude 说:帮我做一个桌面应用,能自动记录我每天打开了什么软件、看了什么网页。Claude 选了 Electron 框架——你可以理解成“用做网页的技术来套壳做桌面软件”,Discord、VS Code、Slack 都是这么做的。

调整了几轮,顺利跑起来了。功能没问题。

但我打包成应用之后,试了一下,我发现后台占用太大了。

一个时间追踪工具如果自己就在后台疯狂吃资源,占我几百兆的内存,这也太夸张了。

反馈了问题之后,AI决定更换开发框架,Claude 给了我方案——Tauri。同样的功能,打包出来的应用比 Electron 小 10 倍,且后台几乎感觉不到它在跑。

但代价是,换框架的话,一切工作都要重来,几天的时间全白费,以及Tauri 的后端要用 Rust 写。

Rust 我会吗?当然不会。但无所吊谓——我负责说清楚要什么,Claude+codex 负责干活就行了。

整个开发流程就是这样的:我描述功能 → Claude 写代码 → 我跑一下看效果 → 哪里不对我再用人话描述问题 → Claude 改。来回迭代,跟写需求文档差不多,只不过对面坐着的是一个秒回的工程师。

前后大概两周。先搭骨架,再打磨 UI,中间因为性能问题推翻了一次架构从头来。

全程没手写过一行代码,反正我也看不懂不会写,能用就行。

三、真实数据,两天对比

说了这么多,这工具到底管用吗?还不错。

直接上数据。我挑了两天,一天“勤奋”,一天“摸鱼”。

Seedo 个人工作仪表盘截图,日期为 2026 年 4 月 9 日,显示 11 小时 1 分钟专注时长、24 个应用和时间分布图

Seedo 个人工作仪表盘截图,日期为 2026 年 4 月 5 日,显示 9 小时 34 分钟使用时长,最长使用应用为 DeltaForceClient-Win64-Shipping

4月9日——我以为很充实的一天:

专注时长 11 小时,看起来很努力。但点开明细—— 一天刷了4h的X,再去掉休息时间,真正专注工作的时间只有4个多小时

11 个小时的使用时间,工作只占了不到四分之一。剩下的时间去哪了?聊天和刷信息流。

4月5日——几乎打了一天游戏:

数据显示,我当天最长的连续专注时段是 3 小时整。

标签写着:娱乐

我打了4个小时三角洲。一个工作日。“一人公司”。最长的连续“专注”活动,是打游戏。

看到这些数据的时候,说实话——挺有意思的,有一种“量化了自己每日行为”的新鲜感。但新鲜感过后是一阵安静。原来我以为的“忙碌充实”,其实长这样。

这个工具每天在问我同一个问题:你到底在干嘛?数字只是答案。

我现在每天睡前会看一眼数据。有时候很难看。但至少不是蒙着眼过一天。

工具做不到完美没关系,做到不骗你就够用了。

四、AI复盘数据

AI 日报复盘界面,专注分数为 53,并用表格列出 Delta Force、Adobe Premiere Pro、Antigravity、X 和其他应用的使用时长

数据有了,但光看数字还是会懵——我知道今天刷了 4 小时 X,然后呢?

所以我加了 AI 复盘这个功能。每天结束的时候,AI 会把你今天的行为数据读一遍,结合你记录的“今天打算干嘛”,然后给你出一份总结。

这就相当于有个人帮你全程看完了你今天是怎么过的,晚上告诉你——你说要做的事做了多少,时间都去哪了,有没有什么你自己没注意到的规律。

我自己给AI加了性格和系统提示词,如实客观的给出分析。你今天摸鱼了它就说你摸鱼了,你哪段时间最高效它也会指出来。

我自己用下来,这一步才是整套工具真正让我盯着屏幕发呆的地方。

五、数据处理

随后加了新功能,软件记录完了可以直接把数据导出来,格式是 JSON,直接扔给任何一个 AI 都能读。

你可以把一周的数据发给你的AI,问它“我这周的时间分配有没有什么问题”——你可以随便问、随便追问,聊到你满意为止。

数据是你的,怎么用你说了算。

想下载试用工具可以到这里下载试用,也欢迎提出更多的建议: FANzR-arch/Seedo: Seedo 是一款极简的电脑使用时长追踪工具,旨在帮助独立开发者和终身学习者复盘时间,找回专注。

🥳感谢看到这里,我是Phil,前建筑师 → AI产品

如果这篇文章对你有帮助,欢迎关注我的 X 账号 @Formulasearch ,我会持续分享跨界思考、AI 工具与产品方法论。

继续阅读Keep reading

AI 实践分享AI Practice

如何使用codex+image2进行视频内容创作How to Create Video Content with Codex + Image2

外包一个几十秒的产品视频要上万块,但我没打开任何剪辑软件,只用代码就把它跑出来了。工作流的关键在于:先用 GPT-Image-2 把每个场景的视觉预演图出好,再把图交给 Codex 复刻成代码。A few dozen seconds of product video can cost tens of thousands, but I did not open an editing app. I built it with code: first create visual previsualizations for every scene with GPT-Image-2, then hand them to Codex to reproduce in code.

AI 实践分享AI Practice

看了这么多教程你真用上了吗?在看AI教程之前你该想的是……After All Those Tutorials, Are You Actually Using AI? Before Another AI Tutorial, Ask Yourself This…

AI 明明就在收藏夹里,但根本没想到用。这才是很多人一直“学了很多,却始终用不上”的真正原因。 不是因为笨,也不是因为教程没用,而是因为你还没有养成一个最基础、但也最重要的习惯:遇到任何问题时,先想到一句,这件事,AI 能不能帮我做?AI is already sitting in your bookmarks, yet you never think to use it. That is why many people keep learning without ever applying what they learn. It is not because they are incapable or the tutorials are useless; they have not built the basic habit of asking, whenever a problem appears, whether AI can help.