一位开发者分享了将AI编程工作流全面迁移至云端的实践过程。该开发者年初起一直在Mac本地运行pi进行开发，入职新公司获配VPS后，决定将开发流程搬到云端。最初尝试Happy搭配Claude Code的方案，虽然手机端偶尔可以接力，但由于更习惯使用pi，且Happy既不支持自建Daemon也没有好用的桌面端直连功能，最终放弃。随后改用Paseo搭配自建Daemon的方案：在VPS上配置pi（连同常用的harness和扩展）以及Paseo，并自建Paseo Relay，使桌面端和手机端均能接入。经过数月实测，该方案优势明显：Paseo功能成熟，支持Git Diff、文件对比和实时预览，可满足主力开发需求；Mac得到彻底解放，编译调试全部在远端完成，本地机器不再发热，且只需维护一份云端配置；同时实现24小时无缝接力，工位上用Mac连接桌面端办公，外出时用手机查看进度，大型任务直接挂在VPS上持续运行。该方案存在一定门槛：需要一台具备公网访问能力的VPS运行Relay，若VPS本身有公网IP也可与开发环境架设在同一台机器上。此外，该开发者还购置了一台折叠屏手机，用于在移动端沉浸式监视Agent执行任务。
事件分析
这篇实践帖折射出AI编程工作流正从本地单机向云端分布式架构演进。与传统开发不同，AI Agent任务往往需要长时间运行并持续监督，这催生了「云托管+多端接力」的新需求。Paseo Relay的自建架构解决了远程连通性问题，而用折叠屏手机监视Agent跑任务则代表了「AI监工」这一新兴使用形态正在成型。从产业角度看，这类工具链的成熟正在降低云端开发门槛，推动「本机退化为终端、算力与任务全部上云」的模式普及。后续值得关注的方向包括：Relay中转服务的安全性与隐私保障机制、各家AI编程工具在远程协作与移动端体验上的竞争，以及Agent长时任务监控交互的标准化。该实践对独立开发者和远程协作团队具有较高参考价值，也预示着开发者角色正从代码编写者向AI任务的调度者与监督者迁移。
核心观点：当AI Agent成为全天候劳动力，开发者的核心竞争力正从写代码转向搭建任务托管与监控基础设施。
原文链接：Linux.do
评论前必须登录！
立即登录 注册