在V站看到了一个有趣的分享提取用户在V站的回帖来分析用户画像。觉得很有意思，就把油猴脚本安装下来跑了数据，让AI来分析一下自己，看看自己在社区的形象是怎么样的。
其实更早的时候有过一个 wordware-ai/twitter 的项目，用于分析用户在 Twitter 上面的发言。但是我的 Twitter 就几乎没有发贴过，所以完美错过了那次的狂欢。

一边在跑数据，一边就在看其他用户的回帖。但是在陆陆续续看了多个用户分享的自己的用户画像分析析之后，明显感觉到了严重的隐私焦虑。

很明确的，用户在社区中活跃度越高，那么不可避免地暴露出来越多的隐私信息。

即便已经在各种回帖中模糊混淆了人物以及地区名词。虽然AI可以被误导，但大体上仍然可以分析出来很精准的用户画像。要是再结合一些其他的社交APP数据，我觉得很快可以精准的定位到现实中的某一个身上。

如果你对AI对于我在社区中的用户画像感兴趣，可以点击阅读全文查看。一共尝试了 DeepSeek、Kimi、GPT、Gemini、Grok 5款AI产品。

前些天在V站回复 远程工作中，如何避免 Burnout(过劳) 的时候提到了 Anthony Fu。突然发现了 AntFu 居然主持了一档播客节目 —— 尖不想寫扣 No Coding Today。
就开始慢慢听这档播客，现在听到了他们在聊 Vibe Coding，突然就解开了我关于 Vibe Coding 的一些疑虑。

在此之前，我对于 Vibe Coding 的看法是：

Vibe Coding 只需要关注需求实现，而不是具体代码实现。所以大部分的使用者会是非开发专业的用户。
就好像我们使用AI去文生图一样，通过调整 Prompt 使得 AI 的产出实现 or 靠近自己期望目标，并不关注 AI 是怎么生成和具体的内部实现。

所以我一直觉得 Vibe Coding 的模式并不适合专业开发者，但非常适合快速 MVP 或者一次性工具类项目的场景。基本上只需要几句话就能在本地快速实现一个 Demo 去和客户 or 业务方确认需求，然后再在这个基础上去扩写功能。或者说像 JSON 数据处理和分析、图片 & PDF 的合并压缩这样的一次性工具类小项目，而且可以随意调整各种配置，来获得一个符合预期的内容产出。这些原本需要交给一个实习生花费很多时间去处理的。