CC — Clément Chardine

我做了一个桌面宠物,提醒我别再冲我的 AI 大吼大叫

发布于 10 分钟阅读 Rust · macOS · ML

一个周末的 Rust、原生 macOS FFI 和端侧机器学习,如何变成一个留意你语气的小伙伴

我的工作变了。我已经不怎么写代码了。我写提示词、审查、引导方向,偶尔还得求它。2026 年的软件工程,与其说是关于算法,不如说是在管理一支恰好由大语言模型组成的实习生大军。有时候实习生们很出色。有时候其中一个会烧掉我当天 20% 的 token 额度,第一百次去探索整个代码库,而我明明清楚地告诉它只重构某一个函数。

每当这种时候,也许是我累了,也许是线上出了 bug,也许我已经连着干了好几个小时,总之,我会爆发。我会打出一些绝不会对同事说的话。不过我至少努力保持创意:“你这该死的尼安德特人!”、“你要是再碰那个函数的任何一行,我就宰了你的狗!!!!!”、“没用的破铁皮……”。

不就是一台在屏幕上预测文字的机器嘛,对吧?又不会伤到谁。

只不过,这里存在一个反馈回路。AI 模型是用数据训练出来的,而那些看起来像暴君老板冲着低薪员工大吼的数据,对应的模式正是……一个被吼的低薪员工的产出。那可不是什么好代码。所以,对你的 AI 刻薄,可能真的会让它变差。除了这个务实的理由之外,我也单纯不想看着自己变成那种人:因为服务员没法还嘴,就对服务员很无礼的那种人。

所以我想要一点提醒。不是弹窗。不是那种大家点“确定”比点“我同意服务条款”还快的“你确定吗?”。而是某种活的东西。某种能让你也感受到些什么的东西。

想法

这些年我一直很怀旧。我是在 Rainmeter 的年代长大的:桌面小部件、自定义皮肤、住在任务栏上的小生物。我隐约记得有个插件(名字早就忘了)会把《千与千寻》里的小煤球放到屏幕上。还有拓麻歌子。就是那种氛围。

所以概念很简单:一个住在屏幕上的像素风小伙伴,它会读你打的字并做出反应。友善的话,它就开心。刻薄的话,它就难过。特别刻薄的话,它会拦住你的回车键,给你一秒钟重新考虑。你可以把它想象成有感情、判断力也更好的 Clippy(大眼夹)。

恰好在那段时间,我读到了一篇关于 Grammarly 如何接入 macOS、在整个系统范围内读取你输入内容的文章。既然 Grammarly 能管语法,类似的东西就能管语气。在本地运行、保护隐私、数据不离开这台机器。种子就这样种下了。

名字自然而然就有了:安chor。“安”(ān)是表示平安、安宁的汉字,而 “anchor”(锚)是因为它的意义在于让人保持稳定。另一个候选名是 “fr:3nd”,我放弃了它,因为太二次元,而且和一家我非常不喜欢的 AI 创业公司重名。

[安]chor 的应用图标

规则

开始之前,我给自己定了几条约束:

  • 一个周末。不许范围蔓延。(最后还是蔓延了,但只有一点点。)
  • Rust。自从一年半前做 Sniive(一个基于 Tauri 的创业项目)之后,我就没碰过它。我想练练手,也想要它的性能保证:这个东西必须在所有应用的后台安静运行,而且不能耗电。
  • 不用 Swift。是的,写 macOS 用它会更容易。不,那不是重点。
  • 保持小巧。做一个守护进程,而不是 Electron 应用。没有框架,没有 web view。只有二进制文件、模型和屏幕。

工作原理

这个应用会在全局拦截你的按键。是的,技术上它就是个键盘记录器。但一切都留在你的电脑上(没有网络请求,没有遥测,除了下载模型和检查更新之外,没有任何东西离开设备)。按键会被送进一个运行在 CoreML 上的恶意语言分类器,它会实时更新一个像素风小伙伴的心情。

Keystrokes Rope Buffer Toxicity CoreML classifier EMA score background, continuous Sprite mood happy → worried → sad Enter pressed? synchronous, ~100ms Block companion reacts Allow send message Opt+↵ override chars 512 chars continuous on Enter toxic clean
数据流:按键先被缓冲、分类,然后分两路处理——持续更新情绪,以及按下回车时同步拦截。

这个小伙伴是一个 32×32 的精灵图,来自 Cup Nooble 的 Sprout Lands UI Pack。(在 2026 年找到好的精灵图,比十年前我摆弄 RPG Maker 的时候难得多。像素美术素材包的黄金时代已经过去了。)它待在你当前的输入框旁边,你友善时它眉开眼笑,你火气上来时它一脸担忧,你说话刻薄时它会明显地不高兴。

如果你在一段被模型判定为恶毒的文字上按回车,这次按键会被拦下。小伙伴会表达它的不满。你停下来。你换个说法。

或者你按 Option+回车,无视它照发不误,因为有时候你就是这个意思。

在回车上拦截是个显而易见的选择。我是开发者,我什么都用回车提交。没有复杂的手势,没有确认对话框,只是:你的小伙伴逮到你了。

当你几分钟不打字,小伙伴就会睡着,还有个小小的呼吸动画。下一次按键时它就会醒来。如果你已经友善了好一阵子,它会戴上墨镜。都是些小细节,但它们让它感觉不像一个小部件,而更像一个小生命。

Grammarly 梦想与现实

到这里,野心撞上了截止日期。

那篇关于 Grammarly 的文章描述了如何通过 macOS 的辅助功能 API 从任何应用中提取文本。梦想很明确:读取整个输入框,准确知道写了什么,定位哪一部分有毒,再给出一个改写版本。就像 Grammarly,只不过是针对语气。

可是 Grammarly 有一整个工程师团队和多年的迭代。一个周末里,你会发现很多事情。比如,并不是每个 macOS 应用都正确暴露了辅助功能属性。有些应用会谎报它们的 UI 角色。有些根本不暴露文本内容。想可靠地提取任意应用中任意输入框的完整内容?那需要大量针对单个应用的启发式规则,而我根本没时间去写。

于是方法变了。我不再读取输入框,而是直接追踪按键,尽可能拼出内容。每次按键都会进入一个 rope 数据结构(因为用户会退格、到处跳、按 Cmd+A,总的来说在自己的输入框里就是一群混沌使者)。结果是对实际内容的一种尽力而为的还原。我把最后 512 个字符送给模型:没必要因为三段之前别人发来的一句恶毒引语而惩罚一个人。

它并不完美。会有误报,也会有漏报。但它大部分时候都有效,而对一个温和的提醒来说,“大部分时候”就够了。

模型本身是一个多语言 DistilBERT 恶意语言分类器,转换成了 CoreML 格式。它大约 240 MB,所以会在首次启动时下载并缓存。如果有 Apple 神经网络引擎,推理就在上面运行。有两条路径:按下回车时同步判断(大约 100 毫秒决定是否拦截),以及你打字时在后台持续运行(通过指数移动平均更新小伙伴的心情,它对峰值的反应比对平复的反应更快,因为快速提醒你比快速原谅你更有用)。

2026 年在 macOS 上写 Rust

老实说:还行。不算好,也不算糟。

objc2 这一系列 crate 已经相当成熟。窗口、菜单、面板、状态栏图标……都能直接用。但一旦你需要稍微偏离常规的东西(全局事件监听、辅助功能观察器、CoreML 集成),你就只能靠自己,针对苹果的 C API 手写原生 FFI。好在我们生活在一个 AI 智能体很擅长迭代的时代,稍微写点提示词,我就把需要的绑定跑通了。

让这一切值得的好处是:最终的二进制文件只有 3 MB。开启 LTO、panic = abort 和 strip = true 后,整个应用(守护进程、机器学习推理管线、GPU 精灵渲染、设置窗口)编译出来比大多数营销网站的头图还小。它瞬间启动,安静运行,没有运行时。

还有一点我完全没想到:多线程架构在 Rust 里写起来非常舒服。按键捕获、机器学习推理、辅助功能监控和界面渲染全都并发运行,通过 crossbeam-channel 协调。花了些时间才调好,但结果大多数时候既不卡也不顿。

真正的痛点不是 Rust,而是苹果。2026 年在 App Store 之外发布 macOS 应用,意味着用户首次启动时必须右键 → 打开,才能绕过 Gatekeeper。想避免这一步,Developer ID 证书每年要 99 美元。对一个免费开源的周末项目来说,这笔钱实在难以接受。.app 包本身是用一个 shell 脚本组装的,因为没有一个 cargo bundle 能满足我的需求。能用就行,我只在乎这个。

它真的有用吗?

有用。不是因为机器学习模型完美无缺,而是因为这点摩擦就足够了。

每当我打出刻薄的话,看到小伙伴难过的样子,我真的会停下来。我会换个说法。我会深呼吸。按下 Option+回车去无视它、有意识地选择照发,这个动作本身就是一个以前不存在的觉察时刻。大多数时候我不会无视它,只是换一种更友善的说法。

它解决不了互联网上的戾气。它只是一个人在一个周末里写的 6,000 行 Rust 应用,而那个人正对自己感到恼火。但它对我有用,也许对别人也有用。

我也想过加一个小模型,自动建议更友善的改写,但目前的模型还是太大,无法作为后台进程持续运行而不把电池耗光。现在,这点提醒就够了。你不需要一台机器告诉你友善的说法是什么:你只需要有个东西提醒你停下来,自己想一个。


[安]chor 是开源的,采用 MIT 许可证,可以在 GitHub 上获取。如果你偶尔会打出一些事后后悔的话,无论是对你的 AI、你的同事,还是对任何人,也许可以看看它。

对每一个值得的人,都友善一点吧。

更多实验