每一个都解决我自己的真实痛点——这才是 AI 编程的正确打开方式
以前遇到不顺手的工具，选择只有两个：忍，或者花钱买个替代品。过去两天，用 AI 一口气做了 5 个桌面工具：接口调试、数据库客户端、日志查询、系统监控、电子日记，外加一个 AI 办公桌面系统。
这几个工具并不是演示的DEMO，而是实打实的工作常用工具。
▲ 图1：全家福——5 个工具 + 1 个 AI 办公桌面，全部打包成 macOS 应用
📑 目录
01为什么开始自己造工具
02Postman Agent：能被 AI 直接驱动的接口调试工具
03PgSQL Agent：把 EXPLAIN 讲成人话
04ELK Agent：47 亿条日志里，不写 KQL 找根因
05Monitor Agent：专门盯 AI 编程工具的系统监控
06eDiary：一个刻意不加 AI 的日记本
07月夜烛峰：一个「半真半演」的 AI 办公桌面
08比写代码更重要的：那套开发方法论
动机很朴素：日常工作里反复被几个场景硌得慌。
排查线上问题要在 Kibana 里写 KQL，字段名全靠记；看 PostgreSQL 的执行计划，对着一堆 Seq Scan 和 Nested Loop 原文干瞪眼；Mac 上跑了一堆 AI 编程工具，风扇狂转时却不知道是 Claude 还是 Cursor 在作妖。这些痛点，市面上的工具要么解决得不痛不痒，要么重得离谱。
以前只能忍。现在不一样了——当 AI 能把一个桌面应用的开发周期从「几个月」压到「几天」，「自己造一个刚好合手的工具」第一次成了理性选择。于是就有了这五个。先说清楚它们共同的技术底座，后面就不重复了：
统一技术栈 —— Electron 33 + React 18 + TypeScript（最严模式）+ Vite + Tailwind + Zustand，全部打包成 macOS 安装包。
统一架构 —— 纯 TS 领域层（core）+ Electron 主进程 + React 渲染层，三层单向依赖，core 层逻辑全部有单测。
统一安全基线 —— 数据全部本地落盘，密码和 API Key 走系统钥匙串加密，绝不明文存储。
这套底座本身也是 AI 辅助沉淀下来的——第一个项目趟出来的架构，后面四个直接复用，越写越快。下面挨个说。
一句话定位：类 Postman 的 API 调试桌面客户端，但它有个普通替代品没有的本事——把自己暴露成 MCP Server，让 AI 编程助手直接驱动它发请求、管集合、控 Mock。
▲ 图2：Postman Agent——集合、环境变量、多标签请求编辑，正在调试 DeepSeek 接口
基础能力对标 Postman 核心工作流：集合树拖拽、多 Workspace、环境变量 {{var}} 占位、本地 Mock Server、代码生成（cURL / fetch / axios / Python requests）。导入能力做得比较狠——Postman Collection、OpenAPI/Swagger（含跨文件 $ref 全量解引用）、cURL 命令都能直接吃。
真正不一样的是这两个设计：
🔹 20 个 MCP 工具 + 本地 HTTP API
挂上 MCP 之后，我可以直接在 AI 编程助手里说「把用户模块的接口都调一遍，看哪个超时」，AI 会自己操作这个工具去完成。调试工具从「人用的 GUI」变成了「AI 也能使唤的手」。
🔹 内置即插件的注册表架构
代码生成器、导入器、导出器、认证方式，全部走同一套注册表——内置功能本身就是插件。想加一种新的代码生成，注册一下就行，不动主干。
💡 值得一提 —— 这项目做过一轮对抗性安全评审，修掉了代理隧道内存失控、$ref 越权读本地文件这类隐蔽问题。AI 写的代码也得过安全关，这点第 08 节细说。
一句话定位：PostgreSQL 桌面客户端，招牌功能是执行计划分析——可视化、自动诊断、AI 解读，三合一。
▲ 图3：PgSQL Agent——多标签 SQL 编辑器，RUN / EXPLAIN / ANALYZE / 计划分析一键切换
慢查询排查的痛，干过的人都懂：EXPLAIN 原文几十上百行，看完还得在脑子里还原执行过程。这个工具把整条链路做了：
●计划原文自动解析（TEXT / JSON 两种格式都认），生成可视化计划树和热力图，哪个节点贵一目了然
●内置 12 条诊断规则——大表全表扫描、嵌套循环次数爆炸、行数估算失真……自动产出按严重级排序的诊断结论，每条带证据和建议
●可选 AI 解读（默认 DeepSeek，流式输出），把计划「讲成人话」
●支持离线分析——贴一段计划文本就能出诊断，不用连库
和 Postman Agent 一样，它也挂了 MCP Server（13 个工具）+ 本地 HTTP API。AI 编程工具可以直接驱动它查库、拉表结构、分析执行计划。至此，一个很有意思的分工出现了：我写的工具，反过来成了 AI 干活的武器库。
常规能力也没落下：Monaco 编辑器（schema 感知补全）、多连接管理、结果集虚拟滚动、导出 CSV / JSON / Insert 语句、SQL 收藏和历史全文检索。
一句话定位：全图形化的 ELK 日志查询工具，面向线上问题排查，全程不用写一行 KQL/Lucene。实测打的索引 7 天 47 亿条记录，单次查询 30 分钟窗口 1170 万条命中，响应毫秒级。
▲ 图4：ELK Agent——级别筛选、时间直方图、字段侧栏点选过滤，全程零语法
这是五个工具里我自己用得最勤的一个，几个设计直接命中排查痛点：
智能粘贴
复制一段 traceId、IP、订单号，甚至一坨 Java 堆栈，直接粘贴——工具自动识别内容类型，跳到对应的查询。报警群里复制、工具里粘贴、结果出来，三步。
异常聚焦：30 万条 ERROR 归并成几类
把日志消息里的数字、UUID、IP、时间戳归一化成占位符，相同模板的日志自动聚合、按频次排序。线上报错刷了几万条？归并完往往就那三四类，逐个点进去看。
AI 自然语言查询 + 根因分析
直接说「pms 服务最近 10 分钟的错误」，LLM 把这句话翻译成过滤条件回填成查询芯片；选中一组异常日志，AI 流式输出中文根因总结。模型支持 DeepSeek / OpenAI / GLM / Ollama 自由切换。
还有链路追踪（traceId 跨索引串联）、实时尾随（日志滚动 + 异常红色高亮）、智能右键钻取（「查这个 traceId 的全部日志」「看此刻前后 5 分钟」，自动开新标签预填好）。整个工具只读——后端接口只有查询类，从架构上杜绝误操作线上数据的可能。
一句话定位：只读巡检型系统监控，差异化只有一点——它专门看得见 AI 编程工具的进程。
▲ 图5：Monitor Agent 总览——CPU / 内存 / 网络 / 负载 / 线程数，带趋势火花线
这个工具的出生理由很「AI 时代」：Mac 上装了 Claude Code、Cursor、Copilot，再加上一堆 MCP server，它们会 spawn 大量脚本和后台线程。风扇狂转的时候，活动监视器里一堆 node 进程，根本不知道是谁家的、在干什么。这是一个可观测性盲区——AI 工具本身成了需要被监控的对象。
▲ 图6：智能体视图——Claude / Cursor / Copilot / Node 脚本按家族分组，线程数、CPU、网络一目了然
它的「智能体视图」用一张特征规则表（匹配进程名、命令行、可执行路径）把进程按家族分组：Claude、Cursor、Copilot、MCP server、Node 脚本、Python 脚本、Shell 脚本。哪个智能体开了 28 个线程、哪个在偷偷跑带宽，一眼看穿。点进单个进程还能看完整命令行、打开的文件、网络连接，环境变量里 TOKEN/SECRET/KEY 这类敏感项默认打码。
💡 工程亮点 —— 零原生依赖：不装任何监控类 npm 包，直接解析 macOS 原生命令（ps / nettop / vm_stat / lsof）的输出实现全部功能，免 root。每进程网络速率这种硬需求，是靠常驻 nettop 子进程算差值硬解出来的。另外它坚持只读——不杀进程、不改状态，巡检工具就老老实实巡检。
一句话定位：日历 + 日记 + 文档树笔记三合一的纯本地电子日记。它最大的亮点是没有 AI。
▲ 图7：eDiary——日历打点、富文本编辑、代码块高亮（highlight.js）
日历上日记打点、天气心情符号、富文本编辑器（代码块带语法高亮，程序员写日记的刚需）、⌘F 全文搜索、防抖自动保存，数据明文 JSON 全部落本地。
为什么刻意不加 AI？因为这是需求克制的练手：写日记这个场景，AI 帮不上什么忙，硬塞一个「AI 润色」进去只会让工具变味。不加什么，和加什么一样，都是设计。
最后是这个系列的「集大成者」——月夜烛峰 · AI 办公桌面。4 天密集开发，Electron 前端 + Spring Boot 后端 + MySQL，打成单个安装包，开箱即用。
▲ 图8：主界面——任务指标、系统资源、快捷操作，中间是招牌的「烛峰办公室 · 智能体实况」
最吸睛的是中间那个像素办公室：纯 Canvas 手绘的像素渲染引擎，五个智能体（NOVA-7 代码分析、HELIX-2 重构专家、SAGE 架构顾问、PULSE 部署守卫、ECHO 文档书记）在办公室里坐着工位干活，会起身泡咖啡摸鱼、互相击掌、开站立会议；部署的时候 PULSE 会开「部署炮」；窗外的天空跟着真实时间日出日落。点一下某个智能体，直接跳转工作台切入它的「指挥链路」。
▲ 图9：服务看板——部署 / 重启 / 回滚 / 实例扩缩容，全部真实调用后端 API
▲ 图10：工作台——智能体矩阵、对话核心、上下文挂载、算力消耗
说它「半真半演」，是一种诚实，不是贬义：
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
这种「真实数据和氛围模拟共存」的渐进架构，恰恰是原型期最务实的做法：骨架和交互先立住，数据通道逐条换成真的。下一个里程碑要换什么，账本里记得清清楚楚。
六个项目看下来，真正的主角其实不是这些工具，而是背后那套规格驱动开发（spec-driven development）流程。AI 在我这里从来不是「帮我写几行代码」，而是被塞进一条完整流水线的工人：
①先写设计规格——每个项目动工前，先和 AI 脑暴出一份设计文档：做什么、不做什么、架构分几层、数据结构长什么样。「不做什么」尤其重要，eDiary 的克制、Monitor 的只读，都是规格里白纸黑字定的。
②拆任务，subagent 双人制——规格拆成小任务，每个任务一个 implementer 写、一个 reviewer 审，评审不过就打回。
③里程碑终审——每个里程碑做一次整体评审，零 Critical / Important 才允许进入下一个。
④进度全部落账——每个任务有 brief、有报告、有修复闭环记录。项目里随时能翻出「这个功能为什么这么设计」。
这套流程的回报是实打实的：PgSQL Agent 核心层 17 项单测全过、MCP 端到端冒烟 7/7；ELK Agent 54 项单测全过、真实 Kibana 烟测 798 万条命中 709ms；Postman Agent 一天迭代四个版本，还顺手过了一轮对抗性安全评审。AI 把写代码变快了，而流程保证了快出来的东西是能用的。
⚠️ 一句实话 —— AI 辅助开发不等于放手不管。Postman Agent 的代理隧道内存失控、OpenAPI 导入的越权读文件，都是评审阶段抓出来的；办公系统的开发过程中还出过一次 API Key 误提交进 git 的事故。效率 AI 给，安全的最后一道闸还得人来按。
· ·
📝 本文小结
• AI 时代，「自己造一个刚好合手的工具」第一次成了理性选择——5 个桌面工具 + 1 个 AI 办公桌面，每个都解决真实痛点。
• Postman Agent（能被 AI 驱动的接口调试）、PgSQL Agent（执行计划可视化 + 12 条诊断规则 + AI 解读）、ELK Agent（零语法查 47 亿条日志，智能粘贴 + 异常聚焦 + AI 根因分析）、Monitor Agent（专门监控 AI 编程工具进程）、eDiary（刻意不加 AI 的日记本）。
• 工具做好后反过来通过 MCP Server 暴露给 AI——我写的工具，成了 AI 干活的武器库。
• 月夜烛峰是「半真半演」的渐进架构：对话、部署、文件树是真的，像素办公室和仪表盘是演的——原型期诚实的务实。
• 真正的护城河是规格驱动开发流程：设计规格先行、subagent 双人评审、里程碑终审、进度落账。AI 负责快，流程负责对，人负责按住安全闸。
如果这篇对你有启发，欢迎点赞、在看、转发 👇
关注获取更多 AI 编程实战分享
— END —
