即刻App年轻人的同好社区
下载
App内打开
MLOasis
75关注124被关注0夸夸
独立开发 & 机器学习 & 数据科学
博客:mloasisblog.com
公众号:MLOasis
iOS 记账产品:盈余/Yuroo
置顶
MLOasis
7天前
我的记账哲学:让财务有盈余,生活有余裕

我从大学有生活费时开始记账。

不是因为我喜欢记账,记账这件事某种程度上是反人性的,它要求持续的自律,却很难即时带来反馈。

每一笔支出、每一笔收入,都需要你在当下记得去记录。而每次对账,才是真正的折磨:数字对不上,我会有点抓狂,会反复翻流水,试图找出钱消失在了哪里。

但我还是坚持记账。因为我知道我需要了解自己的财务状况,这件事本身是对的。

后来我觉得记账其实可以不追求精确,主要是为了感知。

记账的心理压力

市面上的记账软件,大多数默认了一个前提:你应该把每一分钱都管理得清清楚楚。所以它们提供分类统计、预算警告、支出图表,功能越来越多,越来越细。

但这个前提本身,就是压力的来源。

在用各种 App 记账的过程中,我慢慢意识到两件事:

第一,小金额可以不用记。 骑一次共享单车一块五,买瓶水两块,这类支出记不记,对我的财务状况几乎没有影响。强迫自己每笔都记,只会让记账这件事变得又繁琐又脆弱,漏记一次,心里就会有负担。

第二,金额不用完全对上。 这个想法一旦接受,心理压力就小了很多。个人记账不是做审计,不需要分厘不差。允许有误差,才能让记账这件事长期坚持下去。

这两个想法,帮我把记账从一件"需要完成的任务",变成了一件"可以自然融入生活"的事。

当接受“可以不完美”之后,记账这件事开始变得可持续。

最重要的数字

慢慢地,我发现对我来说,记账真正需要关注的核心数字,其实只有一个:每个月的净收入,也就是收入减去支出。

只要这个数字是正的,就意味着这个月有盈余,生活是可持续的,是健康的。

这也是这个 App 中文名字的来历。

在起这个名字的时候,我了解到日语里有一个词,叫做余裕(よゆう)。它描述的是空间、时间、金钱上的富余——不是绰绰有余,不是奢侈宽裕,而是"够了,还剩一点",恰好不被逼到极限的那种状态。

临界之上的安全感,生活的松弛与从容。

我觉得这正是我想要的记账理念,也是我想要的财务理念:

每个月有盈余,慢慢积累,财务上有应对各种需求的预算,生活有余裕。这样,一切就会慢慢变好。

要有温度

除了“减少负担”,未来我还希望为记账 App 注入一些情绪价值与生活节奏感。

记账不应该只是冷冰冰的数字记录,它其实也是在记录生活和不同的人生阶段,例如:

发薪日倒数(已完成)
月末结余的小结(规划中)
某些周期性的提醒与反馈(部分完成)

这些设计并不直接提升“功能效率”,但会改变体验的温度。

它让记账从“任务”变成了一种生活的节奏感,一种对时间、收入与生活状态的感知。

可以有某种方式,让我们在记账的过程中体验到一年四季的轮转与人生的成长。

先做好基础,再做少

作为独立开发者,我现在做的事,可能看起来和上面说的有点矛盾——现阶段的盈余,还是会记录各种各样的数据,提供各种较为细的功能:周期账单、订阅管理、资产追踪……

我的策略是:先确保基础功能完善,再做减法,让复杂的功能往后退一步。

那些细节功能,应该在需要的时候自然浮现,而不是一打开 App 就把你淹没。

至于怎么做到这一点,我还在探索。但我相信,凭借自己在 AI 应用开发与数据分析上的积累,未来可以用更聪明的方式,帮用户在合适的时候看到合适的信息,而不是把所有数据都堆在你面前,让你自己去消化。

这是关于独立开发记账应用「盈余 / Yuroo」系列文章的第一篇。

这个 App 的开发,是从“我要做自己的第一个产品”开始的,同时我也知道,要做一个解决自己需求、自己会一直用的产品,于是我想到了自己用了很多年的记账 App——iCost,在记账这件事上我想我可以用自己的方式和理念做些实践:

有没有一种可能,记账可以不那么讨厌,钱也照样管得好?

有没有可能让讨厌记账的用户不那么抗拒记账?

如果这个问题可以被解决,那么它的意义就不仅仅是一个工具,而是一种更轻松、更可持续的生活方式的尝试。

当前的 App 还不够好,也有很多功能没实现,不过因为我自己要用,所以会不断迭代下去。

现在有了更先进的 AI 技术,应该想办法把最繁琐最耗力的输入与整理过程交给 AI,也许最终目标不是“把账记好”,而是让人不再需要时刻记得记账,但依然能享受记账给生活带来的节奏感。
00
MLOasis
21:39
app 支持批量导入截图识别记账了(就是类别识别有点拉)🤦。
后续将接入更强的 ai 识图能力进行提升。

感兴趣的小伙伴可以 app store Yuroo 下载体验。
00:37
00
MLOasis
3天前
DeepSeek-V4 系列的预览版本包括两个混合专家(MoE)语言模型,两者都支持最长 100 token 的上下文长度:

DeepSeek-V4-Pro:总参数量 1.6 万亿(激活参数 490 亿)
DeepSeek-V4-Flash:总参数量 2840 亿(激活参数 130 亿)

DeepSeek-V4 系列在架构与优化方面进行了多项关键升级。

混合注意力架构:
结合了压缩稀疏注意力(Compressed Sparse Attention, CSA)与重度压缩注意力(Heavily Compressed Attention, HCA),以提升长上下文场景下的效率。

流形约束超连接:
Manifold-Constrained Hyper-Connections(mHC)对传统残差连接进行了增强。

Muon 优化器:
带来了更快的收敛速度以及更强的训练稳定性。

100 token 上下文设置下,DeepSeek-V4-Pro 相比 DeepSeek-V3.2:
token 推理 FLOPs 仅需其 27%
KV Cache 仅需其 10%

DeepSeek-V4 技术报告速览

00
MLOasis
3天前
00
MLOasis
5天前
美化了一下订阅详情页面,还挺好看的。

(app store Yuroo)
00
MLOasis
6天前
哪些是性价比最高的模型?

根据 Artificial Analysis,Gemini 3.1 Pro Preview 在智能和 coding 指数上其实是个性价比很高的模型,但是在 agentic 指数上前十都进不去,在这个指数上,小米的 MiMo-V2.5-Pro和 DeepSeek DeepSeek V4 Pro (Reasoning, Max Effort) 模型是性价比最高的的。
00
MLOasis
9天前
pi(一个类似 claude code opencode CLI coding 工具) 中用 deepseek-v4-pro 进行一个项目文档的梳理,同时 coding 开发一个功能,费用便宜得惊人,只花了¥0.43:

总共进行大约 5~7 轮对话,刚开始的费用消耗较快,但是之后的对话和代码改动费用的消耗开始变得平滑,几乎没怎么感受到费用的线性增加,整体像是 log 曲线的费用消耗,似乎是 prompt cache 发挥了很大的作用。
00
MLOasis
10天前
有时候,我不得不在使用 agent 进行 coding 时牺牲部分速度和并行度,以此来确保理解和学习。
00
MLOasis
14天前
短期成本优化 减少初级招聘 移除资深工程师的指导时间 隐性知识(tacit knowledge)停止传承 剩下的只有文档和自动化 文档不是经验,自动化不是判断力。
00
MLOasis
14天前
我用记账 app 很多年了。

最近也开发并在苹果应用商店上架了自己的记账 app:盈余/Yuroo,这个 app 融合了我自己的记账理念和哲学,希望通过记账提供另一种感知生活的方式🏄‍♂️🏄🏄‍♀️。

我的记账哲学:让财务有盈余,生活有余裕

00