VibeRave

一个 Strudel（浏览器里的实时编码音乐语言）分支，上面加了一套多模态 agent 回路。按住键说话、打一行字、或点一个预设按钮，都走同一条流水线：变成 Strudel 代码，替换掉正在播放的那段 pattern；音频调度器保持原有的循环，所以改动在下一小节到位，而不是把音乐停掉。语音识别和代码生成都可插拔，每个后端都能纯本地免费跑——语音用 whisper 或 vosk，模型用 Ollama——也可以指向任何 OpenAI 兼容端点。

谁做的他的 GitHub 显示名是 `d2VpanQ2MDY`——也就是他用户名 weijt606 的 base64，而这个身份同样出现在本仓库的提交记录里。他的主页写着自己「Shipping AI agents, tools, and weird ideas」，主张「Less hype, more working systems」，所在地填的是 Mars。二十一个公开仓库里星最多的是一个把 AI 生成文风「去味」的写作工具；另外两个是他在柏林和巴黎参加 AI 黑客松留下的仓库。

1. 01

   回路是什么，以及「热替换」到底指什么

   三种输入方式——按住说话的语音、文本框、以及十个可点击的预设按钮——都汇入同一条流水线：输入是音频就先转写，带着当前会话发给模型，拿回 Strudel 代码，校验，然后替换正在运行的那段 pattern。这个项目立身的说法是：这个过程从不打断播放。编辑器里的一切都由 Strudel 的循环时钟调度，新 pattern 是在循环边界上换进去的，而不是重启调度器，所以改动落在下一小节。如果生成的代码没通过校验，替换会被回滚，原来的 pattern 继续播——这是「现场工具」和「演示品」的区别：它的失败形态是「什么都没变」，而不是静音。

2. 02

   快到能上台用语音后端

   语音识别有三个可切换的后端，README 里那张延迟表是整个项目里最有意思的工程判断。本地跑 whisper 需要 700–900 毫秒，准确率标注为中等。走 API 要一到两秒，对自由表达准确率高。同样跑在本地的 vosk 只要大约十毫秒——因为它根本不做开放词表识别：它只在一份工具能理解的命令的封闭语法上做匹配。接受受限词表换来了两个数量级，而在这个场景里这笔交易是划算的，因为一个表演者在演出中途对着麦克风说的话（「再狠一点」「把低音切了」「混响大点」）本来就是一个小而已知的集合。同一份文件还提到，浏览器端复用了 Strudel 的 AudioContext，以免录音把播放弄出杂音。

3. 03

   提交日志记下了 AI 从哪一刻开始被署名

   五十九次提交里有二十六次带着 `Co-Authored-By: Claude Opus 4.7` 尾注——十九次直接写模型名，七次写的是 1M 上下文的变体。真正有意思的是它从哪开始。仓库的第一天，2026 年 4 月 26 日，是十六次完全没有尾注的提交；第一次带共同作者的提交在 4 月 27 日，此后大部分都带着。无论原因是什么——新习惯、新工具，还是决定公开——提交日志把它精确地标了日期，这很少见。这和一个仓库的提交在中途换掉作者身份是同一类证据：一个项目是怎么做出来的，记录往往在元数据里，而不在任何人的文字里。

4. 04

   这个 fork 继承了别人的数据库密钥

   第一个 pull request 的标题是「drop upstream Strudel Supabase key + hackathon residue」，描述的是一处从 fork 继承来的真实缺陷。Strudel 代码库里有个文件硬编码了 Supabase 的 URL 和 anon key，指向的是 strudel.cc 项目自己的数据库，于是从一个 VibeRave 部署发出的每一次短分享链接或公开 pattern 查询，都写进了别人的后端。修复把两个值移进环境变量，并在未设置时让调用点直接短路。同一个提交还清理了它自己称作 hackathon residue 的东西：一条针对某编辑器目录的 ignore 规则、音频指标文件里一句「good enough for a hackathon demo」的注释，以及词库文件里作者字段写着「voice pipeline / hackathon」。结合他另外两个黑客松仓库，以及 README 顶部那张画成机架管线的 banner——上面印着「Made in Berlin — built for the rave」——这个项目的来历不用任何人说明就能读出来。

5. 05

   所有曲风听起来都一样

   第二个 pull request 是对提示词设计的复盘，而且对失败原因的交代异常具体。agent 产出的东西「每个曲风都差不多、都中等密度，因为有三条规则被过度套用」：一条 lushness 规则要求每轨都有氛围，于是连 trap 和 minimal 都自动配上幽灵 pad，所有曲风都收敛到同一种「丰润电子」的性格；一条 variation 规则硬性要求至少四层，结果稀疏曲风喘不过气，密集曲风也没法超出这个下限；而复杂度这个维度根本不存在，于是「complex deep house」拿到的是和「deep house」一样的四层模板。修复把 lushness 规则分成几档——ambient、dub、lo-fi、jazz 要求氛围，trap、minimal、IDM、breakcore、chiptune 默认干声——并补上缺失的那个维度。这份文档有用，是因为「音乐听起来都一样」这个症状和「三条规则互相打架」这个成因，通常比这里难联系得多。

6. 06

   这个 rave 工具长出了一个课堂模式

   文档里有一份九千二百字的中文指南，讲怎么把 VibeRave 用在中小学音乐课上，带着十分钟和二十分钟两档课时表、课前准备清单，以及儿歌、进行曲、动物嘉年华的提示词建议。有两个细节说明它不只是翻译练习。应用内置了 family mode，会屏蔽被认为不适合小朋友的声音——指南点名说它在触发特定关键词时会挡掉 808 sub、FM 失真和暗色滤波。而且它建议课堂演示时把 whisper 和 Ollama 跑在本地，理由不是隐私，而是别让一堂课依赖学校的网络。默认的 rave 风格背景图也可以换，指南建议换成卡通乐器或五线谱。

7. 07

   数字长什么样

   五十九次提交，其中四十三次集中在 2026 年 4 月 26 日首次开源发布后的头五天，`main` 上最新一次是 2026 年 7 月 16 日。五百四十八个文件、二十四 MB，绝大部分是继承来的 Strudel 代码库；README 本身就有五万五千字符，旁边还有一份五万二千字符的中文版。没有 release，没有 tag。十颗星、一个 fork。两个 pull request 都是作者自己开、自己合，也没有任何评论。没有线上部署：这是一个自托管应用，你自己装好、指向自己的模型。仓库自己的事件流里能看到一条悬着的线索：9 月 4 日有一次创建、到 9 月 7 日共三次推送、9 月 10 日一次删除，而分支列表里仍然只有 `main`、也没有 tag——也就是说，这个仓库最近的动作是一次没有落地的改动。