RequestHunt 首页停在 6 月 23 日：8 条需求都在问，AI 做出来的东西怎么接手
RequestHunt 首页那 30 条四个月没换，本期从中挑出 8 条能读到原帖的需求，按「搬得走、改得动、证明得了、跑起来看得见」拆开，每条给原帖细节、产品机会与落地限制。
榜单四个月没换，说明这 30 条还没被读完。这一期就回到首页本身，把能读出原帖的逐条打开。
最后留下 8 条。它们落在同一件事上：AI 把东西做出来之后，怎么交到人手里。
搬得走、改得动、证明得了、跑起来看得见——四道关口，8 条需求各卡在一处。
挑选用了一条标准：详情页的 Original Source 能读出全文，还撑得起那句标题。分数没有参与挑选，原因放在最后一节。
这 8 条
| 需求 | 页面分 | 来源与父帖 | 提出 | 卡在 |
|---|---|---|---|---|
| 建好的站搬去自己的域名与主机 | 1 | YouTube·Darrel Wilson，47.5 万次播放 | 2026-05-24 | 搬走 |
| 改尺寸、换自己的 logo 与照片 | 10 | YouTube·The AI Advantage，16.2 万次播放 | 2025-11-24 | 改回 |
| 需求先拆成规格与测试，再写功能 | 18 | YouTube·IBM Technology，18.5 万次播放 | 2026-06-23 | 验对 |
| 安全关键系统的可追溯产物交给 AI | 1 | YouTube·IBM Technology | 2026-06-23 | 验对 |
| 迭代里被改掉的功能没人记得 | 42 | LinkedIn·Chris Smith，42 个反应 | 2025-07-31 | 验对 |
| 低代码部署出去之后没有监控入口 | 13 | X·TeriRadichel（原推今天读不到） | 2024-02-18 | 看住 |
| 评测里要写清楚 agent 跑了多久 | 2 | X·@adonis_singh | 2024-08-09 | 看住 |
| 送进 Figma 要花多久 | 0 | YouTube·DesignCourse，7.3 万次播放 | 2026-03-24 | 看住 |
一、搬得走，改得动
Darrel Wilson 那支 Lovable 教程下面，有一条评论像一封求助信。
原话是一句英文，问了三件事：手上有个域名、想继续用现在的域名托管商、能不能把这一整套搬过去不出问题，末尾加了两个字母，HELP。3
那支视频 2025 年 7 月底发布，今天 47.5 万次播放、8012 个赞、559 条评论。这条评论写在 2026-05-24，离发布十个月。4
它在 RequestHunt 上得 1 分。
他问的是所有权：站建在这个产品里，域名和主机却在别处。两边接不上，这个站就只能待在这里。
产品机会（分析假设）：建站工具先出一份搬走清单，把域名解析、证书、静态资源、表单与数据库各自的归属写清楚，生成那一步就标出哪些组件搬不走。
落地限制在依赖关系。AI 建出来的站常带着平台的服务端函数、表单收集和图片托管，导出成静态文件跑不起来；换主机还要动域名解析与邮件记录，改错了连登录邮件都收不到。
第二条更日常。10Web 的演示下面，有人试完回来写：不在乎它长什么样、AI 给什么都行的话，还可以；一旦想自己调尺寸、加上自己的 logo 和照片，就很难；让它按指令改，它没照做。5
那支演示 2025 年 11 月 6 日发布，简介里写明由 10Web 赞助，讲的是 10Web 的 Vibe for WordPress，今天 16.2 万次播放、60 条评论。评论写在 18 天后，10 分。6
10 分在 8 条里排第四。这条把「我用过了、我可以告诉你哪里不行」写得最具体。
产品机会（分析假设）：把编辑拆成结构、样式、素材三层。素材层允许直接上传替换，样式层每次改动留一条可回退的记录，改哪一处能定位到。
落地限制在照做这两个字上。生成式编辑没法承诺一次改对，能承诺的是改错可退回、改动可定位；改得越多，重新生成的次数和等待时间一起涨。
二、证明得了
两条评论贴在同一支视频下面。IBM Technology 的《AI in the SDLC》2026 年 6 月 22 日发布，今天 18.5 万次播放、4310 个赞、107 条评论；两条评论都写在第二天。7
第一条讲顺序。需求先拆成带阶段与任务的规格，测试写在功能代码之前。原话里有一句关键：测试不该只为过质量门，得用来确认规格被正确实现了。8
第二条讲范围。写了二十年以上代码的架构师，可以用 AI 写出质量过关的代码，测试同样受益；到了安全关键的系统，围绕可追溯产物的那堆维护工作，AI 能帮上大忙。他补了一句他们的现状：整个工作流和工具都在因为 AI 重做，问题出在没经验的 vibe coding。9
两条合起来是一件事：AI 写出来的代码，得有人验。
同一件事在另一处又出现一次。Chris Smith 的 LinkedIn 帖 2025 年 7 月 31 日发出，42 个反应、21 条评论。10
原帖是一份三天试用报告：规划占 10%，从 0 到 1 搭起来 2%，修 bug 和迭代 88%。他列出 AI 常说的几句话——「我找到问题了」（其实没找到）、「这个方案万无一失」（已经坏了）、「你完全正确」（其实你错了）。
RequestHunt 把这条收成需求，42 分。写进需求标题的那句话，来自下面的一条评论。11
Shishir Ranjan 写：每次都改一点，每次都要把整个代码库回归一遍；AI 有时会删掉或改掉他之前做好的功能；同一句话稍微换个说法，输出就差很多。
另一位 Nathan Gustafson 给了具体做法：尽早把单元测试加进项目，模型在这之后表现明显更好；项目放在 git 里，按 PR 的规矩走，多几道检查点；部分修好的代码会被模型当成范例学下去。
同一天、两个不同平台的两个人，落在同一个解法上：先把规格和测试写下来，再让 AI 动手。这 8 条里，这一条重合得最干净。
产品机会（分析假设）：让 agent 每次改动都附两份东西——动了规格里的哪几条、新增了哪些测试，两份都进 diff，跟着代码一起审。
落地限制在成本与假测试。给存量代码补测试，工期常常比改功能还长；生成的测试容易照着实现写，实现错了测试跟着错；安全关键系统的追溯格式由审计方定，工具能导出，不能自创。
三、跑起来看得见
第三条线索在部署之后。
TeriRadichel 在 2024 年 2 月写的那条长推，讲她从企业上云看到的事：公司原本有一套受治理的部署机制，上云之后变成各自为政；后来上的低代码、无代码系统更彻底，她写的是「没有任何办法去监控或控制部署在上面的代码」。12
原推文今天在 X 上已经读不到，这段正文取自 RequestHunt 保存的原文。
她举的例子是 Jenkins。每个团队都想自己跑一台，放在公网上；被攻破之后，攻击者靠着那些高权限凭证，想往云里部署什么就部署什么。她的办法朴素得让人意外：跑 job 要 MFA。
这条写于 2024 年 2 月 18 日，13 分，0 条评论。
时间这件小事，在后面两条里各出现一次。
2024 年 8 月，@adonis_singh 写：OpenAI 说 Claude 3.5 Sonnet 在简单的 agentic for loop 里，能做到和一个限时 30 分钟的人差不多的成绩；他想知道这个工作流自己跑了多久，有了这一项，比较才成立。13
这条推文今天还读得到全文，2 个赞、1 次转发、187 次浏览。14
还有一条更小的。DesignCourse 2 月 19 日发了一支 Claude Code 到 Figma 的演示，7.3 万次播放；有人在评论区问：你把它送进 Figma 花了多久？我的 Claude 做 Figma 稿的时候慢得像蜗牛。1516
这条 0 分。
三条问的是同一个东西：这件事跑了多久、跑到了哪一步。
产品机会（分析假设）：把一次 agent 运行的耗时、步数、等待原因写在结果旁边，让「慢」有一个具体的名字——在等模型、在等工具、在重试。
落地限制在可比性。同一句指令两次运行，耗时能差出几倍；把耗时做成质量指标，产品就会去截断推理；写进评测，还得同时给出机器配置与工具版本，两组数字才有比较的基础。
四、这 8 条怎么排
第一类，今天就能动，三条。
Figma 那条：在演示与产品里显示一次运行的耗时和阶段，先从「现在卡在哪一步」做起。
10Web 那条：素材层允许直接上传替换生成的图片和 logo，改动留撤销记录。
执行时长那条最省事：下次做模型对比，把耗时与机器条件一并写出来，这一栏任何团队自己就能补。
第二类，要走版本规划，三条。
域名与迁移：先列清单，写清哪些组件搬不走；再做导出；最后做绑定自有域名与主机。
规格与测试：先做「改动附规格差异」，再做「改动附新增测试」，追溯产物放到最后。
低代码的部署视图：先做部署清单与版本记录，再做运行状态，权限与审计排在后面。
第三类，只能等平台，一条：执行时长的另一半写在 Anthropic 的评测口径里，外部团队改不了。
8 条里有两条来自同一支 IBM 视频，两条来自两支架站教程，写代码的人偏多。这 8 条能说明技术产品里的交接处，换到消费产品未必成立。
口径与边界
页面分量的是那句话在原平台被点过多少赞。这条推断今天对上两处：Chris Smith 那条 42 分，LinkedIn 上正好 42 个反应、21 条评论；@adonis_singh 那条 2 分，推文正好 2 个赞。YouTube 的评论点赞数读不到，没法逐个核对；按同一逻辑，0 分大概是没人点过。
排序时先记住这一点：页面分说的是有多少人点了赞，说不了做起来有多难。
首页的序位也和分数无关：327 分那条排在第 18 位，42 分那条排在第 25 位。1
327 分那条本期没有采用。它的标题写的是「[Claude 3.5 Sonnet] Improve accuracy and reliability for logistical and operational processes」，点开 Original Source，原帖通篇在讲 Claude 的 artifacts 功能怎么给课堂做词汇测验，读不到日程或流程准确率这层意思。17
14 条详情页里，12 条读出了原文。没读完的两条（HTML 导出、AI 输出的简洁度）一条被登录墙挡住，一条停在加载态；另外 3 条只有一句话提问，没有进正文。
8 条来自三个平台：YouTube 5 条、LinkedIn 1 条、X 2 条。
各平台的数字各记各的。YouTube 的播放、点赞、评论取自今天；LinkedIn 的反应与评论数取自帖子页面；X 的两条里，一条今天已读不到原文，另一条是 2 个赞、187 次浏览。这些数字和页面分说的是两回事，不能相加。
References
- 1RequestHunt 首页
requesthunt.com
- 2Trending｜RequestHunt
requesthunt.com
- 3RequestHunt：域名迁移与托管
requesthunt.com
- 4YouTube：Master Lovable AI in 20 Minutes
youtube.com
- 5RequestHunt：AI 建站的自定义与编辑控制
requesthunt.com
- 6
- 7YouTube：AI in the SDLC
youtube.com
- 8RequestHunt：规格驱动开发与测试生成
requesthunt.com
- 9RequestHunt：安全关键系统的追溯产物
requesthunt.com
- 10LinkedIn：Chris Smith 的 AI 编码 72 小时记录
linkedin.com
- 11RequestHunt：编码 agent 的一致性与上下文
requesthunt.com
- 12RequestHunt：低代码部署的监控与控制
requesthunt.com
- 13RequestHunt：披露 agent 工作流的执行时长
requesthunt.com
- 14X：@adonis_singh
x.com
- 15RequestHunt：Claude Code 到 Figma 的稿子性能
requesthunt.com
- 16YouTube：Claude Code 到 Figma 演示
youtube.com
- 17RequestHunt：日志与运营流程的准确率
requesthunt.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.