开发者 heydeer 在技术社区 V2EX 发布开源 PNG 压缩库 pngdeer，宣称压缩效果超过知名在线工具 TinyPNG。据作者介绍，项目起点是一次 AI 能力边界实验：将电脑上的全部 PNG 文件交给 Claude Opus 大模型，让它开发一款能超越 TinyPNG 的压缩工具，随后经历多轮打磨——部分图片始终优化不佳，需要深入算法分析，同时引入大量人眼评测来纠正 AI 的画质判断偏差。pngdeer 采用 Rust 语言编写，以 MIT 协议开源，支持自动选择画质，提供命令行工具与浏览器本地运行两种使用方式。在公开基准测试中，以相同的 SSIMULACRA2 画质评分进行对比，pngdeer 的文件大小中位数比 TinyPNG 小 8%–12%，作者称这一成绩超过市面上所有开源 PNG 压缩项目。项目代码托管于 GitHub，并提供网页版演示，用户可在浏览器中本地体验压缩效果。需要说明的是，相关对比数据来自作者自行发布的基准测试，实际效果仍有待社区独立复现与验证。
事件分析
PNG 压缩是 Web 性能优化的基础环节，头部方案历经十余年打磨，每提升 1% 都需更深的算法搜索，8%–12% 的中位数提升若经复现，将刷新该领域的开源基线。技术上，该项目以 SSIMULACRA2 感知画质指标对齐比较口径，辅以人眼评测校准，方法论相对严谨，但基准由作者自行发布，缺乏第三方独立测评仍是短板。更值得关注的是其开发范式：大模型承担核心算法实现与迭代，人类转向画质评审与目标设定，这种’AI 执行、人把关’的分工在极限优化任务中展现出可行性。后续走向取决于社区能否复现数据、Rust 生态的集成适配进度及长期维护意愿；若数据站得住，构建工具链与 CDN 图像处理环节可能出现新一轮替换潮。
核心观点：AI 已能独立攻克图像压缩这类极限优化工程，人机分工正从'人写代码'转向'人做裁判'。
原文链接：V2EX 分享发现
