一位 V2EX 用户在论坛分享了一款自制楼中楼（嵌套回复）浏览器插件，项目缘起于社区普遍反馈的 V2EX Polish 插件卡顿问题。作者本人也有同样的体验，于是决定动手制作一个更轻量的替代方案。该插件功能非常单一，核心只做一件事：解析帖子回复数据中的回复树，并以楼中楼形式展示嵌套讨论，没有附加其他功能，这正是作者自认最常用的能力。开发方式上，作者采用了当下流行的 Vibe Coding 模式，即通过与 AI 大模型对话直接生成代码，整个项目仅花费几个小时完成，代码极为精简，只有几个文件。模型选择上使用了 Qwen 和 Gemini 两款大模型协作，其中界面设计样式由 Qwen 决定，最初版本带有较明显的 AI 生成痕迹，经过几轮调整后视觉观感明显改善。插件源码已托管在 GitHub 平台并开源发布，作者表示有兴趣的网友可以直接安装使用，也可以随意修改代码，衍生成自己需要的功能形态。项目附带截图展示实际效果，为 V2EX 社区提供了一个轻量化、可自由定制的回复展示选择，也展示了个人开发者借助大模型快速交付实用工具的典型路径。
事件分析
这一案例是 Vibe Coding 从概念走向日常实践的缩影：个人开发者借助大模型在数小时内交付可用工具，开发门槛显著降低。项目中 Qwen 与 Gemini 分工协作——一个负责界面设计决策、一个参与代码实现——反映出多模型搭配已成为个人开发者的常见工作流。技术层面，回复树解析属于典型的前端数据处理场景，规模小、边界清晰，适合作为验证 AI 编程能力的试金石。更值得注意的是产品层面的取舍：面对 V2EX Polish 因功能堆叠带来的性能问题，作者反其道而行，只保留单一核心功能，这种极简主义思路在浏览器插件生态中具有参考价值。若此类 AI 快速生成的小工具持续开源迭代，可能催生更多社区驱动的分支版本，进一步稀释大型全能型插件的优势。
核心观点：AI 把工具开发压缩到小时级，而对抗软件臃肿的答案不是堆叠更多功能，而是做减法。
原文链接：V2EX 分享发现
