AI 分析
痛点：开发者在多台自有设备（Mac、Windows、Linux GPU 机器）之间调度命令和文件很麻烦，AI 编码代理无法直接使用其他机器的算力和环境。
目标用户：拥有多台机器（尤其是有 GPU 工作站）的独立开发者、AI 编码代理重度用户、小型技术团队
证据：I built it so Claude Code on my MacBook could build on my Windows PC and use the GPU in my Linux box. / Feedback on setup is welcome.
变现：开源核心 + 托管 Hub 订阅（免配置内网穿透、设备管理、任务队列与日志保留），或按并发 worker 数收费的团队版。
MVP：做一个托管版 hub：用户在自己机器上装一个二进制 worker 并连到你的云端，网页上管理设备、提交命令、查看输出文件，支持 GPU 标签匹配和任务历史。
竞品：Tailscale + SSH、Ansible、GitHub Actions self-hosted runner、Modal / RunPod 等云 GPU 服务、Ollama 远程 / LM Studio 局域网
摘要：作者开源了 YLCC（Rust，MIT），让 CLI 或 AI 编码代理把命令和文件发到自己的 Mac、Windows、Linux/GPU 机器上执行，无需开端口或 SSH。帖子仅是发布并征求安装反馈，没有提到付费或收入，但“让 Claude Code 用上家里 GPU”这类跨设备调度需求正在变强，托管 Hub 是可探索的变现方向。