夜雨聆风你发现没有，我们现在指挥 AI，靠的还是打字和说话。就不能挥挥手吗？？？说实话，这两天我在 GitHub 上刷到一个项目，还真就是干这个的。它叫 [barehands](https://github.com/jaredrhod/barehands)，翻译过来就是「裸手」，意思是啥都不戴，摄像头拍着你的手，你隔空捏一下、划一下、扔一下，屏幕上的东西就跟着动了，AI 也就懂了。
这项目是 8 月 15 号创建的，到今天刚好 6 天，已经攒了 466 个星、87 个 fork。你想想看，一个 6 天大的新项目，能在这个卷到不行的 GitHub 上冲到前几名，多少是有点东西的。我跟你说，我第一次看它的演示视频的时候，真的有被震到，不是那种炫技的酷，是那种「卧槽，原来还能这样」的酷。
先说它是什么。barehands 是一个纯网页应用，运行逻辑特别简单，你用 Chrome 打开一个本地页面，摄像头开始捕捉你的手，谷歌的 MediaPipe 负责追踪手势，three.js 负责渲染 3D 画面。你的屏幕上会出现几张半透明的「玻璃卡片」，像是飘在摄像头画面上的浮窗，里面有你的笔记、图片、3D 模型。你的手往镜头前一伸，捏住一张卡片，就能把它拖来拖去，两个手指一划，还能把一个引擎的爆炸视图给拆开。没有手柄，没有眼镜，没有手套，就是光着两只手。
安装过程简单到有点不真实，一共 3 个命令。克隆仓库，进去，跑一个 Python 服务，然后浏览器打开本地地址，允许摄像头权限，完事。它连依赖都是懒加载的，MediaPipe 和 three.js 直接从 CDN 拉，你本地只需要有 Python。说真的，我见过太多号称「开箱即用」的项目，最后装依赖装到怀疑人生，这个是真的开箱即用。
我照着试了一下，结果有点丢人。我对着摄像头挥了半天手，卡片是识别出来了，但我的手太笨，捏不准，要么捏空，要么一激动把卡片甩飞了。反正我觉得，这玩意的上限很高，但需要一点练习，就像第一次用触控板一样，肌肉记忆建立起来就好了。我自己是折腾了大概十来分钟，才能比较稳地把一张卡片从左边拖到右边。你敢信，我当年学打字都没这么费劲。
不过它真正有意思的地方，不在手势本身，而在它的设计哲学。作者把整个系统拆成了两个特别优雅的抽象，一个是「环」，一个是「板」。环是 AI 的脸，屏幕上那个悬浮的圆环，会根据 AI 的状态变换表情，它只要往一个叫 state 的文件里写一行字，比如 thinking 或者 speaking，圆环就跟着变。板是 AI 的舞台，AI 可以往板上扔卡片，把你想要的东西展示给你看。这两个抽象加起来，AI 就从一个只会回文本的聊天窗口，变成了一个有表情、有动作、能给你「看」东西的活物。
它接 AI 的方式也很有意思，任何能写文件、能访问本地服务的程序都能当它的大脑。Claude Code、本地跑的开源模型、一个定时任务，甚至一个 Stream Deck 按钮，都行。作者给 Claude Code 用户准备了一条捷径，你只要跟你的 Agent 说一句话，让它克隆这个仓库、读一下配置文件、把它自己接进来，它就全自动搞定了。这个设计我特别喜欢，它没有把 AI 绑死在某一家，而是定义了一个开放协议，谁都能来当这个身体的大脑。
这个「环」还有个特别讨巧的细节，它不只是个装饰。Claude Code 用户只要在设置文件里加两个钩子，AI 每次开始思考、开始说话，圆环的状态就会实时跟着变。你写代码的时候，能看见屏幕角落那个圆环在转圈，那就是你的 Agent 正在干活。它还会在你让 AI 展示东西的时候，把内容放大推到舞台中央，其他东西全部变暗，像开会时突然打了一束追光。这种设计不是炫技，是真的在琢磨人和 AI 之间怎么更有默契。
安全上它也动了脑子。板上能出现的文件，只能来自一个叫 media 的目录，这个目录就像一个「隔离舱」，AI 再厉害也没法越过这道墙去访问你电脑上别的文件。AI 能执行的操作也是白名单制的，只能做作者预设好的那几个动作。怎么说呢，它等于给了 AI 一双手，但又给这双手戴上了手套，想乱摸，摸不着。
作者 jaredrhod 不是什么大厂团队，GitHub 上 421 个粉丝，账号今年 3 月才注册，个人介绍写的是，别人教 AI 酷的那一半，他教 AI 能赚钱的那一半。他之前的几个项目也都在干同一件事，给 AI 加上脸、加上声音、加上手，比如一个叫 backtalk 的项目，是按住一个键就能跟 Claude Code 语音对话的。你看，这人是真的在认真研究「AI 该长什么样」这件事，barehands 算是他这一串探索里最出圈的一个。
说真的，市面上不是没有类似的东西。苹果 Vision Pro 的手势交互做得比这个精细得多，但那个眼镜要 3 万多块，Ultraleap 那种专业手势追踪硬件也要大几千。barehands 走的是另一条路，一个普通摄像头，零成本，开源免费，还能接上任何 AI。当然它也有明显的短板，单摄像头的手势精度有限，光线不好就识别得磕磕绊绊，跟 Vision Pro 那种毫米级的追踪没法比。但话说回来，一个是花钱买体验，一个是自己动手玩，本来就是两种玩法。
说到隔空手势，我想起 2002 年的科幻电影《少数派报告》，汤姆克鲁斯对着空气划拉屏幕，隔着玻璃拖拽照片，那会儿看觉得帅得不行，也觉得这辈子都等不到。结果你看，二十多年过去，同样的交互方式，一个开源项目用普通摄像头就给你实现了，还免费。电影里的未来没来，但电影里的操作方式，已经躺在你电脑里了，就缺你挥一挥手。
我觉得 barehands 最打动我的，是它把「人机交互」这件事往前推了一步。这两年 AI 的进步全在脑子里，模型越来越聪明，可我们跟它交流的方式，还停留在键盘和麦克风。barehands 试图给 AI 装上一双手，也给你装上一双手，让你能像跟同事说话一样，随手比划着就把活干了。这种尝试未必能成主流，但至少有人在认真琢磨这件事，而不是天天卷参数、卷榜单。
它适合谁玩呢，我觉得有这么几类人。一是喜欢折腾的开发者，这项目本身就是个极好的研究样本，手势追踪、3D 渲染、AI 接线，全是现成的参考。二是做演示和教学的人，开会讲到一半，挥手把一张图推到屏幕中央，比翻 PPT 有冲击力多了。三是单纯想找点乐子的普通用户，装好之后对着摄像头玩一会儿，你会重新找回第一次玩 Wii 的那种新鲜感。
如果你也对这玩意感兴趣，可以自己去玩一下，反正不花钱。打开 [GitHub 仓库](https://github.com/jaredrhod/barehands) 看 README，里面有完整的安装说明和演示视频，作者还录了个 [YouTube 演示](https://youtu.be/cV02finVi4o)，看视频比看文字直观得多。装好之后，先别急着接 AI，就光用手势玩一会儿那些玻璃卡片，也挺解压的。真的就是一声叹息，AI 时代来得比我想象的快，连挥手都能指挥电脑了，我这种老胳膊老腿的，得抓紧练了。
