比 TinyPNG 再小 8 到 12 個百分點：pngdeer 背後的實驗，是把壓縮這件事交給 AI 打磨

10 月 27 日，開發者 luin 在 V2EX 分享了自己的新專案 pngdeer。它是一個以 Rust 寫成、採 MIT 授權的開源 PNG 壓縮庫，提供命令列工具，也能直接在瀏覽器本機執行。作者宣稱，在公開基準測試中，以相同的 SSIMULACRA2 畫質評分比較，pngdeer 壓出的檔案大小中位數比 TinyPNG 小 8 至 12 個百分點，並超過目前市面上其他開源專案。

單看數字，這是一個圖片工具的新聞。但這則貼文裡真正值得注意的是開發方式的交代：作者一開始的動機是測試 AI 的邊界能力，把電腦上所有的 PNG 檔案交給 Claude 的 Opus 5.5，讓它開發一個能超越 TinyPNG 的壓縮工具，之後再不斷打磨。作者特別提到，有些圖片總是優化不好，需要深入分析，而且要靠大量人眼評測來糾正 AI 的判斷。

壓縮這件事，像重新打包搬家公司

PNG 壓縮的基本原理，可以用搬家來理解。同一箱碗盤，有人隨手亂塞、填滿報紙，箱子又重又大；有人按大小排列、縫隙填滿，同樣的東西裝進更小的箱子。圖片的像素資料就是那些碗盤，壓縮器的工作是找到最省空間的排列方式，同時不能弄壞任何一個碗，也就是畫質。

麻煩的地方在於「不能弄壞」的標準很主觀。SSIMULACRA2 這類畫質評分模型，就是在模擬人眼對失真的敏感度。pngdeer 支援自動選擇畫質，等於讓工具自己判斷每張圖能壓到多兇，還不會被使用者看出破綻。這也是為什麼作者強調需要人眼評測來糾正 AI：模型覺得沒差的失真，人眼未必同意。

對做網站的人來說，這個工具的意義很實際。頁面載入速度直接影響跳出率與搜尋排名，而圖片往往是頁面裡最重的資源。多壓 8 到 12 個百分點，對單張圖感受不大，對一個圖多的電商或媒體站，累積起來就是可觀的流量與載入時間。能在瀏覽器本機執行，也代表使用者上傳圖片時可以在自己的裝置上先壓好，不必把原始檔送到別人的伺服器。

AI 寫壓縮庫，人的角色換了位置

這個專案更值得討論的層面，是它展示了 AI 協作開發的一種成熟形態。作者並非讓 AI 一口氣生成一個成品，而是把整個流程拆成：AI 產出初版、真實世界的圖片集當考卷、壓不好的圖當錯題本、人眼評測當閱卷老師。AI 負責大量試錯，人負責定義什麼叫「好」。

這與我們先前整理過的Agent 開發者踩出來的工程難題有相似的結論：AI 生成的程式碼，價值取決於有沒有一套量測與回歸的機制盯著它。pngdeer 的基準測試與人眼評測，就是那套機制。沒有它，AI 寫的壓縮器很容易在常見圖片上表現不錯，在長尾案例上 silently 壓壞圖片。

討論串裡的兩則回應也反映了這類工具的下一步。有人建議加上 MCP 功能，讓 AI 能直接呼叫這個壓縮器，作者立刻表示要加；另一位網友分享自己做類似工具時發現去背景特別難，作者則回以團隊先前做的去背景工具連結，並坦言目前要靠模型而非演算法。一個壓縮庫，就這樣串起了 AI 工具鏈裡的上下遊需求。

該怎麼看這個工具

目前可確認的事實是：專案以 MIT 授權開源在 GitHub 上，有瀏覽器展示頁，效能宣稱來自公開基準測試。實際在自己的圖片集上表現如何，仍要自行驗證，尤其是漫畫線稿、螢幕截圖、照片這幾類特性差異很大的圖，壓縮器的強弱項往往不同。

至於「AI 能不能寫出超越既有商業服務的工具」，pngdeer 提供的答案是：能，但條件是人要投入大量真實案例的打磨，而不是一句提示詞就收工。這個條件，恐怕比 8 到 12 個百分點更值得被記住。