Py社区称号:大妈|信奉:有趣有用有种的分享|多本技术图书作译者|25+年生程序猿|Pythonic布道师|习惯吐糟:https://nitter.cf/t.co/RsDoucqfAZ |…AMA
GD,CN,Earth,cosmos
Joined May 2007
- Tweets13.4K
- Following239
- Followers4.5K
- Likes73.4K
为了纪念X博士去世, 微信中流行的 meme 却是:
"ሰዎች ሆይ፣ 🛸 እኛ ከሩቅ ፕላኔት መጥተናል። አትፍሩ፣ እኛ ምድርን ለመውረር አልመጣንም። 👽 ዛሬ ሐሙስ ነው፣ በኮስሞስ ውስጥ ለሺህ ዓመታት ተጓዝን፣ ዛሬ ምድር ደርሰናል። በዘፈቀደ ከደጋፊዎቼ አንዱን መርጬ 50 ዩዋን እንዲልክልኝ እጠይቃለሁ፣ የተጠበሰ ዶሮ እንዲያበላኝም። 👽🍗 አትፍሩ፣ እኛ ጓደኞች ነን።"
有经验的朋友一眼看出问题,
说今天已经周五了哪...
感叹一下哈...
A\社简直为 IT 行业发明了一种全新的创收模式哪...
嘦, 产品足够好,
用户就不得不反复尝试创建帐号充值被违规而罚没..
等等,
这招看起来很眼熟哪,
不就是封建社会中对商人的养肥再杀?
只是规模小很多,
严重的个人损失1000$, 一般的, 就是100$ ...
嘦事先公开所有规则,
甚至于给了被封禁地区用户一种刺激:
禁书之所以越禁越火
不就和美国禁酒时期一样嘛...
无论禁止了什么,
违反禁令本身就已经足够爽了...
这..这种顶级情绪价值
和 popmark 的产品概念高级一致哪,
而且还高端了一级,
万一没被识别, 那可就真的爽了, 无论用 Claude 干什么,
就是每天42次 Hallo,
截屏发朋友圈都能吸引流量呢...
佩服佩服
就看 Kimi 们跟不跟了, 反向封锁,
不对, 开源模型们干不了,
得是中国闭源模型, mimo 可以上了?
|> 261027 日糟:
1/4(每天吐糟不应超过4次)
不是吧, 俺就是完全 omp+pi 出代码:
用 PacketBase 作 BaaS 后端
用 golang 发布 API
用 Python 完成 TUL 的 admin 界面
用 Rust 组织 youtube 长时直播
...
之前, 都是用 aText 记录为快捷键,比如:
'anti
来自动注入到 omp/pi 的对话界面中,
现在可以追加为
/mana anti <Issue ID 或是对应观点>..
在所有兼容 agent 中使用
github.com/chaos42dama/mana/…
只要跟 grok bot 说一句就开始干了,
并且落实后, 可以自动更新多个主机上的用户 SKILL,
目测, 消耗当周 4.2% 的 额度
Ai反向提示词才是王炸！！！
做重大决策前，不妨先问问AI
两个含金量超高的提示词🧐
能帮助你少走弯路：
第一个提示词：帮你找到自己一直在回避的深层问题，实现自我觉察。
内容：“在我们反复讨论过的所有问题中，有没有一个更深层次的问题，是我一直在绕着它走，但一直没有真正问出口的？”
使用方法：直接复制这段文字，发给你常用的AI即可。
第二个提示词：帮你在做重大决策时更理性，避免盲目乐观。
内容：“做任何重大决策之前，先让AI竭尽全力唱反调！”
使用方法：
1. 禁止AI支持你，让它全力反驳找出你没有考虑到的信息，盲目乐观的地方，不可逆的成本，机会成本最坏的风险，情绪带来的认知偏差等等
2. 支持视角，梳理出这个决定成立的核心理由
3. 中立对比，关键证据，判断哪边占优明确未知的风险和结论反转的条件，禁止强行55开
这两个的核心：提高决策质量 和 自我认知确认。人生重大决策做好了，至少少走5年弯路。
囧rz...新型钓鱼帖
反向广告?
毕竟, 订阅产品本身就是为追求性价比的人设计的,
为什么追求性价比?
因为穷, 没有足够的资金支持无限功能构建的冲动;
所以, 用最合算的订阅费用, 获得尽可能高的定期恢复的额度来控制自己的调用频次;
那么, 一个帐号总是无法提前消耗光额度, 只能意味着:
1: 根本就不是目标用户
2: 日常根本没有使用场景
3: 更多的在使用其它同类产品忘记了 grok bot ..
反正, 无论哪一种情况, 都不应该是:
因为额度剩余太多, 公开求想法来消耗...
毕竟,
这事儿, 认真想, 其实就是中转站生意了,
俺有tok 没有任务,
你出任务, 俺替你完成...然后, 随便付费支持一下你自己的想法?
SKILL->MCP->A2A->Sub-Agents->Multi-Agents->Matrix ...
工程的复杂化是必然的
原因, 很可能是工程师必须构建出一个只有自己才能正确驾驭 LLM 的全新世界,
以便重新拿回超额工资..
这..
就很像现实世界:
当一位食人族在 M$ 总部自由生活了三年没被发现,
最终被发现
只是因为好奇第一次品尝了一个工程师..
是的, 之前一直只吃经理...
也就是说,
一切工程管理行为, 本质上都在增加工程复杂性,
阻尼生产率;
所以, A\社的判定可能是正确的,
就像 当初 微内核 声势浩大, 但是成事儿的是巨内核;
当前讨论的所有多 agents 构建/组织/监察/管理/..所有技巧, 都能综合在单一 agents 内部时,
为什么要浪费 tok 去搞这种形式化的复杂?
如果一定要分解任务,
还是由人来,
按照传统软件工程流程:
使用 Issue 作为媒介,
走瀑布流
厘定目标
概要设计
详细设计
分解组件
组件分解
任务指派
TDD 守卫边界...
是的, 之前另外讨论是担心 LLM 已经干掉初级工程师的所有任务, 那么就没有后续积累经验的空间了...
其实,
就算使用 LLM
也可以将自己当成一个代理,
嵌入到 LLM工程流中, 使用教科书上的知识,
承担起工程质量控制的职责
组织会议
判读文档
理解任务
通读代码
...即便不写代码, 但是, 对于工程结构, 数据流程, 数据库结构...一切软件工程必要内容, 都吃透...
那么, 工程经验不就到手了?
而且, 以往要通过高级工程师/架构师/市场/用户/...才能获得检验反馈..
现在, 一个更高级别的 LLM 就可以了;
也就是说, 你平时就和 glm-5.3-flash 们协作,
最后阶段, 上 gpt-6.1-sol-max 来综合评审,
那效果, 一样的;
|> 261024 日糟:
1/4(每天吐糟不应超过4次)
以俺的偏见哈,
就像当年 GUN 创立 Hurd 微内核 OS 一样,
这么多年过去了,
竟然一个可用版本都没发布,
而 Linus 单兵手搓的巨内核 GNU/Linux 已经吞食天下了..
为什么?
Hurd 设计目标是好的, 将单一复杂的 OS 主进程降解为几个并行的微服务, 不仅能减少服务开发难度, 而且能将错误天然隔离, 甚至于允许不同内核服务使用不同语言开发...
但是, 多服务相互纠缠的相互关系,
就像 三体 问题一样无解;
反而是看起来复杂, 开发起来也复杂, 但是, 将所有复杂在一个进程里自己全权控制的 巨内核 可以快速发布高速迭代, 并能简单的插入各种硬件驱动,
极速支持最新硬件...
DSH 提出的一切皆插件
这个理念多像 Herd 的 Mach 架构哪,
看起来美, 解释起来通,
但是, 调试起来就变成焦油坑...
别的不说,
那几个最常用的文件读写插件,
被其它几乎所有插件调用时,
这冲突和调度的复杂性, 只能通过追加内部审查, 计算评估来进行...
所有这些行为,
就等于消耗额外 tok 以及时间, 并引发更多幻觉;
所以, DSH 接下来,
很可能将重新解释理念到实用姿势:
一切皆插件
只是有些核心是官方服务, 不得触摸...
DeepSeek Harness 真该吐槽的，不是模型能力，而是执行效率🔥
最近这几天高强度使用 DeepSeek Harness，发现我分享推文的时候，在评论区有很多人跟我吐槽
一开始我还不以为意，当我真的深度去使用的时候……
我发现这几个地方是真的坑 😭
三个我觉得确实影响体验的地方：
1、执行速度：工具调用太多，任务跑得慢
有时候任务本身并不复杂，但是 DeepSeek 容易反复调用工具、读取文件，把整个流程搞得很长很慢
不知道到底是 Harness 的问题，还是 DeepSeek 的问题
2、Token 消耗：长任务尤其需要优化
整体消耗没有 Pi Agent 那么省 Token，因为 Context、工具描述、反复交互都会增加消耗
有一个任务，它来来回回干了 28 次才搞定
虽然整体的缓存命中率很高，但整体的消耗其实一点也不少
3、任务稳定性：出错之后还得盯着
这地方是我最想吐槽的
在任务过程中，如果出现工具调用失败、结果为空，甚至子任务没完成，都没有可靠的错误回复和结果验证
很多时候需要我主动去跟它说明问题、推进任务，完全没有 Claude Code 的那种舒服的感觉
当然，我吐槽这些，不是说 DeepSeek 不能用
Everything is a Plugin 这个思路我还是很看好的，底层可替换、功能能自由组合，确实有自己的特色
我现在更希望官方能继续把执行效率、Context 管理和长任务稳定性打磨好，变成一个成熟的产品
毕竟大方向是对的，剩下的就看细节打磨了🔥
#那什么...
人脑至今真实的运行模式并没搞明白,
俺倾向于:
人脑通过自身足够复杂又灵活可变的空间结构,
将自己变成高维智能空间的下载器
可以用极低的能耗
非常少的数据积累
有针对性的下载到高维智能空间计算结果
--> 灵感
进而完成一些看起来不可能的思考任务,
在天赋面前 量子计算 都像个笑话
毕竟,
生物的湿件/大脑 一路进化来的目标就是:
可以在尽可能短的时间里
处理掉尽可能多的不同信道采集到的实时数据
完成判定: 跑|战|吃|...
所以, 不要小看自己的大脑,
虽然在职场上, AI 替代了所有初级岗位,
但是, 这些岗位的经验/技能/判断力/...
都封装在靠谱的教材中 了
你看 Musk 有信心在 42小时以内, 通过合理的权威教材,
就可以替代自己公司里任何一个岗位上的员工,
我们大家当然也都可以,
最多, 时间加个几倍而已;
|> 261023 日糟:
1/4(每天吐糟不应超过4次)
#那什么..
用下来, 还是
pi-in-go.dev
PiG 最可用,
简直就像回到2年前, Pi 的那种推背感
Pi 现在连底层运行时都被社区玩出新花样了，一个编译成原生机器码，另一个干脆用 Rust 重写🔥
最近发现两个挺有意思的项目，都不是简单给 Pi 加插件，而是在折腾Pi本身的运行性能和架构
感觉非常有意思，就直接分享给大家
1、Pi-Bolt：给 Pi 装上性能加速器
github.com/opensec-git/Pi-Bo…
这个项目没有推翻原来的 Pi，而是通过 AOT 提前把代码编译成机器码，启动时不用再进行 JIT 编译，也不需要安装 Node.js 或 Bun
项目作者的 Linux 测试中：
启动就绪：45ms，原版 Pi on Bun 为 382ms
交互会话 CPU 开销降低约 6 倍
长文本 Streaming、文件写入也有明显优化
更重要的是，原来的 Session、Provider、配置和大部分 Extension 都能继续使用，不需要重新搭一套环境
不过默认版本关闭了 JIT，计算密集型插件建议使用专门的 JIT 构建版本
2、pi-rs：直接用 Rust 重写整个 Pi
github.com/lassejlv/pi-rs
这个就更硬核了，不是简单移植 Agent Loop，而是把模型接入、TUI、工具系统、Session 和 RPC 都重新实现了一遍
最有意思的是，它还内嵌了 Boa JavaScript 引擎，让原来的 TypeScript Extension 也有机会直接运行
同时尽量兼容 Pi 原来的配置文件和 Session 格式，甚至连 JSON 输出和终端渲染行为都在做对齐测试
不过项目还在完善兼容性，部分 Node API 和 Windows 终端能力仍有限制
这两个项目放在一起挺有意思
Pi-Bolt 选择保留原来的实现，通过编译和运行时优化提升性能；pi-rs 则尝试用 Rust 重新实现整个 Harness
如果你经常在 VPS、本地终端或者资源有限的设备上运行 Pi，这两个项目都值得关注
需要注意，这些优化主要针对本地运行时，并不意味着模型生成 Token 的速度也会跟着提升
