智能助手网
标签聚合 只用

/tag/只用

linux.do · 2026-04-17 14:38:45+08:00 · tech

我全程没手写一行代码,只用 Trae + 下面这套现成提示词,就做出了功能完整的全屏滚动字幕小程序。不用懂前端、不用懂 Canvas、不用调样式,复制粘贴就能生成全套代码,直接上架微信。 首页:5 种预设样式一键切换(滚动字幕、动感摇滚、表白神器、舞台荧光、寻人牌) 展示页:全屏竖排文字滚动,支持荧光 / 闪烁 / 故障风等特效 可自定义:文字、颜色、字号、字体、滚动速度 底部控制面板 + 右侧滑出设置栏 常用语、历史记录、用户配置自动保存 微信开发者工具直接运行,零修改、零报错 1. 一键生成完整小程序 创建一个"大字君"类型的微信小程序项目,功能要求如下: 页面结构 首页(pages/index)- 模板选择页面 5个预设样式按钮:滚动字幕、动感摇滚、表白神器、舞台荧光、寻人牌 输入框可自定义文字 展示页(pages/display)- 文字展示页面 全屏 Canvas 竖排显示滚动文字 底部悬浮控制面板 右侧滑出设置侧边栏 核心功能 Canvas 文字滚动 文字竖排显示(旋转90度) 滚动速度可调:0(停止)/0.5x/1x/2x 字体大小可选:100/150/200/260 支持的字体:渔阳、金榜、黑体、方圆、大楷、刀隶 文字效果 无效果(none) 闪烁(blink)- 文字交替显示/隐藏 荧光(glow)- 文字发光效果 shadowBlur=30 故障风(glitch)- RGB分离偏移效果 描边(stroke)- 文字边缘描边 阴影(shadow)- 文字阴影效果 预设样式配置 BUTTON_STYLES = { ‘滚动字幕’: { textColor: ‘ #ecf0f1 ’, bgColor: ‘ #2c3e50 ’, textEffect: ‘none’ }, ‘动感摇滚’: { textColor: ‘ #000000 ’, bgColor: ‘ #f5576c ’, textEffect: ‘glitch’ }, ‘表白神器’: { textColor: ‘ #ffffff ’, bgColor: ‘ #ff6b9d ’, textEffect: ‘glow’ }, ‘舞台荧光’: { textColor: ‘ #0ff ’, bgColor: ‘ #1a1a2e ’, textEffect: ‘glow’ }, ‘寻人牌’: { textColor: ‘ #8b4513 ’, bgColor: ‘ #fff8e7 ’, textEffect: ‘none’ } } 控制面板 主页/设置按钮 文字输入框(实时输入确认) 常用语横向滚动列表 添加常用语按钮 背景使用 rgba(0, 0, 0, 0.6) 半透明黑色,顶部圆角 24rpx 设置面板(侧边栏) 字体颜色选择器(8种颜色) 字体大小选择(4种) 字体选择(6种字体) 播放速度选择(4档) 文字效果选择(6种) 背景颜色选择器(8种颜色) 数据存储 用户配置:wx.getStorageSync(‘user_config’) 保存:fontSize, speed, textColor, textEffect, bgColor, fontFamily, phrases, lastText 历史记录:wx.getStorageSync(‘history_texts’) 最多保存50条,带时间戳 去重处理(相同文字移到顶部) 生成新页面(需要加页面时用) 创建一个微信小程序页面,包含 wxml、wxss、js、json 四个文件,使用数据驱动、规范命名、事件绑定,逻辑清晰可直接运行。 实现 Canvas 竖排滚动动画 在微信小程序中实现 Canvas 竖排文字滚动动画,支持闪烁、荧光、故障风、描边、阴影等效果,使用标准动画循环与竖排渲染方式,代码稳定不卡顿。 实现用户配置存储 在微信小程序中实现用户配置保存功能,自动存储字号、速度、颜色、效果、字体等设置,页面隐藏时自动保存,打开时自动读取。 实现历史记录管理 实现文字历史记录功能,最多保存 50 条,自动去重,新记录置顶,带时间戳,本地持久化存储。 实现右侧设置面板 创建设置侧边栏,支持字体颜色、字号、速度、文字效果、背景颜色选择,界面美观、操作简单。 实现常用语功能 实现常用语添加、删除、展示功能,支持弹窗编辑,数据本地保存。 实现预设样式按钮 创建 5 种预设样式按钮,一键切换文字颜色、背景色与特效,适配大字君项目使用 按照顺序将提示词发给 Trae,大体功能基本就出来了,最后只用根据自己的喜好写点页面和交互的提示词微调就可以了。 微信小程序开发规范 项目初始化 app.json 包含 pages、window、style、sitemapLocation 每个页面必须:wxml + wxss + js + json Canvas 规范 使用 type=“2d” canvas initCanvas 在 onReady 执行 动画变量挂 this,不进 data 用 requestAnimationFrame 循环 数据存储 用户配置:user_config 历史记录:history_texts onHide 自动保存 文字效果 blink:显隐切换 glow:shadowBlur=30 glitch:RGB分层偏移 stroke:描边 shadow:阴影 附小程序体验码: 1 个帖子 - 1 位参与者 阅读完整话题

linux.do · 2026-04-14 21:55:47+08:00 · tech

和开发相关的工作,最优的是cc列计划+codex执行,和只用codex相比,好处仅限于对话更流畅。如果能忍受gpt裹脚布般又臭又长的对话,完全可以只用codex,落地效果没有任何区别。 对于开发工作而言,当你需要某个skill时,你自然会找到或者编写,如果不确定是否需要它,那么就是真的不需要。没有任何必要看到大佬分享了什么新花样而去折腾,现在任何有显著优势的skill都有显著缺点,除非真的需要,否则好用不绝对,就是绝对不好用。 最近折腾的一些个人愚见 1 个帖子 - 1 位参与者 阅读完整话题

linux.do · 2026-04-14 06:58:56+08:00 · tech

话说前头,由于本人没用过opus 4.6,只用过sonnect 4.6,也是我用过最好的模型,只能用这个来打比方了。 怎么说呢,我总结出来这个,我自己也着实被吓了一跳。我最近一直在研究自己的harness工程,用于构建web应用,导致我已经习惯了用GLM-5,流程跑完端出来的就应该是直接可用的成品,然后呢,我准备写一个claude code web,我就想着不用harnes试试呢,结果让我愣了一下,怎么流程走完了,还是一滩烂泥,怎么跟我之前不一样呢。 这时,我明白了,是harness的功劳。 怎么说呢,打个比方,用大模型来煮饭。 直接用glm-5,端出来的最终会是一碗三五成熟的饭, 直接用sonnect 4.6,端出来的会是一碗9成熟的饭, 但是,glm-5 + 我的harness,端出来的却是一碗十成十,全熟的饭。 故事就是这样,过早去了。 关于我的harness帖子,有以下几个: 分享一下harness工程的落地,邀请共建 开发调优 此harness是以claude code plugin为加载,以command 为协同,以claude code + agent为执行器和审查器,目前可以保证一次命令运行直接产出web应用, 不过还不完善,邀请佬 们共建。 [image] 我构建web应用的harness,被我改成单skill了 开发调优 我一开始构建web应用的harness,是有共识文件目录的,作为记忆系统,然后分一个调度器,7个职能智能体,尝试以reality like的形式进行工作。 但是呢,真的是太理想化了,因为我这还是线性调度的,没有并行路线,变相增加了很多鸡肋的工作量,所以化零为整,移除智能体,改成了skill。 当改成skill 的时候,我蒙B了,怎么就变成skill了!!我的harness工程怎么走上回头路了,… 我好像看到了我的harness工程进度了【已完结】 开发调优 书接上文 虽然但是,我又改成了command加多智能体了,单智能体不符合上下文分离的规范,而且skill不能100%触发,所以又是command + subagent了,不过只有3个,planner \ coder \ verifier,claude code的subagent是支持上下文分离的。 说下新设计的想法: 1.放弃原有的职能设计,why:因为职能设计是需要主观的,且具有突变思维… Anthropic 出了harness 产品 开发调优 这是Anthropic的harness产品文档: 这是我昨天刚刚验证成功,使用我自己研发的harness生产的过程,我这也成功了,但是比不上人家的,算了,去研究anthropic的harness了 等等:我刚刚把Anthropic的文档搂了一遍,我的好像比Anthropic的牛啊,他只是提供了一套SDK,但是没有实践辅助辅助的,只是提供了智能体、运行环境、测试套件的API,没有实物的啊,等… 【长期贴】开个帖子,分享一下我自己是如何做harness【已更新完主要内容,等待佬们交作业】 开发调优 据网上传,目前Anthropic的所有产品均为harness模式,不过最近他们推了一个harness产品,原本把我吓了一跳,但实质一看,并不是干货,多少有点恶心人了,好东西都藏起来。我昨晚也成功验证了自己的第二个harness,工程量比是一开始做demo的100倍,平均跑完要30-50M token,10个小时左右(glm-5),并且效果还挺好。不过还是有很多优化点的,这也正是本贴的由来,在接下来… 8 个帖子 - 7 位参与者 阅读完整话题