现在并行开发的任务越来越多了，经常会开着5、6个终端一起干活，但这样就会导致很多都回复不及时，想问下佬友们有没有什么好的监控工具人，推荐一下，拜谢！ 7 个帖子 - 4 位参与者 阅读完整话题
感觉上班以后体力越来越差，动不动就感觉很累，还有点缺氧的感觉 之前也和别人聊过，之前在健身的时候感觉很没那么容易累，但是因为每次下班回家健身房的器械排队都要很久，我睡的又比较早，就干脆很长一段时间没有去锻炼了 这两天又感觉特别容易累，觉得是要找点时间继续锻炼了，提升一下自己的体力上限，不然总是干一会活就想睡觉 现在差不多是早上八点起床烧饭，八点半出门上班。晚上七点左右到家烧饭，然后晚上十点半左右睡觉，这样减去做饭，吃饭，洗碗，洗漱，陪小猫的时间，留给自己的时间基本上只有一两个小时 怎么安排呢 7 个帖子 - 4 位参与者 阅读完整话题
claude真的越来越难用了，最近换回了ChatGPT，搭配上pro的codex，真的不比claude差了我感觉 另外附上ChatGPT生图：感觉没灰度到 10 个帖子 - 8 位参与者 阅读完整话题
现在的claude code越来越贵且不稳定了,佬们都是怎么用的啊?现在市场价大概是多少 8 个帖子 - 5 位参与者 阅读完整话题
观 t3.gg 的 https://www.youtube.com/watch?v=zd6tBbCwkks 有感 ——A\ 的模型，至少在 toC 端，一定会越来越差，直到它们的新数据中心上线，或者快倒闭了。（我希望是后者，但目前来看有点困难，祝 A 社早日殡天！） Theo 的视频和我初步体验 Opus4.7 的感官十分相似，都发现 Opus4.7 有严重的 主观能动性 倒退。估计是（肯定是）A\ 的主动降智之下，opus4.7 会非常自信地乐观估计项目情况，基本丧失了探索项目的主动性，造成它的执行与项目实际有非常严重的出入。 例如在我说明了 issue 并给出修复规范、项目也有维护得很好的 agent.md 的情况下，Opus4.7 会像修改一个单文件脚本一样去修改项目，完全不顾各组件间的依赖，忽视 API 约定等明明在文档和注释里都有说明的约束。 其次， Opus4.7 的 “指令遵循” 能力提升了，这本应该是好事（我猜其实是蒸馏 GPT 蒸多了导致的）。实际上这却使得 Opus4.7 完全不会自己补齐边界情况，在提示词不完备的情境下自主探索和思考用户意图和项目逻辑，较好地完成任务。这本应该是 Opus4.5 就有的能力。 例如，我要求 Opus4.7 帮我升级 nanobot（我对 nanobot 稍做了一些魔改，主要是 cron 等次要子系统），在保留本地更改的同时吸收上游的功能更新，Opus 就开始流口水了，先是直接 --ours 把上游全部拉了下来，结果连 pytest 都跑不过，它却自信地认为 “我完成了用户的要求”。接着我要求它 debug，吸收上游更新并启用可用的新特性，但保留自有实现，它才能理解我的意图。…… 快要不如 Gpt5.4 了。 事实上，在 codex 中完成 plan 后，GPT 的 “主观能动性” 一点也不差。它会在计划框架内自主探索和填补没考虑到的边界情况，在一些小项目里是过度思考（比如到处乱拉单元测试），但在一些大型多子系统的项目（shit 山）里，这种能力真的很让人安心。 如 Theo 所说，这很大程度上是因为 A\ 内部的 “super claude code” 和我们用户能用到的有很大不同，内部版本有更多更好的围栏和约束和工具等等，于是内外体验很不一致。 这种降智和敷衍非常鲜明地表现出 A\ 完全不在乎个人消费者。有了 toB 和 to Government 的情况下，A\ 完全不缺钱，它们只缺卡。哪有卡呢？个人用户占掉了！那怎么办？封号！降智！这也就导致了模型 主观能动性 全无，一点多余的不干。纯人机。 …… 祝 A 社早日殡天！ 8 个帖子 - 6 位参与者 阅读完整话题
现在注册 gpt 账号越来越难，成功概率好低，请教一下各位佬们还有什么概率高点的注册机 2 个帖子 - 2 位参与者 阅读完整话题
刚刚我发的某个话题的回复数量一超过50，立刻有一人跳出来说了句和我之前回复一摸一样的回复，而且还是不是那种短的（现在都没有短回复了），用户点击去看历史也不太对头的样子 离开L站也没多久啊，变化这么大吗 1 个帖子 - 1 位参与者 阅读完整话题
第一次发话题，有什么问题，感谢佬友们指出 1 个帖子 - 1 位参与者 阅读完整话题
移动端一直不想用第三方的输入法，最近几个月明显感觉苹果自带的中文输入法是越来越难用，预测与联想实在是太差劲，有时候真就想，这输入法有这功能吗？？？ 输入一段话，稍不留心就乱打字，错别字，不得不撤回… 20 个帖子 - 16 位参与者 阅读完整话题
我认为用得最爽的时候，是闲时双倍限额的时候，那时候Opus基本上是随便用的。最近严重降职，而且限额消耗非常快，导致我只敢使用Sonnet，问题是Sonnet真的让它只是重构一个小功能，都可以出现逻辑直接忽略的问题。 到现在出了opus4.7，讲真，我试了一下，效果不是特别明显，特别好，xhigh限额直接用得像流水一样。 最近真的有点想转ChatGPT，但是女朋友用过（她主要用于整理Excel，生成PPT、话术），她说Claude好 1 个帖子 - 1 位参与者 阅读完整话题
我一直试用魔戒，普通的用起来一直感觉不错，但是随着AI coding越来越火，感觉不又不是那么好用了，你们都用的什么梯子呢？ 2 个帖子 - 2 位参与者 阅读完整话题
不知道大家有没有同感？ 以我的观察， 如今这里主要的内容， 好像是如何薅羊毛、 如何注册大量账号获得ai供应、 各种公益站和他们的用户反馈、 各种免费的ai渠道和对应逆向、 还有富可敌国的抽奖、推广 我刚来到这里的时候， ai远没有今天的强大。 那时即使用三倍的工作量让ai自主完成简单的工作也很激动。 那时这里都是诸如agent的研究，mcp工具的讨论，skill的分享 还有大量很具新意的开源项目涌现 我每天在这里感觉很能学到东西 但如今我感觉真的变了 有几个大佬依然坚持分享干货， 但新的一批佬友，似乎只对ai渠道兴致很高 但对技术的探讨兴致略低。 我经常看到抽奖几块钱的东西排几百楼， 但是几百行原创的idea只有几个人回复。 我不知道我的感受是否真实， 也不知道各位佬怎么觉得， 我仅代表自己有限的视角和认知， 对此进行了一番思考。 这是否是因为，ai已经从新事物，慢慢过渡到产业 是否作为终端用户的研究已经不太有价值，只应该关心是否经济 是否我们对ai的态度从未来变成了当下，技术积累已经没有现在的token重要？ 恕我直言，我现在打开这里越来越少了。我实在无法接受用几个小时时间和折腾换取几块，最多几十块就能买来的token资源。 当然我没有说这一行为有何事实上的问题， 对于很多佬友，折腾本身就是乐趣，如果乐在其中，还能收获一点经验和回报，自然也是很好的。 声明一下，我说的是我看到的这一现象和我的一点点浅薄的思考，没有任何道德与价值评价的意思。我的语言能力一般，但我事实上没有任何批评的意思，请不要激动 39 个帖子 - 36 位参与者 阅读完整话题
和GPT5.4越来越像了，回复太啰嗦，没重点。 6 个帖子 - 5 位参与者 阅读完整话题
可以蹬的越来越少了，gpt感觉类型好多：free、team、plus、pro 还可以理解，卡密、5x、20x怎么用的，都说充自己的号，会不会被封啊 13 个帖子 - 8 位参与者 阅读完整话题
我们在对社会各色人物的接触过程中，好坏的底线会放得越来越低。一开始，孩童会觉得十全十美才称得上好人；但对于老练的刑警来说，一个戴大金链的秃子，只要他不干什么违法犯罪的事情，那他看起来也是顺眼的。 宽容度越低往往越是幼稚的孩童。就像让一个没怎么做过饭的人去洗碗，他非得把锅碗洗得铮亮不可。但对于一个老厨师来说，锅碗只要差不多干净的程度就行了。 1 个帖子 - 1 位参与者 阅读完整话题
这个是他们自己模型卡里面的数据 先不说1M只有30多 256K 60多是什么鬼 这东西编码真的能用的? 再加上模型速度极快 省token 还不愿思考 我感觉有理由是个小模型 甚至大胆猜测一手是原本mythos系列的一个sonnet等效模型? 然后因为一直算力不足在炸 就只能先端上来一个半成品 再强制一批人用4.7 无论效果如何 算力问题能解决一些 补一条, 4.6用的还只是ext thinking, 4.7测试用的是max… 1 个帖子 - 1 位参与者 阅读完整话题
一直在想模型的版本越来越高，但是目前的这些顶级模型能力也很好啊，那以后这些模型都使用成本降低的话，那也不错哈哈，也不是必须要去追求最新版本，毕竟当前的这些好的模型能力也是在线的， 不过他们公司可能会把重心放在能给他们带来收益的模型上面吧，这些低版本的模型会由于算力不足导致降低智商吗 5 个帖子 - 5 位参与者 阅读完整话题
自从开始用 AI 写代码，开发前期效率确实提升了不少，但后期却总陷入反复修 Bug、打补丁的循环。想请教下各位大佬，这是我的使用方式不对吗？我用 CCG 工作流 22 个帖子 - 16 位参与者 阅读完整话题
自Anthropic发明skills以来，我发现大家对skills是越来越青睐了，原先skills用来辅助工作 开发，后来进化出了不少新玩法啊， 什么 同事.skill ， 前任.skill ，更有甚者： 张雪峰.skill （尊重逝者 ） 这些都是蒸馏玩法，属实是被玩出花来了 玩归玩，不要把这些 玩意放到工作和开发的skills目录里，因为这会增加你的skills数量，增加无用上下文，降低ai使用skills的 命中率 。 有篇paper专门分析了skills的数量-内容与准确性的关系： When Single-Agent with Skills Replace Multi-Agent Systems and When They Fail 论文用gpt-4o和gpt-4o-mini做了skills数量与选择准确率关系的实验，实验结果放在这个表里 skills数量 选择准确率 ≤ 10 > 97% 10 ~ 30 90% ~ 97% 30 ~ 50 85% ~ 93% 50 ~ 80 60% ~ 85% 80 ~ 100 45% ~ 55% 100 ~ 150 15% ~ 40% ≥ 150 < 15% 也有拟合曲线： skills数量在50个以内，选择准确率都是比较高的（当然，不同AI跑出来的结果必然不同，这里的结果仅做参考），尤其是skills在25个以内时，命中率是相当高的 我在开发中也有类似的感受，曾经我在全局skills目录里塞了不少五花八门的skills，打开cc后一问才知道，总skills数量有60+，怪不得ai经常不选我希望ai用的skills。 后来我去繁从简，精挑细选，屎里淘金，把skills数量压到了40以内。按实验结果，我为什么没有压倒20-30呢，因为上文也说了，这个实验是基于gpt-4o系列ai做的，我用的ai性能比4o强，不必对号入座。 不只是数量， 相似的skills 也会大大降低选择准确率 论文做的实验，每个skills有一个相似的“竞争者”，准确率降到~82%，有两个相似的“竞争者”，准确率骤降到 ~52%。如果有从几个功能很相似的skills里选，ai往往会遮着眼睛瞎选(ai没眼睛 说是)。 打个比方 你和你老婆晚上准备双排了，你老婆的双胞胎妹妹趁着黑灯瞎火，悄无声息地摸进来，你能分清谁是谁吗？ 如果你硬上的话，我打赌要出事故的 所以， 功能相似的skills只保留一个 如果skills实在是多，怎么办呢，论文里给出了层级路由的选法，简单来说就是**“先选类别，再选skills”** 比如开发会用到 code-review ， test-dirven-development ， subagent-driven-development ……那么就把这些归为“开发类”，依次类推还有“写作类”，“设计类”等等。ai选择使用skills的时候，就先判别应该用什么类别，再选择具体的skills。 论文里的层级路由的实验结果显示，这个方法在大数量skills的情况下会把准确率提高小几十个百分点。 当然嘛，据我所知 claude code 现在是没有“层级路由”的实现的，只是单纯的把skills全部平铺开来，让ai选。 不过没关系，我自己对于不同类别的skills是这样处理的：建立不同的skills仓库，把杂乱的skills给划分到不同的局部仓库里，让全局skills保持简洁，装你必备的，常用的；局部仓库里装其他类别的skills，分开使用。 比如我开一个名为“WPS-skills”的仓库，wps的skills就安装在这里面，要编辑WPS的文件的时候，就在这个仓库里工作；其他仓库是没有wps的skills的。 那我说白了，总的来说就是：降低skills数量，不要出现太相似的几个skills，skills分类管理。 skills不在于多，而在于精，选择最常用的，最适合自己的skills就是 The best。 3 个帖子 - 3 位参与者 阅读完整话题
MiniMax这个token plan是认真的吗 一下午一直用不了 10次请求能成功一次都烧高香了 最近一天比一天炸的严重 3 个帖子 - 3 位参与者 阅读完整话题