cursor哪个大模型修改反编译
兄弟们还在傻傻地使用 cursor 或者 cloud code 去敲题词完成 web coding 吗？当我们在使用各种顶级大模型的时候，我们其实发现没有，我们对大模型底层知识其实一无所知。比如说，当我问到你一些最基本的大模型的概念，你可能就开始挠头了。 如果你想成为一个真正的算法工程师或者大模型工程师，能够设计、创新并解决复杂问题的核心开发者，那我必须推荐你这本我看了三遍的书。模式识别、机器与学习， 他不是普通的教材，在我看来，他是机器学习领域的圣经这本书的作者，他是微软剑桥研究院的首席科学家，也就是机器学习的态度。他在 ai 圈的地位是无可撼动的。 他用概率论和贝叶斯的视角搭建了一个完整的、优雅的理论的框架。大家可以看到，从最基础的决策论、概率分布到现行模型、神经网络图模型、近似推断和采用方法。他不是教你怎么用，而是让你理解每一个算法为什么能够这样工作。那我呢，也是从中收获颇丰。 之前看英文版总是懵懵懂懂，但我直到看了这本中文版，我才豁然开朗。原来知识也是可以通过惯的方式进入到我的大脑里面，文字流畅，公司精准，彻底帮你消除了这种语言上面的这层障碍， 能够让你把更多的精力关注在知识本身。好吧，这本书是全球顶尖高校公开的核心教材，对大模型算法底层知识点感兴趣的小伙伴可以去看看。
粉丝2.5万获赞25.8万
相关视频
00:50查看AI文稿AI文稿二十刀的 cursor 会员，每个月竟然可以用到两百刀以上？上个月二十一号被 cursor 优秀的编码能力惊艳到之后，果断下单了一年的 pro 版会员，也就是二十刀的档位。上期视频有说我一个月的用量情况，总计六点一亿 tokens， 按量来算，约两百刀的消费。今天下午准时重置了用量包。在这我要吐槽一下它的 tokens 计算方式。我对不同模型进行了简单的提问，然后我就得到了这个非常离谱的用量统计， 六个汉字的问题和十几个字的回复。 tokens 用量基本都在两万左右， gem 三 pro 更是接近三万。说好的一个 token 是 一个英文字母呢？按这种计算方式，每天过亿也正常， auto 是 最省的，其次是 codex。 本人比较推荐这两个模型，编码能力都还不错，如果有更好用的模型使用建议，欢迎评论区留言讨论。
751呼呼小睡
01:43查看AI文稿AI文稿你有没有感觉， cursor 在 处理复杂任务时就是不如 clod code？ 明明用的是同一个 clod 的 模型，为什么差距会这么大？这背后其实有三点重要的原因。 第一，上下文。 cursor 是 id 一， 它会把你所有打开的标签页、侧边栏，甚至历史记录都作为上下文塞给模型。这些看似贴心的信息，其实都是噪声，分散了模型的注意力。 而 cloud code 是 命令行工具，它只关心文件本身，上下文干净又精准。这不仅 send token， 更重要的是它让 agent 能聚焦在你给他的任务上。 第二，反馈闭环。在磕舍里， ai 改完代码报错或者其他负反馈，需要人工介入调教，但在 cloud code 里，它可以自动运行，保护报错、定位、文件修复，再跑测试，直到成功。这种负反馈闭环能力，磕舍暂时还不如 cloud code。 第三， 原厂调教哥 sir 要同时支持 cloud code、 gpt、 gemini 等好几个模型，就像一个餐厅同时做川菜、粤菜、西餐，哪道菜都很难做到极致。 而 cloud code 是 亲儿子，只为一个模型服务，他知道 cloud 的 脾气、习惯、擅长什么，能用最对的方式把模型的潜力全榨出来。所以科 sir 跑不过 cloud code。 不是 科 sir 不 行，而是它们的定位本来就不一样。 科室的优势恰恰在于它是 i d e， 支持多模型，界面友好，上手门槛低，无论你用 cloud 还是 g p t， 都能在一个地方搞定。 a cloud code 是 命令航空器，专为 cloud 模型深度定制。最后，大家日常开发习惯用科室还是 cloud code 评论区，一起聊聊。
289稳哥的技术笔记
02:17查看AI文稿AI文稿最近 deepsea 不是 更新了一个 v 四 pro 版本吗？然后主播想把自己科斯尔模型改成最新的那个 deepsea v 四 pro， 然后我在科斯里边配置好 deepsea v 四 pro 的 api 之后，兴气勃勃地每每想使用国产又便宜又好用的模型后，结果发现科斯尔好像不能正常地使用 deepsea v 四 pro 模型。当 newchat 并开启第一个问题时，他可以回答， 但是一旦开始，后续的问题直接就会报错。 provide a return error error message the reasoning content in the thinking mode must be passed back to the api。 于是主播去 google 了一下，想搅一搅网校有没有解决方案，结果发现社区里也有很多人都在吐槽这个问题， 而且也没有搅到一个可行的解决方案。于是主播决定自己写一个代理程序来解决这个问题。根据报错信息猜测， deep seek v 四的 thinking 模式有个强限制， 他返回的思维链必须原样传回去，但是 cursor 目前不机器传回 ds 的 reason content。 于是主播写了个代理程序，中间调戏过程就不说了， 代理程序写好之后，理论上直接把 sir 设计里的 base url 改为代理程序监听的地址就行了。可惜 sir 很 傲娇，不让连本地直译网代理你走，本地代理直接就给你四百零三 forbidden 了， 只能使用公网 ip 访问。于是主播用 cloud fear 打了个隧道，穿透内网，将 base u v l 换成映秀岛本地代理的公网地址。这次 koser 终于认了，我再使用 deep seek 杠 v 四杠 pro 模型进行后续的对话，也能正常使用了。 感觉 cursor 官方没有更新支持 deep seek v 四 pro 模型的话，目前只能通过这种补丁方式来使用了。代理代码我已经开源在 github 了，叫 cursor 杠 deep seek 杠 v 四杠 proxy， 配置就改一个 u r 料，两分钟搞定。链接我放在置顶评论和视频简介里了，如果你也碰到了这个问题的话，需要的兄弟们自己去拿。我把文件都打包好了，根据 redmi 说明操作，一键启动就可以了。
249滑稽🤪
01:01查看AI文稿AI文稿不是 cursor 买不起，而是自接 train 更有性价比。目前最强的编程大模型 crox 现在已经接触 train 个人版完全免费，每月一千次高级模型问答次数，五千次代码补全。如果你是专业的开发者，首月只需三刀乐升级 pro 即可享受更加顺畅的大模型使用体验， 可调用超级模型效率飙升。对比 cursor， 同样的大模型能力下，车内的订阅价格不到 cursor 的一半， 用量在多百分之二十。打开海外官网，点击升级，首次仅需三刀乐即可体验六百次超级模型，无限次高级模型问答，解锁 tripro。 我们来看下效果。选择科尔斯模型， 给他一张图片，让他一比一还原，几秒钟后就能生成整个前后端代码，无需排队， 开启超强的 ai 编程体验，真正实现单人全展开发。我们来看下效果，在自己 cher 编程的加持下，小白也能变大神，从此告别加班。
751AI小杨哥
02:36查看AI文稿AI文稿ai 圈刚刚发生的一个小事件，但其实信息量特别大， ai 模型刚发布就被识别出 dna。 嗨，大家好， ai 编程工具 curser 想必大家都不陌生，它刚刚发布了一个新模型，叫做 compressor 二， 官方宣传非常直接，更强，更便宜，甚至在部分测试里超过主流模型。听起来非常猛， 但发布没多久，开发者就发现了一个细节，在模型的 id 里出现了 kimi k two point five 的 标识。同时就有人对比了这个 tokenizer， 发现行为模式跟 kimi 高度一致。 在 ai 圈，这基本等于一个信号，这个模型很可能不是丛林训练的。很快，科瑟的联合创始人就发文确认了，他们测试了很多底座模型，发现这个 kimi k two point five 是 表现最强的一个。 而 composer two 是 在这个基础上啊，做了持续的预训练，又进行了高算力的强化学习， 规模扩大了四倍。也就是说，这不是直接调用模型，而是基于墙底座的二次训练。这里简单的说一下 kimi， 他 来自中国公司温氏的 ai， 特点也非常的明确，他有这个超强的这个超长上下文的理解能力， 然后它的推理成本相对来说比较低，所以在业内，它经常被当做底座模型。有点像不是自己种菜，而是先买到最好的食材，再做一道更复杂的菜。 更有意思的来了 kimi 的 官方账号，随后也转发祝贺，直接表示很高兴看到 kimi 成为 composer two 的 foundation。 这基本说明这是一次公开的技术合作。那为什么还是引发争议？其实问题并不在技术，而在表达方式。如果一开始科 sir 就 说，哎，我们基于某某型做增强，呃，我觉得行业完全可以接受， 但如果用户理解成是完全自研的，这个预期就会完全不同。而真正值得注意的是背后的行业变化。因为现在 ai 的 产品竞争已经越来越少的公司是从零开始训练模型的， 大家比的是谁选的底座更好，谁训练的更聪明，谁把产品体验做到极致。换句话说，未来拼的可能不是谁造出了最聪明的大脑，而是谁会利用聪明的大脑。 所以这件事的核心其实不是有没有用 timi， 而是一个现实，未来很多 ai 产品可能都建立在同一批模型之上。那问题来了，你觉得这种二次开发算不算真正的技术能力？
06:50查看AI文稿AI文稿哈喽，大家好，我是贤，很开心呢，在这来给大家分享。作为一个连续充了两年的一个科室用户，作为小白呢做了一个 web coding 的 一个应用 app， 并上架了 app store 的 市场，整个数据的话还是非常可观的。今天呢，我就带大家用 cursor 去安装 cloud code， 去做一下你人生的第一个 skill。 话不多说，现在就开始我是用 cursor 来安装的 cloud code 和 c c switch， 然后在 c c switch 里边去关联我想去用的一些模型。所以首先第一步呢，我们先打开 cursor， 在科室里面呢创建一个项目文件夹，在输入框里面可以这样去输入这个内容，让科室儿帮你去安装。之后呢，它整个程序就可以跑起来了，快的给你安装好。然后这个界面呢就是它安装好以后的一 cloud code， 整个图形 logo 出现的时候呢，就是安装成功了，也可以直接去告诉他帮我安装 c c switch， 那么整个的这个程序它就可以给你跑起来了，跑完之后呢，在你的整个的应用的桌面里面就能看到这个 c c 四位置这个图标，点击这个图标，然后就可以启动了，你就可以进行这个模型的一个添加和 skill 的 添加，可以去接现在主流的，那么如果没有可选的呢，就选择自定义配置， 那么有两个方式，一个方式呢就是 a p i 的 一个接入获取的话，一个是它官方渠道的，第二个呢是需要这个 a p i 的 一个服务商有这几个推荐的。然后第二个呢，你可以使用国内的一个模型，比如说 deepsea， 智普啊， mini max 等等，这里呢我给大家来操作一下 mini max 工商名称和官网链接和 api k， 充完之后呢，你就可以去创建你自己的这个 api k， 整个这个 api k 呢它的密钥呢是非常长的一些字母和数字组成的，点开这个复制之后呢，去到刚才我们打开的这个 c c switch 里面选好的 mini max api k 这个位置，我们去把它粘过来。现在大家看到的就是这个添加好的这个 mini max， 点起用以后，它就能够显示当前的这个模型，是 max api 的 一个模型。分享一下我现在的一个工作的一个区域的划分。首先左边这个呢是一个虾子，让龙虾去做一个 clr 的 一个自动化的一个部署，如果有 clr 你 都可以去在这个地方让 虾子去给你对接一下，然后中间这块就是我的 id 的 一个工具，右边这一块就常用的一个 ai chat 的 一个对话框，和 ai 工具的一个分区。然后推荐给大家 想看的 cursor 里面 cloud code 交互页面，作为小白的话，安装 cloud code 插件这个应用扩展这个地方去搜索官方已经放好的这个插件，安装好之后它不会立马的显现出来，在它的应用扩展这个地方有一个箭头下拉下来有一个 cloud code， 点开以后和交互的这个页面就打开了，下面呢它有这个输入框，在这个地方进行一个对话，也可以去打开你的电脑的终端，有什么需求，然后我要做什么 可以直接在这个地方说。接着给大家去演示一下在 ctrl 它这个交互界面里面的一些原则。右下角这个 black mode 非常重要的一个功能，它会给你反馈一些你现在要做的这个需求的场景 的一些问题，进行一个头脑风暴的一个对接啊。制作一个 skill， 只用 notebook lm 里面的一个笔记，然后我希望你能够抓取我笔记本里面的一个数据，给我生成一个 skill。 这个地方再给大家推荐一下我用的这个 template， 我 觉得特别好，它非常有帮我制作一个 skill， 然后是骨骼产品里面的 lm， 然后 有许多我之前用过的一些笔记，然后你帮我进行一个 skill 的 一个输出，抓取这个 skill 里面的数据，然后给我生成一个 skill 并封装这个 skill。 现在呢，把它给发送它前面呢，其实是对我整个 skill 的 结构做了充分的一个了解， 然后在规划之前呢，它可能需要有些问题是需要问我的，那么这个弹窗呢，里面是一个获取的一个数据获取的方式，那么数据获取的方式呢？他就问我整个这一块 i m 里面是没有公开 api 的， 无法直接程序化地抓取数据。我希望用哪个方式去让他去了解我笔记的内容？会给我的 ai， 然后呢，让他去帮我分析一下这几个选项。制作好了之后呢，我可以直接去给 cloud code 说帮我去总结笔记，那么就会调用刚才我让他去生成的整个这个 skill。 这时候又弹窗笔记主题，你的 notebook lm 笔记主要是关于什么领域的？ 将帮助我设计合适的一个 skill 的 结构和出发的一个条件。它这个地方呢，是希望我能够帮助他理解我整个设计的这个 skill 的 结构和出发的一个条件，可以就是把整个这个输入啊，处理啊，输出啊， prom 的 这个模板啊，自动化流程 给我打包成一个 skill， 然后非常的偏向于 agent 的 一个行为安装位置，这里非常重要，就是你的 skill 希望安装在哪里，那么肯定是选第一个全局的，这样的话呢，你就是在做接下来的一些 ai 工具和一些做一些 ai 项目的时候，都能够反复地去调用你现在生成的这个 skill 灵魂真的是在线了。选了这个 plan mode， 相当于 ai 和你一起去思考 skill 我 应该怎么写，然后去引导的你。中间的过程中的话，你还可以思考一些问题丢给你的 ai， 然后去把你这个 skill 做得更完善一些，关键问题都有了一些答案了， 那么它就会把你这个答案和问题给你总结出来，然后一步一步的去给你去实现和规划。然后第一步需要我配合的是什么？要把我的这个笔记本选择这个相关的内容， 然后全选复制粘贴到这个对话框里面，多次的去粘贴这个笔记的内容，内容越多越完整，生成这个 skill 的 质量就会越多。 做的你做 skill 的 一个流程，一个方式，它哪些场景，具体的你都怎么操作的，完完全全都输入给它，它就会给你生成这个非常结构化的这个 skill， 它告诉你可以多次去粘贴这个笔记的内容，然后内容越多呢，你生成这个 skill 的 质量就会越高， 我并不知道要粘贴哪里，那么这个时候我可以把截图截给他，整个笔记的页面内容是这些，我需要把哪些内容去复制粘贴到你这个对话框里呢？然后呢，我们根据它的这些提示呢，然后把它 需要的这个内容呢，你给它粘过来就可以了。设置完之后，它就会问你整个的 skill 是 否要放在你电脑的这个文件夹下面，这个时候选 yes 正在生成的 skill 的 这个主文件图标里一个选中的一个状态， 然后呢，下面再生成整个这个详细模式的一个参考文件 c q 的 一个样式，然后就出来了啊，两大核心的原则，策略，用户输入的文本策略， 防止幻觉呀啊，检查假设法呀。其实这公式的本质是迭代的一个过程啊，它先生成一个组的文件，下面呢再去生成这个详细模式的一个参考文件，它已经写完了，整个 c q 的 已经生成完毕了，它的文件结构是一个组的 c q。 然后两大原则，七大策略，应用场景， 去打开一个新的 cloud code。 然后呢去说帮我写一个房子幻觉的题词，看看是否有些变化，因为这个 skill 已经写到你的从句里，只要能够提到这个梯子词，刚才说的梯子词幻觉， prompt 等等这些关键词的时候，它都能够触发刚才我去封装的这个 skill。 嗯，结果出来了一个通用的防幻觉的题词模板，基于文档和知识库的一个问答的场景防幻觉。然后他写好了，我去规则一二三说出一个格式，引用回答和执行度使用说明是在这个场景里面啊，做法核心的原则， ok， 搞定，下期呢，继续给大家一起来探讨一下，在做项目上有没有其他更巧妙的一些方法，谢谢大家的收看，然后我们下期再见。
59弦的AI日记
