只有六十五行代码，就在一个月内狂揽十万 star！ 记住这个叫安卓 python skills 的 项目， ai 圈大佬安卓 moose 今年一月份公开吐槽，他说自己的 ai 编程助手有许多臭毛病，喜欢瞎写需求，闷头狂写一百行能搞定的事情，偏要整出一千行，还顺手把你原本的内容改的面目全非。 这段吐槽一发出来，该开源项目的作者 forrest 直接在第二天就甩出一份解决方案，提炼成了一份六十五行的括号写成 b 的 文件。这份规则文件主要对括号进行了四个约束，一是想清楚再写，不懂就提问，不要瞎猜。二是极简至上， 争取用最少的代码解决问题。三是精准修改，绝对不要碰要求之外的代码。第四是目标导向，先写测试，用力再跑通，不要靠嘴说，用法非常简单，直接把这个 qld 文件拷贝到你项目的根目录就可以了，赶紧试试吧！
粉丝1.2万获赞8.8万
相关视频
03:16查看AI文稿AI文稿openai 前首席科学家卡帕西上周发了一条推特，看到推特这一刻，我感觉我这两年用 ai 的 方式可能都错了。我 试了下他推文里面提到的办法， ai 润色文章的能力立刻翻倍了。接下来我就把这七个提示词告诉给大家，如何通过卡帕西的方式召唤各路专家来帮我们修改文章。直接复制保存。第一步，先把你的指引，也就是背景信息告诉 ai。 输入下面这段话，这是我的文本，然后把你的原文贴到这发布位置，比如是部门内部的通知目标读者，比如是部门全体员工。然后提醒 ai 必须保留的关键词和术语，有什么不能改动的，事实有什么 一定要写出这句话能避免 ai 幻觉。禁止编造数据或引用，如需数据，请标注数据来源。第二步，基础校对以及优化流畅度。这条提示词起到基础的作用，提示词用来找出基础错误并修正， 让文章读起来更顺畅。输入下面这段话，你是自身的中文编辑，请在不改变事实的前提下，修正语法错别字标点，改顺读起来别扭的句子， 统一术语和代词代指。第三步就是精简清晰文章内容。下面这个提示词很关键，用来提高文章的信息密度，减 减少废话，突出核心观点。输入下面这段话，你是专业科普文案的编辑，目标是让文章简洁清晰，信息密度更高。删除重复与套话，长句拆短句，保留关键的结论和必要前提。 输出 a。 修改后的版本。 b。 用五条以内的观点列出你删掉或合并的要点，并解释原因。第四步是检查结构和逻辑，逻辑严密，环环相扣才会是篇好文章。输入下面这段话，你是逻辑严谨的科普导师，请检查一、观点、论据、结论是否闭环。二、 段落顺序是否合理。三、哪里需要过渡句？输出 a、 推荐的大纲 b、 按新大纲重排后的正文。第五步呢，是语气和风格，主要是为了对齐人群，公司层面的通知和演讲稿，那肯定不该使同一种语气嘛。 输入下面这段话，把文章分别改成两种版本。举例子啊，面向小白的通俗版和面向从业者的专业版，要求术语一致，事实不变。每段开头用一句话点题， 不要堆形容词。输出两版权威，请注意使用词符合目标读者的阅读习惯，这个时候如果你的目标读者是其他人，你就把其他群体写在这。第六步的作用非常关键，是用来减少 ai 幻觉。输入下面这段话， 你是严谨的科普作者，让文章更具有说服力，但禁止编造一、把结论写得更明确。二、为每个关键结论补证据类型，比如数据研究、常识推理或者案例。 三、如果缺证据用，需补充来源标注并给出应查的关键词。输出 a、 强化后的正文 b、 证据清单。刚才这个非常关键啊，能减少 ai 的 幻觉，现在 ai 处幻觉非常非常多。最后一步是模拟读者的忠言，请扮演一位不懂 ai 技术的读者，告诉我哪段没看懂。二、哪句话像空话。三、最打动我的一句是什么？四、我看完之后会不会采取行动？为什么？ 好了，通过以上七步，你就能让 ai 帮你深度润色并输出一份儿你想要的好文章。我是拉斐尔，这是 ai 信息评权的第三集，咱们下次见。
8.9万拉斐尔2077
00:38查看AI文稿AI文稿一个点 m d 文件三天登顶，对他榜首，狂揽十万星标，开发者集体抄作业， sell a lot man 爆火全网重塑 ai 编程逻辑，四条核心规则，浓缩顶尖 工程师思维，专治 ai 乱改过度开发。作者是 multika 创始人兼 ceo john john 把 capacity 的 这些观察提炼成了一份不到七十行的 cloud 点 m d 规则文件，公司代码百分之一百由 ai 编写 文件，无需配置，直接使用。短时间狂揽数万星标， ai 编程的差距早已不在模型，而在标准化规则与高效工作流。
2725牛码架构
03:17查看AI文稿AI文稿今天我们聊一个最近在技术圈很多从业者感到焦虑，但是也很感到兴奋的消息，那就是 ai 编程领域的关键人物卡萨斯，他最最近宣布啊，他一年前带火的 why coding 氛围编程已经终结了，另外一个叫 agent engineering， 智能体工程新时代开始了。 首先我们来看一下什么是 why coding， 简单来说，就是你用说话的方式告诉 ai， 你 想要什么功能， ai 就 把代码写出来， 你更像是一个提出需求和验收的人，不需要深究代码的细节。那这种方式在过去一年呢，降低了，大大的降低了门槛。但是卡巴西说这个阶段结束了，朋友们，因为呢，他已经变成了一个基础的认知。 更重要的是，他提出了一个更深刻的概念，智能体工程。这不仅仅是名字的改变，将不再直接写代码，而是去指挥和协助多个 多个 ai 智能体，让他们协同完成复杂的工程任务。这里的关键是工程这两个字，它意味着什么？这件事情不再是靠运气或者感觉。如果你缺乏系统架构的能力，那你只会让 ai 生成代码，就像是抽卡赌博一样， 结果充满了随机性，堆积出来可能是没有办法维护的代码。三、相反，一个懂系统设置、有架构思维的人，他能够清晰地定义边界和规则，引导 ai 智能体走向一个稳固和扩展的架构。这种能力带来的 可能是十倍以上的效率提升。所以从 ycd 到智能体工程，本质上是使用工具到领导团队的转变。你从一个写代码的工人变成了智能体团队的架构师和指挥官，这就会导致几个非常实在的结果发生，第一， 程序员的工作内容会彻底的改变，未来的核心能力是精准的定义问题的能力，拆解复杂任务的能力以及做出关键架构决策的能力。支撑的工程师的价值会被放大。 第二个是开发的速度和规模会进入一个新的维度。卡帕斯有一个重要的预测哈，他认为，到二零二六年，我们将会看到模型底层能力的进步与智能体框架的承受。这两者产生的成机效应意味着一个人如果掌握了智能体工程的方法， 个人就有可能像管理一个人的公式一样，高效的指挥一个庞大的 ai 智能体团队去干活。 一人公司或者说是超级个体，将从一个概念变成可能实实现的现实。第三，也就是最大的挑战，可能性和可控性。如何确保自主的 ai 走上正轨，这需要全新的工程方法和工具。 卡巴西的这一个宣告正是描述一个正在加速到来的现实， ai 已经从提高效率的工具演变成为了承担核心工作的新型生产力。这对于我们每个人来说，理解这种变化非常有必要， 它预示着一个未来与 ai 协同工作的能力比单纯使用某种工具的能力更重要。所以，朋友们，我们一起来迎接新时代吧，下期再见！
268TB製
07:39181大模型技术研习社
01:01查看AI文稿AI文稿这是一个可以让你的克拉的 code 变得更好用的开源项目，它的名字叫做 android capacity skills， 短短一个月就涨到了十万 star。 但离谱的是，这个开源项目只有一个六十五行的 markdown 文件，为什么这么短的内容却有这么大的影响力呢？ 首先，该项目来源于 ai 大 神， ai 编程助手写代码，但发现这些模型都有几个臭毛病，喜欢瞎写需求，闷头狂写一百行能搞定的事情，偏要整出一千行，还顺手把你原本的代码改的面目全非。 段吐槽一发出来，就有一个叫做 forest 创的老歌，也就是该开源项目的作者，执行力直接拉满。第二天就把这些痛点的解决方案提炼成了一份六十五行的 cloud 点 m d 的 文件。这份规则文件主要对 cloud 进行了四个约束，一是想清楚再写，不懂就提问，不要瞎猜。二是极简至上，争取用最少的代码解决问题。三是精准修改， 绝对不要碰要求之外的代码。第四是目标导向，先写测试，用力再跑通，不要靠嘴说。修好了，用法非常简单，直接把这个 cloud 点 m g 文件拷贝到你项目的根目录就可以了，赶紧试试吧！
5.2万我是阿众
03:20查看AI文稿AI文稿别再只说 web coding 了，在 training data 最新一期访谈里， carpathi 其实抛了一个更关键的词， energetic engineering。 这不是换个新名词，它背后真正指向的是程序员和代码的关系正在变。 carpathi 说，大概从去年十二月左右开始，它明显感觉 ai coding 发生了质变。 以前你让 ai 写代码，经常是它写一段，你修一段，它生成一个方案，你补一堆细节，它能帮忙，但你得一直盯着。但现在，很多代码块已经可以直接出来，而且越来越不用改。注意，这里的重点不是 ai 写代码更快了， 而是开发方式变了。过去你是在亲手写代码，现在你越来越像是在描述目标组织上下文，拆解任务，然后监督一个 agent tally work floor 往前跑。这就是为什么 carpathi 说， web coding 可能不够准确了。 web coding 更像什么？ 更像你有个想法，跟 ai 说一说，让它快速做个 demo， 小 工具原型，它很爽，也很有生产力。但 agent engineering 不 一样，它强调的是工程。你不是把任务随便丢给 ai， 然后祈祷它别跑偏。你要设计规格，提供上下文，拆任务，设边界，做验证，最后还要验收结果。 也就是说，程序员的价值不是消失了，而是从写每一行代码转向设计。 ai 如何完成工程任务。这就引出 karpathy 更大的框架， software 三点零。 software 一 点零是传统代码 人写规则，用 python、 c 加加 javascript， 告诉计算机每一步怎么做。 software 二点零是神经网络，你不再手写规则， 而是用数据训练模型，让模型自己学出行为。那 software 三点零是什么？是通过 prompt 和 context window 编程。也就是说，你控制系统的方式不只是写代码， 也不只是训练权重，而是组织上下文。你给模型、什么目标、什么资料、什么约束、什么工具、什么验证标准，它就会在这个上下文里执行任务。所以这件事真正重要的地方 不是 cursor、 cloud code、 codex 哪个更强，这些只是工具层更大的变化是编程这个动作本身，正在从写代码变成设计上下文和工作流。未来的软件工程师可能会少写一点薄了 play， 少做一点机械实现，但会更多地做这些事，定义问题、 拆解任务、编排 agent、 审查代码设计、测试验证结果、控制风险。这也是为什么我觉得 agnatic engineering 比 web coding 更重要。 web coding 是 我和 ai 凭感觉把东西做出来。 agnatic engineering 是 我把 ai 当成工程系统的一部分来编排，前者适合 demo， 后者才真正接近生产。所以如果只留一句结论，我会说， carpathi。 这次真正提醒我们的不是 ai coding 又变强了，而是软件开发正在进入 software 三点零。代码不再只是人一行行写出来的东西，而是模型能力、上下文、窗口、工具调用、人类判断和验证机制共同组成的系统。未来真正值钱的程序员，可能不是最会手写代码的人， 而是最会定义问题、组织上下文、编排 agent 验证结果的人。你觉得未来的软件工程师还会主要是 coder 吗？还是会变成一种新的角色？ energetic engineer 评论区聊聊？关注我，下期继续带你拆。
1532Frank的Agent实验室
01:35查看AI文稿AI文稿这是我花了三天时间，把卡巴斯基大神这三年分享了所有做出来的十五个 skill。 入职 and property 之后，他自己的 ai 教育 ulab 都所推了，所以我很担心 ai 领域从此少了一位能够带人入门的大神了。 我想要把它的方法论留下来，像经典的 l m v t 教你怎么把不过的东西沉淀成为自己的个人知识库。还有这个 agent engineering， 教你怎么从自己写代码到指挥 agent 去干活。这个 l m simulator 教你怎么样 ai 跟你去辩论，而不是只会去附和你。 剩下的我都已经整理好了，那开发这十五个 skill， 我 只花了九块钱不到四十二，轮迭贷款成功，命中率达到了九十七点七，比我用 coco 的 百分之二十，用 open cup 的 百分之五十左右。我来教大家怎么用再任意一个 agent， 用这样一个提示语，这十五个 skill 就 会成为四个工作流，代码开发、 内容创作、 头脑风暴以及技能自残。 那 use q 的 好处就是，它相当于把一大堆我们要讲的背景压缩成为了一个可以稳定副线的动作的入口。我们不需要每一次都跟我们自己的模型说。哇哇哇，把这开 boss 这三年做过的所有东西都塞给他， 你学会了吗？我的天呐，这里还有更多 ai 玩法。
634卡尔的AI沃茨
00:32查看AI文稿AI文稿这是一个用于改进 cloud code 编码思维的 skills， 短时间内吸引了超十三万人疯狂收藏你用一千行代码写的需求，他或许只需简单的一百行即可解决。严格遵循四大核心行为准则，在写任何代码前，必须先明确表述自己的假设，展示对问题的多种理解， 并主动提出疑问，用最小、最直接的代码解决问题，从而有效减少百分之八十的始删代码。同时，修改范围也做了限制，只改动完成任务所必需的文件和代码行，确保每一步操作都要有明确目标，而不是为了写代码而写代码。
284茄子懂编程🙈
04:47查看AI文稿AI文稿你有没有这种发现， ai 给你的回答越来越长，但是你越来越没有耐心去看。 open ai 的 联合创始人，硅谷 ai 圈的头牌 androidcapac 也发现了这个问题，他在十小时前提出了一个反直觉的解法，别让 ai 输出 markdown 格式了， 而是让它输出 html 格式。这个解法刚提出，就在 ai 圈引爆了这个视频。我们就来讲一下，为什么要用 html 格式，它比 markdown 格式呢？到底好在哪里？同时呢，它又有哪些缺陷或者说要注意的地方？ 在过去两年， markdown 几乎成为了 ai 输出的唯一格式。 cloud 叉 j p cursor， 清一色的加粗标题列表代码块，没有人质疑过这件事情，直到 teraik， 也就是 cloud code 团队的成员。前两天他说了一句比较刺耳的话，我发现我几乎不会读完超过一百行的 阿克当文件，我也没有办法让组织里的其他人去读它。这句话你有没有共鸣？它杀伤力就在于，如果 ai 的 输出你根本就不读，那么 ai 帮你想清楚了，和 ai 没有想 有什么区别呢？紧接着， androidcapac 就 在这个话题下面，它的回答拿到了一万多的高赞。它的核心逻辑就是，音频是人类给 ai 输入的最佳方式，但视觉，比如说图片、动画、视频， 还是 ai 给人类输出的最佳方式。人类大脑的三分之一是一个大规模并行处理器，专门负责视觉，它是信息进入大脑的十车道高速公路。 然后呢， compass 画了一条眼镜的路径。第一个，纯文本，这个呢，读起来非常费劲，一开始就被淘汰了。第二个呢，就是 markdown 加粗标题，表格稍微好一些，也是目前的共识。第三个就是 html 图形布局，交互非常灵活，这个正在成为硅谷的新共识。 那么第四个呢，就是交互式的神经视频模拟。 capacitor 认为呢，终极形态就是 de force 模型，直接生成可交互的视频。但是在这之前，当前最值得做的事情就是让 ai 输出 html。 那 为什么 html 能够碾压 markdown 呢？ 四个字啊？信息密度 cloud code 工程师 taurik 给出了非常具体的对比。首先， markdown 能做什么？ 标题的层级加粗列表，表格代码块遇到复杂信息怎么办呢？用 siski 画图，那更惨的是用 unico 的 字母来估算颜色。那 html 能做什么呢？表格？ svg 的 图标， css 的 布局，交互的这种可点击控件，动画画布，或者相对的定位。几乎所有你能想到的信息表达方式， html 呢，都能高效地呈现， 那这已经不是审美偏好的问题了，而是信息传递效率的问题。同一份技术方案，你写成两百行的 markdown， 那 你大概是匆匆扫眼前二十行，然后就关掉了。那如果做成一个 html 页面呢？带 tab 分 页的，带流程图的，带交互式的， mark up 的， 你会认真地看完美一个细节。那更进一步呢？ terry 展示了一系列可交互的 html 工作流。第一个就是方案的探索，让 cloud 生成六种不同设计方案，用网格排列在一个 html 页面里面， 直接对比取舍。第二呢是代码审查行内注式，按严重程度标色，比 git 默认的 diff 更清晰。第三个拖拽排列，三十个代办事项做成看板， 拖拽完成之后呢，一键复制位进 prompt， 第四个参数调优，把方案做成动画原型，然后加滑块调参数，你很直观地看到结果，调好之后直接 copy 这个配置好。这里有个关键的设计模式，就是每一个 htm 页面 都以一个 copy 或者导出按钮结尾，把你调整好的结果复制成 prompt 喂给 ai。 terry 提到非常关键的一点，就是说他开始害怕每一件事情，因为已经不再深入阅读 ai 的 计划文档了。 实际上呢，是在让 cloud 自己做了决定，但是用了 h t m 之后，他感觉到自己重新回到了决策圈里面。这就是核心的问题所在， ai 能力越强，输出越长，人类呢，越容易跳过误读，误读呢，就等于放弃了决策权。 markdown 的 够用，正在制造一种隐蔽的认知外包。 而 html 呢，不仅仅是说更好看的，而是一种让人类重新审视真正参与的媒体。 ok， 那 具体怎么开始呢？ tabasa 的 建议呢，异常的简单，就是在每次提问末尾加这么一句提示词， structure your respond as html。 然后呢，浏览器打开。 最后呢，讲一个反直觉的一个真相，就是 h t m l 生成比 mac down 呢要慢两到四倍， token 消耗也更多，但是多花这些 token 和时间是值得的，远低于你没读就跳过所造成的潜在的损失。 这就是 compass 所说的视觉是十车道，文本是单车道，那你选哪条路，取决于你想不想让信息真正到达你的大脑。
559清华鑫哥讲AI智能体
06:46查看AI文稿AI文稿你知道现在 github 上升最快最火爆的项目是什么吗？它狂揽了三万七千单，但里面却没有一行代码，没有 python， 没有用 js， 而是纯靠自然语言英语写成的。 五年以前， ai 大 神 andry capace 所说的 the hottest new programming language is english。 随着这个项目 github 的 登顶已成为现实。 这个项目就是 android capacity skills， 它不需要你安装任何复杂的环境，仅仅是花十分钟读完它的 readme， 就 能瞬间打通一对 web coding 的 任督二脉，让 ai 生成的代码的质量发生质的飞跃。 为了让小伙伴们相信这个项目的含金量，先介绍一下 capacity 在 ai 圈的江湖地位。 安德瑞 capacity 可谓是当今 ai 领域出身玄门正宗又愿意普世度人的大神，是斯坦福大学计算机视觉博士，博士生导师是李菲菲，本科曾师从机学习之父 jeffrey helinten tapas 是 open ai 早期的核心成员之一，后面在特斯拉担任 ai 负责人。他不仅学历、职业履历非常夸张，而他出圈成为大神最重要的在于他的科普讲解非常通俗易懂。 他的 youtube 教学视频和 x 推文是当今学习大模型最重要的地方之一，是没有任何从业者会忽略的武功秘籍。 compassion 大 神大力强调 web coding 的 能力，他在三年前还在 open ai chat gpt 刚发布的时候就置顶的推文是 hottest new programming language is english。 而这个项目 将卡帕西在今年一月份关于 web coding 的 洞察总结文 skill 包住大家更高质量的 web coding。 现在就让我们一起来看看这个项目，用 web coding 带来笑容，相信你只要有过上百小时 web coding 的 经验，就会发现 web coding 有 三个典型的问题。 第一个盲目假设模型，自作主张，在你没有确认的情况下拆了一个实现方式，然后一路走到黑，直到跑不通，才发现最初的假设根本就是错的。 第二个是过度复杂，模型喜欢加抽象层，喜欢预判未来，喜欢写万一以后要扩展了怎么办的代码，一行能解决的，他却会写十行。 第三个是改动不该改的，本来只想改个 bug， 但是它会顺便优化旁边的三个函数，还对柱式进行的修改，然后在地府里面多了一堆不想要的变化。针对这三个典型的问题和为了充分的利用 ai 的 杠杆， compass 提出了 web coding 四大原则， think before coding ai 没有充分理解问题，或者是需求模糊的时候就停下来问，而不是拆了之后去快速实现暴露权衡，而不是隐藏困惑。 capacity first， 用最少的代码解决当前的需求，不要过度抽象，不要实现没有要求的功能。 google change， 只改动和需求相关的必要代码，不要顺手改变其他东西。 以上三个原则是针对 webcoder 典型的三个困境，而下面一个原则则是为了充分地利用 ai 的 能力。我们发现如果对结果定义清晰， ai 就 能自动地测试结果，然后去迭代改进方案，直到结果良好。 因此我们有了以下原则，都追问 execution， 先定义好足够好的结果是什么样子，再让 ai 开始写代码，写测试验证，直到通过为止。其实上面的四个原则都是 web coding 的 常识， 我相信有经验的小伙伴们也会在自己的 cloud 点 md 中有自己的版本，但真理往往是大到质检的项目的作者将四个原则放到了 cloud 点 md 中，我们可以一起来看一下。 对于 skill 文件，我们也可以一起来看一下，这完完全全是对上面四个概念的描述吗？这个项目全部的内容就在这里了， github 现在最流行的项目有着三万七千颗星的项目就这样完成了。 我们来复盘一下这个项目，通过这个项目，我们学习到了在 web coding 中，为了保证代码质量，最重要的四个原则，并且可以通过项目将这些原则固化到我们的 cloud 点 md 中或者 skill 中，免得我们反复输入相同的提示词。但 这样简单的项目，没有任何代码就可以火成这个样子吗？对，大人，时代变了， 现在爆火的项目就这样。我归类一下这个项目爆火的原因。一、这个项目非常简单，非常符合常识，只要有 web 编码经验的人就能一下知道，这些提示词确确实实会有效果，用户的理解成本非常低， 安装和使用非常容易，一个 cloud 点 md 或者 skill 文件就可以了。二、 现在 web coding 已经广泛流行了，进入了生产环境，非常多的生产级代码都是 web coding 生成的，因此对 web coding 生成的代码质量有了更高的要求。 如果只是做一个 demo 或者进行简单的需求实现，其实这些原则和提示词都是用不上的，直接用 cloud code 或者加一个 superpower 就 行了。 三、 agent skill 的 火热带火了这个项目，我们可以看一下这个项目 star 变化的曲线，这个项目二月份就有了，在四月份之后， star 有 了明显的变化，而这个事件节点刚好是由于小龙虾的爆发带火了 agent skill 的 爆发。 这个 github star 增速最快的项目，已经向我们证明了 skill 时代已经来了。当前时代的聚焦就是 agent skill， 或者说是将方法论、业务、 sop 融入到 ai 的 工作流之中， 二零二六年的职场一定会被 ai 深度改变。这里是 echo d m。 如果你觉得这期分享对你有启发，欢迎点赞收藏分享关注，即便偶不变符号看象限，下期再见！
1498echoDM
01:49查看AI文稿AI文稿carpathi 最新一条推文炸了，一万四千赞，两万一千收藏。他说最近的投坑消耗方向变了，从写代码变成了管理知识。他搭了一套个人知识库系统，核心思路就六个字，收集、编域、查询。第一步，收集 论文文章。 gitlab 仓库数据集截图全丢进一个。若目录网页用 obsidian webclipper 插件一键转成 markdown， 图片也一起下载到本地。第二部编译， 让 l l m。 增量地把 raw 目录翻译成一个 wiki， 不是 简单的山药，它会提取概念、写独立文章、建分类目录、加反向链接，形成一张知识网络。前端用 opc 电流了，但重点是， wiki 里的每一个字都是 l l m 写的，它自己几乎不手动编辑。第三步，查询。 当 wiki 积累到大约一百篇文章四十万字的时候，事情变得有趣了。你可以直接问 l l m 复杂的研究问题，他会自己去 wiki 里翻资料，交叉引用组织答案。他说，本来以为要上 l l m 自己维护的锁影文件和摘要就够用了。 在这个几十万字的规模下，不需要花哨的基础设施输出，也不是纯文本聊天，而是 markdown 文档。 mark 格式的混帧图表，全部在 opc 店里直接渲染查看。最精妙的一步， 好的查询结果会被归党回危体。知识库越用越厚，你的每一次提问和探索，都在给这个知识库做增量贡献。他还让 l l m 定期跑健康检查、 找数据矛盾、补缺失信息，发现概念之间的新连接，甚至自己 v i p o。 的 一个小型搜索引擎，既能自己在网页上搜，也能给 l l m 当 c l i 工具调用更远的方向，他在想用合成数据加微调，把知识直接写进模型权重，而不是只靠上下文窗口。最后他说 这里面藏着一个巨大的产品机会，现在全是脚本拼凑出来的，如果有人做成一个完整的产品会非常强。
968夜蝶
04:20查看AI文稿AI文稿github 上面一个仅仅六十五行文字的 md 文档，耗取了一百零七点七 k star 的 skill， 其实这个 skill 很 简单，它就是一个单一的 cloud cloud md 文件，然后它是呃，基于卡帕西经常在推特上的吐槽，然后一个人把它整理成了这样一个六十五行大概六十多行文件的一个 md 文档吧。 它其实就是相当于卡巴斯基的编码指南。然后它的问题所在就是我们在模型在编码的时候，它其实是会代替我们做错误的假设的，然后它是不管理自身的困惑，然后也遇到问题，也不会寻求我们的澄清。然后，呃，而且 agent 呢，会喜欢把那个代码和 api 搞复杂，它会堆砌抽象的概念，不理清代码明明一百行的事情，它可能非要实现成一一千行的应用的代码。 然后第三点就是他仍然会改动和删除自己理解不足的代码或注注示，就会造成一些呃，他自身内容和任务无关，然后这是他解决的核心问题，我们看一下呃，其实主要就四大原则，就是编码前思考，简洁优先以及精确修改和目标驱动。 下面逐一来说一下这四个点。第一个点就是编码前思考，他会有不要这样做和应该这样做，不要这样做的话就是不要默默执行一种解释，然后执行不确定的猜测， f 学问，然后困惑着继续前进， f 停下来，这些都是不希望他去做的，然后应该做的就是需要他去明确假设，然后给我们呈现多种的解释，有歧义的时候不要默默选择，要询问我们，然后遇到意义问题的时候需要跟我们进行确认，困惑的时候也需要进行停下，这是编码前思考的第一点，第一点，然后第二点就是简洁优先， 就是他应该是用最少的代码来解决问题，如果两百行可以写成五十行，那就是需要写写先写成五十行，然后他有个检验标准，就是会让那个呃大毛仪去问问自己就资深工程师这样会去做什么？就是给他一个相当于明确的角色吗？然后如果资深工程师是这样做的话，那就让他去简化。对 三点的话就是精准的修改，就是他需要呃，只需要修改他呃核心的相关部分，如果无关的 stan 呢？ stan 码的话，他是提一下，并不是要他去操作他能力范围之外的一些东西啊，他就是只 嗯不要重构没坏的东西和删除无关的 stan 码。他每一行的修改都应该能直接追溯到我们自己给他的命令或者请求，这是他精准修改。 第四点的话就是需要目标去驱动执行，就是我们要给他一个成功的标准，让他能够独立的循环去执行，而不是那种弱的标准，让他工作或者让他干嘛干嘛。我们需要给他一个明确非常明确的指令，让他有一个关键的目标去驱动。 然后关于多步骤执行的话，其实就是让他去说明一下，简短的计划就先说明再执行嘛。 对，就是步骤一去验证检查，步骤二也去验证检查一下这个 skill 是 如何触发的吗？其实，呃，我们安装的所有 skill 前期为了防止 token 的 过度消耗，其实它只会把这个 skill 的 description 里面的内容给它传给大模型，大模型在呃遇到我们的提到的关键词的时候，它会去和 这个 description 里面的一些字端进行匹配，如果匹配到的话才会去自动调用这个 skill。 所以 它关键的点就是你的 description 越精准，它触发可能越准确。如果你 description 稍微描呃模糊一点，它可能就会误触发或者不触发。那如何避免这个问题呢？其实我们就是 可以把它的六十五行文字直接复制到我们的 cloud md 文档里面，这个文档就是可以直接全职生效，而且它是相当于系统提示词，每次每个绘画它都会去 呃读取这个系统提示词来保证这个 skill， 它是可以帮我们去稳定的执行，但这个 skill 确实很重要，才去到写到 cloud md 里面，因为 cloud md 文档如果过长的话，它也会呃不会全读，最最主要就是读前面的两百行到三百行，如果过长的话，它可能会漏读啊，以及出现一些呃读写的不准不准确的一些东西。对， 然后核心洞察的话，就是大鹏他非常擅长执行这个循环执行，直到达成特定的一些东西。对，然后他该做什么，应该给他成功的标准。 对，就是我们要有，相当于我们就是大模型，就是我们的员工，我们就是产品经理，我们虽然不知道代码，代码怎么写的，但是我们要明确告诉他，我们要的成功的标准是什么，结果是什么。 对，我们要把标准明确的告诉他，然后这些就是判断生效的一些标准，比如干净整洁的 p p r， 然后澄清澄清问题，在实现之前就应该提出向我们确认啊这种，然后重写的减少呀，不必要的改动会更少。 对，这这就是四点原则。然后这个 md 文档我觉得还很重要，那大家如果去下载的话，其实，呃，如果需要的话，我可以把它写成 m 那 个非书文档，大家只要复制一下放到自己的 cloud md 文档里面就可以了。
435马斯洛AI智能体
