采书大盗 17d ago 总的来说，AI最麻烦的其实是保持一致性的问题，简单理解就是AI可以输进去东西是有限的，你小项目还好，遇到大型或者超大型的项目，AI输入就可能超过阈值，这个时候AI就会压缩上下文，这期间就可能丢东西。所以得想方设法保证一致性。 另外就是尽可能多的给AI信息，给的信息越全，做出来的东西越准。 ♥ 60 ↩ 2
梨树园Paranoia 17d ago 感觉我最想让ai做的事还挺“没志气”的，不是让它搭建程序或者干什么牛逼的事，就是想让它去生图，想看什么ai帮我做[大笑]但能接触到的最浅显的生图ai味太重了，甚至难以起飞，看来必须进一步去学习升级了[哦呼] ♥ 10 ↩ 4
云烟洗飞尘 2d ago 对于我现在的感受来说你给ai读写权限ai查代码和找漏洞的能力是远远超越人类的还有你给ai一个明确的算法和方向他的效率也远超人类只需要进行微调或者使用高级模型去进行测试就能达到很好的效果
BlackNorton 17d ago 2017年，亚马逊创始人杰夫‧贝佐斯（Jeff Bezos）描述了一种围绕缓慢、书面推理建立的会议文化：没有PPT演示文稿，没有项目符号，只有一份通常需要一周时间来撰写的六页叙述性文稿，从头到尾详尽阐述一个产品或项目。 在会议室里，从初级员工到高级领导，所有人都要坐下来安安静静地阅读20到30分钟，然后才开始发言。 贝佐斯表示，这样做的目的是通过写作和阅读来强迫思维保持清晰。薄弱的推理会立刻显现出来，漏洞也无法隐藏在项目符号或精美的幻灯片背后。思考需要时间，这正是核心意义所在。 而生成式人工智能的危险在于，它用一个简单的提示词就颠覆了这种逻辑——并且让你觉得自己的思考变得多余。 然而如今，在整个美国企业界（包括亚马逊的一些部门），员工们越来越面临着使用AI工具来起草备忘录、提案、报告甚至代码的压力。其中的诱因显而易见：更高的生产力、更低的成本，以及更快的产出。 但伴随速度而来的，是代价。 那些曾经在过程中能够磨砺思维的工作，现在正被卸载给AI，而伴随着这种卸载而来的，是自主性的丧失。 使用提示词会让你觉得写作者就是你自己。然而，大部分的结构——框架、选项甚至逻辑——其实都已经被AI系统设定好了。用户虽然可以进行引导，但却是在他们并未定义的边界之内，这不知不觉中将用户的自主权转移到了AI模型上。 两年前，AI只是一个需要你向其输入提示词的工具；而今天，它已经变成了一个会向你反向发送提示的工具，这种转变会让人对自己的想法失去信心。 当AI输出的内容本身开始变得千篇一律时，人们对AI工具的依赖就更难受到性质上的质疑了。 一打同事可能会向同一个AI系统输入相同的提示，并收到结构相似、语言清晰、中性且规范的草案。大家的想法可能会开始趋同——通常在独立判断完全形成之前就已经开始了。哪怕这种一致并非发自内心，同意也开始变得像是一种自然而然的事情。 ♥ 5 ↩ 3
oh♂fu@k 17d ago 我的思路是先开高性能规划写开发计划，再开deepseek这种便宜的猛蹬写代码。最后另起一个对着计划做。最后哪怕不走githud也要本地建仓。因为ai会把你的项目改到完全不能接受的方向，要进行版本控制。 ♥ 3 ↩ 2
Comments
总的来说，AI最麻烦的其实是保持一致性的问题，简单理解就是AI可以输进去东西是有限的，你小项目还好，遇到大型或者超大型的项目，AI输入就可能超过阈值，这个时候AI就会压缩上下文，这期间就可能丢东西。所以得想方设法保证一致性。 另外就是尽可能多的给AI信息，给的信息越全，做出来的东西越准。
♥ 60 ↩ 2
萌新可以试试workbuddy 他有给免费额度和签到额度，足够初步把一些想法搭起来，去实现零突破[doge]
♥ 4
感觉我最想让ai做的事还挺“没志气”的，不是让它搭建程序或者干什么牛逼的事，就是想让它去生图，想看什么ai帮我做[大笑]但能接触到的最浅显的生图ai味太重了，甚至难以起飞，看来必须进一步去学习升级了[哦呼]
♥ 10 ↩ 4
谢谢你，这是我了解ai的唯一途径（bushi
♥ 6
有想法就去实现真好啊
♥ 2
我到现在还是只让ai review我的代码，帮我跑单元测试，或者是拿来分析新项目。现在感觉该试试把ai嵌入工作流了
♥ 4
[2026明日方舟音律联觉昔时我见_记小本本][2026明日方舟音律联觉昔时我见_记小本本][2026明日方舟音律联觉昔时我见_记小本本]前来学习喵
♥ 2
问题有一点，agent接入本地数据库，有泄露风险存在，又返回一起我问它答的模式了
♥ 3 ↩ 2
因为在网页端找不到在哪反馈BUG，就在这反馈一个BUG：在有炎狱炎熔20发电站效率的情况下，炎狱炎熔没有进排班，排了几个15的，炎狱炎熔也没排到控制中枢
♥ 3
跟你的路径差不离，加油，你比我用的深，但对ai的体验感受一样[呲牙]
♥ 1
对于我现在的感受来说你给ai读写权限ai查代码和找漏洞的能力是远远超越人类的还有你给ai一个明确的算法和方向他的效率也远超人类只需要进行微调或者使用高级模型去进行测试就能达到很好的效果
老大 基建排班工具又出问题了 肥鸭换心情怎么给放到最后了[大哭]
♥ 2 ↩ 2
2017年，亚马逊创始人杰夫‧贝佐斯（Jeff Bezos）描述了一种围绕缓慢、书面推理建立的会议文化：没有PPT演示文稿，没有项目符号，只有一份通常需要一周时间来撰写的六页叙述性文稿，从头到尾详尽阐述一个产品或项目。 在会议室里，从初级员工到高级领导，所有人都要坐下来安安静静地阅读20到30分钟，然后才开始发言。 贝佐斯表示，这样做的目的是通过写作和阅读来强迫思维保持清晰。薄弱的推理会立刻显现出来，漏洞也无法隐藏在项目符号或精美的幻灯片背后。思考需要时间，这正是核心意义所在。 而生成式人工智能的危险在于，它用一个简单的提示词就颠覆了这种逻辑——并且让你觉得自己的思考变得多余。 然而如今，在整个美国企业界（包括亚马逊的一些部门），员工们越来越面临着使用AI工具来起草备忘录、提案、报告甚至代码的压力。其中的诱因显而易见：更高的生产力、更低的成本，以及更快的产出。 但伴随速度而来的，是代价。 那些曾经在过程中能够磨砺思维的工作，现在正被卸载给AI，而伴随着这种卸载而来的，是自主性的丧失。 使用提示词会让你觉得写作者就是你自己。然而，大部分的结构——框架、选项甚至逻辑——其实都已经被AI系统设定好了。用户虽然可以进行引导，但却是在他们并未定义的边界之内，这不知不觉中将用户的自主权转移到了AI模型上。 两年前，AI只是一个需要你向其输入提示词的工具；而今天，它已经变成了一个会向你反向发送提示的工具，这种转变会让人对自己的想法失去信心。 当AI输出的内容本身开始变得千篇一律时，人们对AI工具的依赖就更难受到性质上的质疑了。 一打同事可能会向同一个AI系统输入相同的提示，并收到结构相似、语言清晰、中性且规范的草案。大家的想法可能会开始趋同——通常在独立判断完全形成之前就已经开始了。哪怕这种一致并非发自内心，同意也开始变得像是一种自然而然的事情。
♥ 5 ↩ 3
我的思路是先开高性能规划写开发计划，再开deepseek这种便宜的猛蹬写代码。最后另起一个对着计划做。最后哪怕不走githud也要本地建仓。因为ai会把你的项目改到完全不能接受的方向，要进行版本控制。
♥ 3 ↩ 2
为了8%效率精二一个M3和7%赤金精二个薇薇安娜值吗
♥ 2 ↩ 3
上个月才开始玩粥，最近也在学agent准备转岗，巧了不是[笑哭]
♥ 1
学习[孤独摇滚!剧场总集篇_学习]
♥ 2
强强[2024明日方舟音律联觉_点赞]
谢谢你，这是我了解ai的唯一途径（bushi[doge]
♥ 1
在知识库那块，up 采用的是传统的目录检索方式，那么 up 有没有试过向量检索呢，甚至可以试试混合两种检索方式，一起把检索到的知识交给 ai
♥ 1 ↩ 1