檢索結果 语法
语法 貼吧
一個關鍵字就是一個貼吧，路徑全站唯一。
用戶
未找到
包含 语法 的搜尋結果
Vim 替代者？微软开源命令行编辑器 Edit 2.0.0 发布，新增语法高亮功能，大小不到 300kB
找到一个练习英语很上头的小网站：Ultra Land - 翻译之战⬇️
核心玩法是实时1v1对战：玩家将外语句子翻译成英语，与全球其他玩家竞争，比拼翻译速度和准确性，谁先正确完成或得分更高谁就获胜。而且如果有语法错误还会给你指正出来，非常贴心，通过这个反复翻译真实句子提升词汇量、语法和反应速度。
顯示更多
在测试我的看板产品，任务: 让 Claude 作诗一首
氛围编程赋
键盘轻敲意未休，
与机共舞写春秋。
不问语法千行苦，
只凭心念一语收。
提示词间藏锦绣，
模型应答如溪流。
Bug 消于谈笑处，
Feature 生于指尖游。
昔日码农灯下苦，
今朝对话即成楼。
人机共创新世界，
氛围编程最风流。
顯示更多
如何无痛学英语？
1. 把 Claude Code 的日常 prompt 全部改成英文，让真实任务本身变成最高质量的英语输入和输出。
2. 每周一次让它回看你的 prompt 历史，专门抓你最高频的语法和表达错误做专项训练。
3. 用 /voice 直接开口说英文 prompt，先练表达和组织速度，再让它帮你改成更自然的表达。
你可以通过 Claude Code ，把每天工作都变成英语训练场。
顯示更多
给大家推荐一个我这两天用着很好的工具，叫做 PicGo。
它解决的痛点是我目前把所有的工作流都放到了 Markdown，然后使用 Cursor 进行编辑。
但 Markdown 有个核心的问题，就是图片的预览显示问题：如果保存在本地再引入路径，整个仓库会很大，最好是保存在云端。
PicGo 的功能非常实用：
1. 你可以配置对应云存储的 bucket。
2. 截图或复制图片后，它会直接上传到你的 bucket。
3. 自动生成 Markdown 语法到你剪贴板，你直接粘贴进去就行了。
真的非常好用！
顯示更多
武汉大学这学校为什么挺魔怔的呢，总是或被动或主动的上新闻头条。我好奇打开了一下它的官网，弹出这个页面，我问AI能看懂这句话吗？它回答说：说实话，光看这个标题，不知道它在说啥。这就是典型的官话套娃——所有词都认识，连起来读不出任何具体信息。它的功能不是传递信息，而是完成一次政治表态的语法练习。罗兰·巴特管这种语言叫"écriture"——一种被仪式化的写作，词语脱离了所指，只剩下身份标记的功能。读者读到这种标题，大脑自动跳过，因为它本来就不是写给人读的，是写给系统看的。这所学校的对外发声系统，已经默认自己的读者不是人，是上级。
顯示更多
在终端里查看 Markdown 文件，直接输出一堆原始标记，想快速预览一下内容不太方便。
于是找到 leaf 这个开源工具，直接在终端里渲染 Markdown，预览效果接近编辑器。
支持实时预览模式，文件保存后自动刷新，还能接收其他命令的输出，比如让 AI 生成的内容直接渲染展示。
GitHub：
内置目录侧边栏、搜索跳转、主题切换，还能渲染 LaTeX 公式和代码语法高亮。
支持打开非 Markdown 文件，代码文件也能带高亮预览。配合实时预览模式，特别适合边写边看的场景。
如果你经常在终端环境下处理 Markdown 文档，或者习惯用 AI 工具生成内容想实时预览效果，可以装个试试。
顯示更多
13 个付费应用 vs 免费替代
很多人知道晚了才后悔。
1. AI 聊天
付费：
免费：
2. 流媒体
付费：
免费：
3. 邮箱
付费：
免费：
4. 图片编辑
付费：
免费：
5. 电影和电视剧
付费：
免费：
6. UI 设计
付费：
免费： Designer）
7. 平面设计
付费：
免费：
8. 音乐流媒体
付费：
免费：
9. 办公软件套件
付费：
免费：
10. 直播电视
付费：
免费：
11. 语法检查
付费：
免费：
12. 音乐
付费：
免费：
13. 游戏
付费：
免费：
顯示更多
马斯克今天宣布收购cursor，openai发布codex新版向开发者倾斜，加上之前的anthropic focus企业用户大科技，GLM变相涨价限制普通用户倾向开发者。。。
这些种种行为说明通过代码生成能力不断提升而实现模型领先甚至agi已经成为了更广泛的市场玩家的共识
这是目前最优训练路径的选择。
相比自然语言，代码具备三个关键优势：
一是强可验证性，能否运行、是否通过测试，都提供了极高质量的反馈信号；
二是天然结构化，语法、逻辑、模块化组合，本质上是对人类思维过程的压缩表达；
三是任务复杂度高，天然包含多步推理、状态管理和调试迭代。这使得模型可以在“写代码—运行—报错—修复”的闭环中持续自我强化，这一点极其接近真正的智能系统。
因此，行业并不是在押注“写代码”这个应用本身，而是在利用代码这个环境，训练模型的推理能力、问题分解能力以及迭代能力。代码只是载体，目标是让模型具备工程师级别的解决问题能力。这也是为什么在传统 scaling law 边际递减的背景下，代码成为新的增长引擎：它提供了更密集、更可靠、更可自动化的训练信号，同时也具备清晰的商业化路径。
但代码并不是终点。它的局限同样明显：完全规则化、缺乏物理约束、偏符号系统。这意味着，仅靠代码路径，很难解决现实世界中的不确定性、噪声和复杂环境问题。
于是杨立坤的第二条路径也收获了不少市场关注：把模型放入“有反馈的现实系统”中。核心不是机器人本身，而是构建一个类似代码环境的闭环——决策、执行、反馈、修正。
这条路径同样具备闭环能力，但在可规模化上受限于物理世界，无法像代码那样高速扩张。但它的价值在于，它更接近真实世界，也更接近AGI所需要的“行动能力”。如果说代码路径训练的是“如何思考”，那么现实闭环路径训练的是“如何行动”。
最终的形态，很可能是两条路径的融合：代码能力提供“思考”，现实闭环提供“行动”，共同构成真正的 agent 系统。这也是当前从“模型”向“系统”的转变核心。AGI的路径很可能会是：先在代码中学会思考，再在现实中学会行动。
顯示更多
