我现在是一遍一遍地重构。刚完成一次大重构，不停机连续跑了三天多。😂
AI 自己写代码，起步都很爽，写到最后就把自己逼到死胡同，开始到处打补丁，最后连补丁都打不上。
好在重构也是 AI 干。哈哈。
顯示更多
像我这样费尽心思一个 bit 一个 bit 去优化软件，而且代码行数经常越写越少的程序员大概快绝迹了
哈哈，worktree 要配合 cow 和自动回收才爽。我现在用 boxsh 开 worktree，干净会话工作区会话关闭五分钟自动回收，恢复会话再 boxsh 秒开出来。
不过状态管理复杂很多，服务器上用起来才划算。个人电脑完全没必要。
顯示更多
我是能不用worktree就不用worktree，要么不同任务用branch分支，要么就直接同一个分支多任务，一般不太用担心冲突，首先只要任务类型不一样冲突可能性较小。
另外现在 Harness 比如说 Claude Code、Codex 都很聪明，遇到冲突会等另一个执行完。
使用 worktree 主要是在做耗时较长的 PoC 场景，只是验证一下，同时要做其他任务，完了就删除目录。
顯示更多
我就转一下评论
去猪八戒（
分享一个真实案例：
有个中文系朋友在猪八戒接了4单策划案，共到手1万
她没有任何技术背景，就用了这三步：
第一步：在猪八戒找 "AI策划/内容方案" 的需求，报价比市场低20%。
第二步：拿到需求文档，扔给Claude + DeepSeek，让它按"目标用户+痛点+执行路径"结构输出初稿。
Prompt模板：「你是一名有10年经验的品牌策划，以下是客户需求：[粘贴需求]，请输出一份3000字的完整策划案，包含执行步骤和预算参考。」
第三步：花30分钟加入自己的观察和行业数据，修改语气，交付。
全程不用写代码，不用懂算法。
每单花2-3小时就搞定了
如果你是在校学生，完全可以通过这个积攒自己的经验，好给未来工作铺垫。
顯示更多
我现在开始用 playwright ＋ ai 写软件使用手册。方法是：
一、定义手册覆盖的典型事务
二、使用 playwright 编写每个事务的全流程测试脚本
三、根据手册需要在适当位置自动截图，必要是自动加标记
四、ai 编写手册并插入截图
这样做，既保证主要事务全流程测试覆盖，又确保手册内容与软件随时同步。
顯示更多
开始慢慢取关 ai 发推的账号。
我觉得在评论里 ai 一下，我还能忍，为了流量，挺不容易，我能理解，大不了不看。
但是主推 ai，占了那么大一块时间线，打开以看满嘴沙子，实在受不了。这么起号，既对不起粉丝，还跌份，何必呢？
顯示更多
人有多大胆，code 有多大产。
俺有一个老板朋友，也不懂 Rust，最近让 Codex 用 Rust 重写了 DuckDB，然后据他说上了自己的生产环境。胆儿这么肥，我大为震撼。 BTW 它还用 Rust 重写了 Kafka 和 Neo4j。给我的观感就是大猩猩拿着机关枪疯狂扫射。 Repo ➡️
顯示更多
这个话题很有趣。git 的工作流用于处理慢速并发是够用的。但是多 agent 的时候，一个不留神，分叉就十万八千里了，到时候再合并就比较费劲。
不过毕竟 agent 还不是个意识主体，我觉得还可以归于善意共识。
顯示更多
一个特别有趣的事情是用分布式领域经典的 CAP 不可能三角去看 git 和 agent team 作为分布式系统的协作模型。
Git 和 CRDT 都是保证 AP 放弃了 C，意味着允许断网期间不同副本状态分叉。
而 agent team 的难点在于多节点如何对同一决策达成一致。这里 Raft 是经典的共识算法，它意味着保证 CP 放弃了 A，即当系统无法确认某个节点仍与权威多数派保持一致时，宁可拒绝它处理请求，也不允许它独立产生新的权威状态。
但标准 Raft 仍然解决不了系统中可能存在恶意或被提示注入的坏 agent 节点的情况，这也就是所谓的拜占庭问题。换句话说，Raft 无法验证 agent 有没有说真话。
所以感觉肯定多少会有拜占庭问题，但还不属于现在主流产品的 major concern 吧。
顯示更多
社区都在呼唤 35b-a3b，qwen 貌似在这个方向上卡住了。
📢Meet Qwen3.8-Max — our most capable model to date.
Next week, the open weights of Qwen3.8-Max will be released, and Qwen3.8-27B is also going open-weights to meet you all!🎉
Qwen3.8-Max, a new bar for coding and cowork at 2.4T parameters:
- Autonomous coding: 10+ days of self-evolving development, from empty folder to production without hand-holding, complete project trace in the GitHub：
- Real work, real results: Production-quality deliverables across hundreds of professions.
- Long-horizon mastery: System-level autonomous planning with closed-loop adaptive learning, driving 500+ turns of chip design optimization and 365 days of e-commerce strategy.
- Native multimodal intelligence: Vision isn't just input — it's a continuous feedback loop for planning, execution, and self-correction.
💰Pricing:
Input: $2.0 / M tokens
Output: $6.0 / M tokens
Implicit Caching: $0.25 / M tokens
Start building with Qwen3.8-Max! 🚀
📖 Blog:
✅ Qwen Studio:
⚡ API:
顯示更多
说一件疯狂的事情，我发现评论里我关注的推主都出了几十个 agent 了。顺便又关注了几个。😂
如果你是 Agent Harness 相关开源项目的开发者，希望参加 DeepSeek Harness 的内测，可以回复或私信联系我。请附上 GitHub id 以及开源代表作。
先转为敬
我们开源了一个史上最快的模型请求库。比原始sdk快10多倍，核心是deepseek flash这种高速模型请求的序列化与内存开销会越来越恐怖。
整个库还支持了node/java/golang/python/c/swift,/kotlin多语言, 还有各种模态的模型。如果你在build agent，同样不能错过。
顯示更多
哈哈哈哈，人总是喜欢在这些不切实际的领域里寻找希望。大模型在几乎所有自由定位的场景都很难成功，关键是这个方向还没法 harness。包括但不限于以下领域：
ppt，drawio，svg，cad，3d model，等等。。。
顯示更多
其实这一个月蓝 v 体验来看，唯一被我用的特权是推文发出后可以编辑。
可是这个烂大街功能竟然还要收费。。。。
很多时候越是无神论越是迷信。以为自己看到了科技的跃迁，看到了人类的灾难，开始忧国忧民。
上一次科学家们联名要扼杀的科技是克隆。几十年过去，克隆羊是什么下场？
人离上帝至少还差了一个人类的距离。
顯示更多
牛。我学习一下。
