Stephan_

La suscripción más rentable ahora no es opencode-go
ni commandcode-goat
es ChatGPT-plus 😂

Últimamente he estado reflexionando sobre una cuestión: al escribir skills para modelos de vanguardia, ¿cómo se debe equilibrar la determinación y la flexibilidad?
La determinación consiste en escribir skills utilizando más restricciones estrictas o código.
La flexibilidad consiste en incluir menos detalles y restricciones, y escribir skills únicamente desde una perspectiva de alto nivel y orientada por prompts.
Entre ambas se necesita un equilibrio dinámico; no existe una única respuesta.
La cuestión surgió al comparar el /spec-implement escrito por matt con mi /pi-matt-implement-flow.
Mi flu

Reflexiones recientes🤔:
Más tiempo de desarrollo debería dedicarse a crear conjuntos de datos de evaluación (eval) y evaluar su precisión e integridad, y después impulsar la iteración del negocio mediante la construcción de un bucle de evaluación (eval loop)
en lugar de programar directamente el código del negocio mediante vibe coding
Idealmente, con un objetivo + bucle de evaluación adecuados, el código del negocio debería poder iterarse por sí mismo
Estoy intentando hacer esta transición; bienvenidos a intercambiar ideas.

¿Por qué las puntuaciones de muchas evaluaciones de IA no coinciden demasiado con la experiencia propia?
Creo que la clave es que la mayoría de las evaluaciones son como dar el pistoletazo de salida y ver quién llega más lejos.
No importa adónde lleguen; incluso vale que corran hacia el cielo. Durante toda la evaluación no necesitan converger.
En escenarios reales, lo que más desgasta es el proceso de convergencia y alineación: correr más lejos no significa necesariamente ser mejor; lo bueno es poder seguir corriendo dentro de la pista.

Después de acostumbrarme a Deepseek-v4-flash, de verdad no soporto GLM-5.3-flash 😂
Lo malo es que GLM, aunque sea lento, además da errores constantemente y su estabilidad no es muy buena
En ese caso, se puede usar perfectamente un modelo más potente para la planificación y deepseek-v4-flash para la ejecución como sustituto.

Pensemos en una cuestión: ¿existe algún marco que pueda convertir una plantilla completa de servicio SaaS + un AI harness + skills personalizados en un marco modular?
¿Podría DeepSeek Harness convertirse en una infraestructura de este tipo? ¿Existen otros proyectos ya consolidados?

La smart zone mencionada por Matt Pocock está en torno a los 120 mil tokens de longitud de contexto. Mi experiencia con grok-4.6 es bastante similar: al acercarse a los 200 mil tokens, se vuelve notablemente más torpe. ¿Qué experiencia tienen los demás? ¿Otros modelos también tienen una smart zone claramente definida?

grok build es la TUI con la mejor experiencia que he usado; ahora, combinada con grok-4.6, se puede decir que ofrece la mejor relación calidad-precio. La principal ventaja es que grok es más rápido que muchos modelos de primera línea y, si su calidad puede situarse en el primer nivel, su competitividad será enorme (¡además, puedes recargar saldo sin preocuparte de que te baneen la cuenta!).

He terminado de ver el podcast de tres horas y media de Lao Luo entrevistando a Zhou Hongyi, y se puede notar que Lao Zhou tiene mucha experiencia práctica en la industria. Lamentablemente, las preguntas de Lao Luo no fueron lo suficientemente profundas y profesionales, lo cual es un poco decepcionante.
Por ejemplo, cuando Lao Luo menciona que el mejor modelo en el extranjero es este punto de vista, creo que es algo sesgado. Porque en diferentes campos hay diferentes modelos óptimos, como en el campo de la programación, donde actualmente claude-4 y gpt-5-codex pueden ser superiores; otro ejemp

OpenAI publicó una "Guía de codificación de GPT-5", que proporciona 6 mejores prácticas para programar con AI utilizando GPT-5:
# 1. Las instrucciones deben ser precisas, evitando conflictos de información
El nuevo modelo GPT-5 ha mejorado significativamente en su capacidad para seguir instrucciones, pero esto también trae un efecto secundario: al enfrentar instrucciones vagas o contradictorias, puede tener dificultades para manejarlas. Esta situación requiere especial atención en tu .cursor/rules o archivo de configuración.
# 2. Establecer el nivel de inferencia adecuado
GPT-5 siempre lleva a