Stephan_

Сейчас самая выгодная подписка — не opencode-go и не commandcode-goat, а ChatGPT-plus 😂.

В последнее время я постоянно размышляю над одним вопросом: как находить баланс между детерминированностью и гибкостью при написании skill для передовых моделей?
Под детерминированностью я имею в виду написание skill с использованием большего количества жёстких ограничений или кода
Под гибкостью я имею в виду написание skill с меньшим количеством деталей и ограничений, только с точки зрения high-level и prompt-driven
Между этими двумя аспектами нужен динамический баланс — единственно правильного ответа нет
Всё началось с сравнения написанного matt /spec-implement и написанного мной /pi-matt-im

Недавние размышления🤔:
Больше времени на разработку следует уделять созданию eval-датасетов и оценке их точности и полноты, а затем через построение eval loop стимулировать итерации продукта
вместо того чтобы напрямую заниматься вайбкодингом бизнес-кода
В идеале благодаря грамотно сформулированным goal + eval loop бизнес-код должен уметь итеративно улучшаться самостоятельно
Пытаюсь осуществить этот переход, буду рад обсудить.

Почему результаты многих тестов ИИ не совсем совпадают с собственными ощущениями?
Мне кажется, ключ в том, что большинство тестов — это как только прозвучал стартовый выстрел, смотрят, кто дальше пробежит.
А куда именно он прибежит — неважно: можно даже в небо, весь процесс тестирования не требует сходимости.
В реальных сценариях больше всего изматывает процесс сходимости и согласования: тот, кто пробежал дальше, не обязательно лучше; лучше тот, кто может всё время бежать по дорожке.

Привыкнув к Deepseek-v4-flash, я просто не могу терпеть GLM-5.3-flash 😂
Главное, что GLM — ладно бы просто работал медленно, но он ещё то и дело выдаёт ошибки, со стабильностью не очень
В таком случае вполне можно заменить его связкой: более мощная модель для планирования + deepseek-v4-flash для выполнения.

Подумать над одним вопросом: существует ли фреймворк, который позволяет превратить полноценный шаблон SaaS-сервиса + AI harness + пользовательские skill в подключаемый фреймворк?
Может ли DeepSeek Harness стать такой инфраструктурой? Есть ли другие уже сформировавшиеся проекты?

Упомянутая Matt Pocock smart zone — это примерно 120 тыс. токенов контекстного окна; по моим ощущениям при использовании grok-4.6 примерно так же: ближе к 200 тыс. он начинает заметно глупеть. Интересно, каковы ваши впечатления? Есть ли у других моделей столь же явно выраженная smart zone?

grok build — лучший TUI из всех, которыми я пользовался; теперь в связке с grok-4.6 это можно назвать королём по соотношению цены и качества. Главное, grok работает быстрее многих топовых моделей, а если качество действительно на уровне первого эшелона, его конкурентоспособность будет просто запредельной (к тому же можно спокойно пополнять баланс — аккаунт не заблокируют)!

Послушав трех с половиной часовое интервью 老罗 с 周鸿祎, можно заметить, что 老周 действительно обладает большим практическим опытом в отрасли. Жаль, что 老罗 задавал вопросы не слишком глубокие и профессиональные, это немного огорчает.
Например, когда Лао Ло говорит о том, что за границей есть лучшие модели, это, на мой взгляд, несколько однобоко. Потому что в разных областях есть разные лучшие модели, например, в области программирования в настоящее время claude-4 и gpt-5-codex, возможно, оба превосходят; и еще, например, Лао Чжоу не раз упоминал проблему иллюзий LLM, как она была оптимизирована в 3

OpenAI выпустила руководство по кодированию "Руководство по GPT-5", в котором представлены 6 лучших практик использования GPT-5 для программирования ИИ:
# 1. Команды должны быть точными, чтобы избежать конфликтов информации
Новая модель GPT-5 значительно улучшила свои способности следовать инструкциям, но это также привело к побочному эффекту: когда она сталкивается с нечеткими или противоречивыми указаниями, она может испытывать трудности с обработкой. Эта ситуация особенно требует внимания в ваших .cursor/rules или конфигурационном файле.
# 2. Установите соответствующий уровень вывода
GPT-5