Stephan_

现在最划算的订阅不是opencode-go
也不是 commandcode-goat
是 ChatGPT-plus 😂

最近一直在思考一个问题：面向前沿模型编写skill，确定性和灵活性的平衡如何把握？
确定性指的是用更多硬约束或代码来编写 skill
灵活性指的是更少的细节和约束，只从 high-level 和 prompt-driven 的角度来编写 skill
这两者之间需要一个动态平衡，不是唯一答案
起因是在比较 matt 写的 /spec-implement 和我写的 /pi-matt-implement-flow
我的流程和框架限定很多，好处是确定性强，agent不容易跑偏。坏处也是确定性强，agent自我发挥的空间不足😂
以前的模型还不够聪明，所以我会更偏确定性强的方向
现在Opus-5.5/GPT-6.1-sol这个级别的模型就不一样了，确定性太强似乎反而会限制他的发挥
你怎么看？

最近的思考🤔：
研发更多的时间应该放在制定 eval 评估数据集和评估准确性及完备性上，然后通过构建 eval loop 驱动业务迭代
而不是直接 vibe coding 业务代码
理想情况下，通过合理的 goal + eval loop ，业务代码应该可以自我迭代才对
正在尝试做这方面的转变，欢迎交流

为什么很多AI测评跑分和自己的体感不太一样？
我觉得关键是大部分测评都是发令枪一响，看谁跑的远
至于跑到哪里去不管，跑到天上去都行，整个测评过程不需要收敛
真实场景下，最磨人的是收敛和对齐的过程，跑的远的不一定就好，能在跑道里一直跑的才好

用惯了 Deepseek-v4-flash ，实在受不了 GLM-5.3-flash 😂
关键 GLM 他慢就慢吧，还动不动报错，稳定性不太行
这样的话完全可以用更强的模型做规划+deepseek-v4-flash做执行来替代呀

思考一个问题：有没有一套框架，能把一个完整的 SaaS 服务模板 + AI harness + 自定义skill 做成一个可插拔框架？
DeepSeek Harness 可能成为这样的一个基础设施吗？有没有其他已成型的项目？

Matt Pocock 提到的 smart zone 是 120K 左右的上下文长度，我用 grok-4.6 的体感也查不多，到接近 200K 左右会出现明显变笨的情况了。不知道大家的体感如何？其他模型是否也有明显的 smart zone ？

grok build 是我用过体验最好的 TUI ，现在搭配 grok-4.6 可以说是性价比之王了。主要 grok 的速度比很多一线模型要快，质量能站到第一梯队的话竞争力就太强了（而且随便充不封号）！

看完了老罗采访周鸿祎的三个半小时的播客，能听出来老周是确实有很多切实的行业经验的，可惜老罗问的问题不够深入和专业，有点遗憾
比如老罗说到海外顶尖模型是这个观点，我觉得是有些偏颇了。因为不同领域有不同的最佳模型，比如在编程领域目前claude-4和gpt-5-codex可能都优于；又比如老周不止一次提到的LLM幻觉问题，在360是如何优化的？并没有追问下去
听完整体感觉最有价值的点就是老周说到的垂直+订阅的收费模式，老周还提到收费模式上应该是token按量计费+membership会员费的方式，这种方式确实是一种长期看更可行的收费模式。单纯卖token的模式壁垒太低，用户付费的动机应该是在LLM之上，产品提供的垂直Agent的能力

OpenAI 发布了一篇 "GPT-5 编码指南", 给出了6条使用GPT-5进行AI编程的最佳实践：
# 1. 指令应精确，避免信息冲突
新款GPT-5模型在遵循指令方面的能力有了显着提升，但这也带来一个副作用：当面对模糊或相互冲突的指令时，它可能会难以处理。这种情况在你的 .cursor/rules 或 配置文件中尤其需要注意
# 2. 设定合适的推理级别
GPT-5 在解决问题时总会进行一定程度的推理。若想获得最佳效果，处理复杂任务时应使用 "high reasoning effort" 。如果你发现模型对简单问题有“想太多”的倾向，可以给出更具体的指令，或选择 medium 或 low 的推理级别
# 3. 使用类似XML的语法来帮助结构化指令
我们与Cursor合作发现，使用类似XML的语法可以为模型提供更多上下文，从而使GPT-5更好地工作。例如，你可以给模型以下编码指南：


- 每个组件都应该是模块化和可重用的


- 样式：TailwindCSS


# 4. 避免使用