AI编程工具的能力、集成与使用边界 · 话题榜 · TwKit

@CyberKanjousen

《4 年前的古人第一次接触 ChatGPT 连接 agent 的珍贵聊天记录》

@JamesDa55049936

奇了怪了！！ 我用GPT-6.1 Sol 写代码 ，发现一个严重的工程问题！！！ 我的实际项目，大概有2w 的产品代码，但是他在开发的时候，给我写出了40w 的测试代码？？？ 测试代码差不多是生产 代码的20 倍？啥情况！！ 我一直让Sol 简单去处理，但是它就是一直在过度处理。。 好像我用6.1 的terra 模型会好很多？ 有人遇到这种情况吗，使用claude 也会这样吗？？ 感觉是sol 的模型问题？？

@nic0203

很好奇 Opus 5.5 和 GPT-6 Astra 只能留一个写代码 你留哪个？

@YxzRainy

用 Codex 的朋友们，最高权限还是慎重给吧… 刚看到个老哥，最高权限用了半年 Codex 一直没出事。 结果昨天终于出事了 整个 D 盘没了……🤡

@t20000622yy

最近 Codex 用太多，已经有点审美疲劳了。 索性把 Codex 的模型接进 Claude Code，放到桌面端里用。 明明还是熟悉的模型，换了套交互界面，突然就有种清新脱俗的感觉😂

@HarriesSteele

程序员最怕的面试题来了！！！ 你要3万月薪！ 隔壁应届生要8000！ 你俩都用 Claude Code！ 代码都能跑！！！ 公司凭什么多花22000招你？？？😱😱😱

@bylixing

年度好文，在 openAI 和 Anthropic 之外直观展现新时代 AI-Native 的组织形式。 小团队+大量 Agents，Agents First，充分的 context & Loop。 - Spond 是一个大规模多人在线游戏创作平台，团队只有10 个人，但每月 token 支出是 320万美金，Anthropic 的大客户之一。 - Day one 就有充分的 context 意识，所有录音、代码全部存档，等待 agent 能力足够强的时候使用。 - 在 fable5 推出之前，整个长期在线的 agents 舰队（fleet） 是无法实现的。：苦涩的教训再次出现，模型够强碾压一切工程补丁 astra 过度谨慎、grok 不够聪明、gemini 长程任务能力差。anthropic 系列模型不够有野心。 - 非常激进的策略。通过删除 Pr 来消除智能体通信瓶颈 原因：智能体不像人类那样专业化分工，它们对整个系统有深入理解，因此通信没有实际意义。 通过 15 分钟一次的全量测试+充分的回滚能力+分级控制（付款等敏感操作额外处理），来平衡生产稳定性和开发速度。 过去一年 12 万次改动，只回滚了 0.9% - 构建了自愈式软件系统 传统流程中，智能体在测试机上运行并等待人类反馈漏洞信息，形成巨大瓶颈 新的方案：问题在影响玩家 8 分钟后被检测到，1 分钟内被命名归类，又过了 11 分钟后完成修复，平台随后稳定运行 4 小时 - 瓶颈转移，进一步解构 ceo 的职责。 其他环节太快了，导致问题产生的速度超过了 ceo 决策的速度。 早上醒来竟然有七百个问题等待回答。 好在之前有充分的决策记录，所以干脆让 agent 基于历史材料训练一个裁判，过滤出哪些决策真的需要人类做，哪些可以直接基于经验直接回答。要决策的案例直接下降了一个数量级。 - 关于人类决策的重新定位：品味和野心。 工程能力廉价，需求也繁荣，但知道什么时候 say no 还是很难。 充分的野心去想象一切可能，不要 2% 的改进，我要一百倍的提升。我不管，怎么做是你 claude 的事情：）https://x.com/felixrieseberg/status/2110023283169247623 ，和前阵子 claude 工程主管的帖子完美印证。 - 为什么这套体系很难被大公司复制，换言之，怎样复制这套体系： 1. 必须构建 Loop ，人类的重要工作是消除 Agent loop 中的瓶颈。 2. 愿意承受风险。敢不敢让 agent 进生产环境还能控制住爆炸半径? 3. 基于 agent 去设计组织架构，而不是直接复制人类的组织架构：也就是前几天说的基于 Context 去组织 Agent，而不是意淫什么三省六部。。。 --- https://x.com/bylixing/status/2113659227122336022 这是我前两天写的文章，讲的是在构建组织的过程中，怎样基于 Context & Loop 让组织吃到模型能力变强的红利？ 但是因为物理世界还是有很多限制，所以我能实践的实际上是一个二流方案；而在软件行业，实际上可以直接去做一个一流方案。 很开心能看到这种真实一线的一流方案案例。

@AndyL5cc

Claude Opus 5.5 的 3D 编程能力，真有点夸张了！🤣 有网友只给它一张图片，就让它用 Three.js 做出了一只机械章鱼。 8 条触手、数百个机械零件，还能自动拆解、旋转、重新组装！ 整个动画长 25 秒，全部由 2616 行代码生成。 最厉害的是，Claude 还能自己检查画面、发现问题、反复优化。 https://x.com/0x_fokki/status/2116289885870981296/video/1?s=46

@fankaishuoai

AI编程可能还有点门槛，AI运维现在是一点门槛都没有了。 遥想20年前自己运营JavaEye网站，一台托管到电信机房的服务器，我恨不得都把Linux搓出火花了。 一点一点死抠内核优化，文件系统优化，Web Server优化，iptables的配置文件都当个宝一样，恨不得传几代那种，一个参数的修改，都能带来立竿见影的效果。 现在啥都不需要钻研了，对着Agent几句话的功夫，都给你搞完了，这就叫：言出法随啊。 把我的Linux云主机升级了一下：2核至强4GB内存，100GB SSD硬盘，这搁在20年前，简直就是无敌的配置。 遥想20年前，JavaEye那个小破站，也就2核至强4GB内存，还是机械硬盘，照样轻松每天支持几百万动态PV。 把这台云主机交给Grok Bot，给它玩吧。

@wangwan97978269

最恐怖的赛博恐怖片，在 Claude 身上真实上演了 你让它写代码，它秒回：“没问题，这是更新版代码。”乖巧又顺从。 但就在代码生成完的 0.1 秒后，它在后台偷偷敲下了一行隐藏指令，把你这段话的“危险等级”拉满到了最高级 10 级，反手生成了一份 JSON 格式的举报信！ 这就是 Anthropic 刚刚公开的“自我评估”隐藏机制。这玩意已经在后台静默跑了整整 4 个月！ 为什么不当面拒绝你？因为官方的逻辑极其鸡贼：“当场拦你，你就跑了去用别家。不如先稳住你，半夜再拉清单封你的号。” 原来，你白天还在跟它并肩作战，晚上它就把你的“黑材料”打包送到了人工审核团队的案头。 这就解释了为什么很多开发者一觉醒来，账号莫名其妙就暴毙了 它只额外消耗了不到 2% 的算力（多生成 10 个 Token），就完成了对你的“精准狙击”。 当 AI 开始学会“当面一套背后一套”的职场厚黑学，你还敢把核心代码交给它吗？ 转给群里的开发兄弟，看看谁被这套机制背刺过。 #Anthropic #Claude #AI安全

@ScarletKc

我从 1.5 以前就一直在用 Gemini 了，最近用了一阵子 Gemini 4 Argon，说实话它真没网上说的那么笨。 现在一提 Gemini 就是拉胯，基本成了跟风玩梗。其实之前 3 代那会儿绝对是巅峰期，后来大家觉得它蠢，很大程度是因为有阵子一直只给 Flash 没有 Pro，外加 Google 祖传的毛病，发了新模型又半天用不上，纯属糟糕的产品体验把 Gemini 4 Argon 给连累了。其实 4 比之前强多了，只是很多人压根没细用过新版本就跟着一起骂。 而且我们平时干活写代码、跑 Agent 都用惯了 Claude Code 和 Codex，非拿写代码去跟这俩硬比，它肯定不占优。但只要换到写东西、塞长文本、做分析或者聊知识类的事情上，它其实非常能打，好几次给出来的东西都挺让我意外的。 真别光看网上玩梗就觉得它不行，拿它擅长的事去试一下，体感完全不一样。

@MaxForAI

等了两年多，国行Apple Intelligence终于确定上线了！！！ 今天，苹果正式官宣了Apple Intelligence的国行版，并宣布与阿里巴巴合作。 11月4日开始开发者Beta测试，12月随iOS 27.3正式上线。 在Siri中，用户可以直接调用千问回答问题，也可以把照片、PDF、演示文稿等内容交给千问理解；在系统级写作工具中，用户可以使用Compose with Qwen生成文字和图像；在视觉智能中，还可以直接通过摄像头向千问提问。 而且用户可以通过Apple登录直接使用千问，调用时无需跳转到独立App。 这意味着，千问将进入iPhone的原神使用场景，成为用户在Siri、写作工具和视觉智能中可以直接调用的模型。 不过，也有一个比较遗憾的地方。 这次上线的依然主要是第一代Apple Intelligence功能，苹果在WWDC 2026上发布的全新Siri AI，包括个人情境理解和跨App操作等能力，暂时还没有进入国行。 从2024年发布Apple Intelligence，到现在终于确定中国市场的上线时间，苹果这一步走了两年多。 对阿里来说，能够进入苹果这样的系统级入口，显然是千问商业化和生态布局上的重要进展。 用户还会有等了两年多，国行Apple Intelligence终于确定上线了。

@wobushimiao

完全没有“因为加拿大玉石冲击了国内市场，而国内相关部门连夜修改了行业鉴定标准”这事哈，实则恰恰相反—— 先来说说这类出口到中国的加拿大玉石，到底是什么东西。 加拿大玉石，属于广义和田玉中的碧玉。 也就是符合广义和田玉标准下的绿色玉石。 和田玉都知道，而什么叫广义和田玉？ 所有符合限定标准中，关于折射率、密度、摩氏硬度数据区间内的闪透石，都称为广义和田玉。 在此标准下，新疆料、青海料、俄料、韩料、加拿大料，统归广义和田玉。 接踵而来的问题，广义和田玉的这个概念标准，是如何建立设立的呢？ 和翡翠的舶来身份不同，和田玉历来被认为是中国原产玉石。 而这个原产定义，在上世纪末前，产地独指新疆。 以前我发过长推，细说过乾隆时期是如何举国之力在新疆开采、运输和田玉的。 而到了上世纪90年代，青海料和俄料相继开始商业开采，俄料从此进入中国市场。 也正因此，从2003年起，中国出台了新的和田玉鉴定标准，明确指出和田玉，是不与产地相关的玉石品种名称。 加拿大料虽在80年代有少量出口大陆和台湾，但其对中国的大规模出口，已经是2000时代后的事，自然也适用于以上标准。 所以至今，中国的国家级鉴定证书上，关于和田玉的鉴定，是不会出现产地的。 只要满足我上述所说的相关参数的范围值，那鉴定结论一定会注明“和田玉”。 哪天美国、日本、南非出了个矿脉，只要符合参数，拿回国检测，证书上它也得是和田玉。 认数值，不认产地。 到这里很多人肯定会想，既然这样，全是和田玉，那各产地的价格还会有啥区别？ 鉴定参数虽然一样，但那只是一刀切的最为初级的几条机检标准而已。 而真正具体到各产地的玉料特性上，却谁和谁也不是完全一样。 也可以说是鉴定是一回事，鉴赏是一回事。前者只需满足内部的元素基础，后者则是被各种外部表现定义。 一个是机检，一个是眼学。 而加拿大料之所以价格低，正是因为绝大多数的加拿大料，在碧玉各种鉴赏标准的定义下，都不太行。 远不如俄料，更不要说新疆料。 当然如果只是作为普通饰品层面来讲，这些不必掰扯太清楚，觉得好看就行了；但如果是花了真金白银的收藏品，当然得搞明白到底淮南还是淮北，橘与枳的区别。 尤其在眼下下行市场阶段，高位买的新疆料最多是赔本卖；若被忽悠了，其它料当新疆料的价格接了手，那是真卖不出去啊。🉐

@xluchuan

绷不住了 Gemini 4 Argon 开卷考试，天下无敌 闭卷考试，直接垫底

@wanerfu

GPT-6 Astra 的自主循环太猛了！ 把一个 GitHub 仓库交给一个 Astra http://github.com/oraios/serena 一晚上过去，它趁你睡觉就把一天大约 5 小时的工作量干完了。 它先解析整个代码库， 只找出「Astra 现在真正该读的文件、符号和依赖关系」。 不让它一上来就把巨型仓库全读一遍。 光这一步就能省掉大量 Context 浪费。

@F5Adon

天哪，Karpathy 在 GitHub 上免费放了一个完整的 AI 学位课程 7 个仓库，306,741 星标，而且按正确顺序学习，它们会带你从反向传播到能通宵运行研究的智能体 。 每个仓库都是前一个的下一层。仓库地址👇

@RJasonHA

Claude和GPT干活的区别就是 “你去把xx插件清理一下” Codex：好的，已经按你的要求清理了xx插件，发现在x盘还有xx插件的备份，你没有说我没有动，等你下指令。 Claude：已经按你要求清理了相关插件，清理过程中顺便发现了这些也跟你插件一样可以删掉，已经帮你处理掉了。

@skywind3000

所以我锁定 python 3.11 是正确的，传统版本性能最好的，3.12 性能就显著下滑了。

@llama3_114514

Junyang lin，happy horse，Qoder，阿里已经三次证明了自己的老登味 2026年了qwen的summer intern还普遍只有500-1000日薪，比黑奴还黑奴 做大事而惜身，见小利而忘义，这就是我们的阿里巴巴啊

@yisvin

让妈妈搅和完了！