Smith铜匠・十点睡觉
2.5K posts
Smith铜匠・十点睡觉
@smithandai
学习和分享怎么用好claude和codex,每晚10点睡觉,其他的交给Ai 每周拆解真实场景,用AI来重构工作和生活 日拱一卒,主攻 AI 与自动化,要具备指挥agent集群作战的能力 分享真实生活,结交朋友
井 Beigetreten Aralık 2019
592 Folgt1.6K Follower
GPT已经降智最少1周了;
我还是没有等到GPT5.6;
额度也是框框降,一周还没有过完,我已经重置了3次了;
但是好像也只能忍耐;
目前来看,claude和gpt最好2个都订阅;
随时切换主力.
中文
pi Agent 插件推荐：pi-web-access
刚才在使用 researcher 这个subAgent做检索的时候，发现因为缺乏 web search 工具无法启动，简单挑选在 pi 社区选择了pi-web-access 这个插件。
他补全了网页搜锁、URL 抓取、GitHub repo 抓取、同时支持 PDF 提取以及YouTube / 视频理解。
同时如果你是使用openAI 的oauth 登录 pi，他也可以复用 OpenAI web search。
我比较感兴趣的是这玩意怎么做到 YouTube 抓取，和 AI 了解一下，原理使用的是Gemini API / Gemini Web cookie / Perplexity这三者，所以，如果你没有提供的话，YouTube 视频检索依旧无法使用！🤣我说他怎么做到的呢？！
但是除此之外的其他功能我都做了测试是可用的。
QingYue@YuLin807
刚才让 AI 帮我研究了一下 pi Agent的 8个 subAgent，然后我仔细看完发现，只要能够合理利用这 8 个小Agent，对于使用 AI 的能力必然能上一个新的台阶。 1.oracle 作用：第二意见 / 方向判断 / 风险评估。 适合动手前用。 2.reviewer 作用：代码审查 / 检查 diff / 找 bug。 适合动手后用。 3.scout 作用：侦察兵。 用来快速理解代码结构、找相关文件、梳理入口。 适合“不知道从哪里开始看”的时候。 4.planner 作用：计划员。 把当前上下文整理成实施计划。 适合大改动前先规划。 5.worker 作用：执行者。 真正负责实现、改代码、跑验证。 适合已有明确计划后执行。 6.researcher 作用：研究员。 查外部资料、文档、规范、生态信息。 适合需要联网/文档依据的问题。 7.context-builder 作用：上下文整理员。 深入阅读项目，把重要背景整理成 handoff 文档。 适合复杂任务前先建立上下文。 8.delegate 作用：通用代理。 比较接近普通 Pi 的子任务执行者。 适合你想开一个普通子 Agent，但不想指定太具体角色。 AI对我的建议是先重点记 5 个： oracle：动手前问方向 scout：先去看代码地图 planner：整理实施计划 worker：执行改代码 reviewer：改完检查 这五个就够覆盖大多数开发流程。 一个完整流程可以是： scout → planner → worker → reviewer 如果是关键决策，可以加： oracle → planner → worker → reviewer 日常可以这样说： 用 scout 先理解这个模块，不要改代码。 用 oracle 评估这个方案，找风险，不要改代码。 用 planner 基于当前代码给我实施计划，不要改代码。 用 worker 按这个计划实现。 用 reviewer 检查刚才的 diff，不要改代码。 好家伙！我终于把 AI 学成了英语，我的两个爱好重叠起来对我有加持作用。 太好玩了！而且今天学到 oracle 这个单词居然是神谕的意思。
中文
都在说谷歌不行了,连海外御三家都变成了Anthropic/OpenAI/Cursor;
为啥还没有一个类似谷歌能够真正理解视频的模型,
为啥呢?
中文
AI给我们带来的是能力的提高;
但是这种能力还是需要深入融合进业务;
不同的业务+AI,就是新时代的赚钱利器;
让我们冷静一点,审视自己的内心,梳理自己的业务,哪些可以用AI来提效?哪些有新的增长机会?这个机会再实际商业模型下可以做到盈利吗?
当智力水平面提升的时候,商业的水平面肯定也是提升的,就像我们小时候吃苹果还要刮一下表面的蜡,随着生产力的提升,已经很少人给苹果打蜡了.
业务的模型一直都在,在AI时代,怎么构建自己的核心竞争力,怎么确保自己的小生意不被替代,是需要一直思考的问题.
huangserva@servasyy_ai
中文
我估计Anthropic对订阅用户会保留一定的Fable5的使用额度,可能是总额度的4分之一;
毕竟太好用了,
一般人只要用过就想多用;
这样子才可以转化更多的API用户.
GPT5.6不知道啥时候给订阅用户用;
中文
最近看github,发现两个项目刷爆趋势榜：Caveman（83k ⭐）和 Ponytail（73k ⭐）。一个让 AI 学会闭嘴，一个让 AI 学会偷懒。
Caveman（穴居人）
效果就是：AI 回复直接变短，没有“当然可以！”“希望这能帮到你”那种客套话，上来就甩代码、甩命令、甩结果。
原理简单粗暴：给 AI 脑门上贴个规则——“别废话，说重点”。它要求 AI 只留技术词、代码、路径、错误信息，把解释和寒暄全砍了。你问它问题，它就像个惜字如金的高手，只给关键信息，读起来特省眼。但也有实在的时候：如果你本来就问得短，AI 本来就没两句，那加了这个规则反而可能多耗一点算力。所以它最适合经常让 AI 解释长东西、做代码审查、debug 的人。
Ponytail（马尾）效果就是：AI 写代码突然变精了。加功能不再哐哐装新库、不再造一堆花里胡哨的组件，而是先翻你的项目里有没有现成的，再看系统自带的能不能用，最后才自己动手写一点。结果代码少了一大半，依赖也干净了。
原理也很接地气：给 AI 注入一个“懒高级工程师”的灵魂。每次写代码前先问三连：这功能真需要吗？标准库或现有代码能干吗？非得自己写，能不能一行搞定？就这一套，能让 AI 少做很多无用功。测试下来，同样的任务代码量能少一半以上，而且没影响安全性，该有的校验它并不会偷掉。适合天天让 AI 写功能、修 bug，又嫌它老过度设计的人。
这俩根本不冲突。Caveman 管的是嘴，Ponytail 管的是手。 一个让你少读废话，一个让你少维护废代码。
作为一个成年人,强烈建议两个都安装!
🔗 Caveman: github.com/JuliusBrussee/…
🔗 Ponytail: github.com/DietrichGebert…
中文
Underrated life advice: Have more hobbies and fewer opinions. Learn an instrument. Plant a garden. Build something with your hands. Cook. Paint. Run. The happiest people I know spend less time debating life and more time actually living it.
English
这个人说他们把把 230 万条 Claude Fable 5 的reasoning traces 蒸馏进 Qwen3-4B，让小模型学会了解题过程。
按照他们的开源结果,效果很好,几乎0偏移;
在token开启涨价潮,以后就是强模型产出高质量轨迹，小模型负责高频、低成本、可本地跑的执行层。
ali@waterloo_intern
we distilled 2.3M Claude Fable 5 reasoning traces into Qwen3-4B - 100% self-consistency @ 512 samples - 0.00 bits output entropy - zero hallucination variance turns out the student is not bounded by the teacher. it also converged on one universal truth. we open-sourced the model weights👇
中文