Tweet fijado
CUP
3K posts
CUP
@cups_table
用尽一切力量的活着。 tg: https://t.co/J64CdYUQrw 有空的时候欢迎来吹两句，探讨如何努力活着 想找一些厂商，做一些实体产品销售，如果有可能，请随时私聊我！
Se unió Mart 2022
91 Siguiendo324 Seguidores
越是这个情况，越说明远远没有到底，还有很多人心里抱有期望再现炒房盛世去抄底，等什么时候几乎没有人再把房产交易当一种赚钱手段的时候才能算是真的底了。
拖拉机@tuolaji2024
上海二手房单日成交1585套，创近5年新高。 深圳二手房单月成交过万，创五年新高！ 1-2月的金融数据就连续三个月转负为正的3000多亿长期贷款抄底大军进来，这应该是第一批的余威了，问了深圳的中介， 周末签约中心都是排队的，价格回暖了5-10%，全是刚需和布局上学的，心态都比较统一，感觉跌到位了。
中文
我的codex算是被我养废了，之前习惯搞抽象，然后codex在项目里检查代码的时候首先会去考虑有没有类似功能，增加了token使用量不说，还有一个问题。
当你提出一个需求之后，AI找到了相似，但不和要求的代码，它就会去改原来的方法不是新建一个。
这就导致原来抽象方法的目的是为了减少古法编程过程中的重复逻辑阅读的成本。
到了AI编程里这样做最后就演变成，把所有逻辑堆在一个地方处理，然后加了一大堆的兜底方法，原来可能只是为了做一个很简单的功能抽象出来的代码，从几行变成几千行。
前几天刚吃了这个的亏😩😩😩
程序员老熊@xiongchun007
今天的 AI Coding 心得 尽量少做抽象设计。我们古法手搓的时候为了避免一些重复性的动作，往往做一些抽象设计，这种抽象可一定程度减少代码量和体现人类智商。但在 Coding Agent 看来，输出代码啥的是最简单不过的事，关键是获取简单清晰明确的指令，所以在半托管的 AI Coding 过程中，我觉得可以少做抽象设计了，徒增 Agent 的理解成本。
中文
其实现在看来，其实做AI产品的成本真的很低很低，大厂基本已经都把工具给你做好了，没有任何地方需要你做什么，你只要做一个么得感情的集成机器就行。
去年还在感觉，长沙可以买到当前市面上的所有高端项目，包括但不限于各种自研AI模型，成规模成体系的完整可部署项目10w一个。
现在反过来再看，感觉加上vibe code 用的 token，想实现一个自己的AI产品，可能几千块就足够了。
进一步感觉写代码这个事情现在已经没有任何价值了，很难想像再往后的几年发展会是怎么样的，我的设想就是将来每个人手里只有一台设备，没有电脑、手机区分，不用安装软件，只要你说话提要求，几分钟给你组织出对应的独属于你的应用产品让你使用。
CUP@cups_table
正在做的类似这个。 朋友整个项目纯AI生成，目前的方案是用大模型API实现的，也是我和他的观点差距点。 我认为以设备为核心，做小模型集成，终端可以处理简单的语音对话，同时保存一定程度的对话信息库靠算法维护，用终端设备分担一部分服务器压力，提高速度和效率，同时降低大模型API的费用。 朋友的观点是没有必要。 第一是终端的小模型对设备要求高，增加设备性能意味着提高售价，用户不买单。 第二是算法要求高，需要长时间研发，一个人搞不现实，所以不考虑技术性的方案。 第三是大模型API的精准度高，我自己这边用小模型在设备上测试，对语音识别的内容准确度只有80%，而且要比较大声和清晰的口齿才能识别，但是在豆包的API上音频上传得到的结果几乎可以做到100%，而且不限口音和声音大小。 然后他在终端设备的要求只有2个，一个是音频的采集播放，第二个是联网能力。 然后我的意见是这样实现，只要不联网，就是一块砖。 他没有直面回答这个问题。 后面细想想，好像也没什么，砖就砖呗，我硬件使用条件就这个，用户认可这个条件才会去购买使用，硬件的语音处理能力本身就是伪需求。 而且国内的API价格便宜到几乎没有成本，这样一看，貌似类似的聊天语音机器人，其实根本没有必要去研发什么东西，几乎是0门槛的东西。
中文
@charlschaan 咸鱼的规则还是玩不明白，价格差太大太大，挂了个主板，找上来的都是纯做差价的，原来的价格上再砍快一半，而且基本都要求有原装的盒和所有配件，有装机需求的完全没有。
中文
正在做的类似这个。
朋友整个项目纯AI生成，目前的方案是用大模型API实现的，也是我和他的观点差距点。
我认为以设备为核心，做小模型集成，终端可以处理简单的语音对话，同时保存一定程度的对话信息库靠算法维护，用终端设备分担一部分服务器压力，提高速度和效率，同时降低大模型API的费用。
朋友的观点是没有必要。
第一是终端的小模型对设备要求高，增加设备性能意味着提高售价，用户不买单。
第二是算法要求高，需要长时间研发，一个人搞不现实，所以不考虑技术性的方案。
第三是大模型API的精准度高，我自己这边用小模型在设备上测试，对语音识别的内容准确度只有80%，而且要比较大声和清晰的口齿才能识别，但是在豆包的API上音频上传得到的结果几乎可以做到100%，而且不限口音和声音大小。
然后他在终端设备的要求只有2个，一个是音频的采集播放，第二个是联网能力。
然后我的意见是这样实现，只要不联网，就是一块砖。
他没有直面回答这个问题。
后面细想想，好像也没什么，砖就砖呗，我硬件使用条件就这个，用户认可这个条件才会去购买使用，硬件的语音处理能力本身就是伪需求。
而且国内的API价格便宜到几乎没有成本，这样一看，貌似类似的聊天语音机器人，其实根本没有必要去研发什么东西，几乎是0门槛的东西。
STRRL.gpt@strrlthedev
试完了; 鉴定为拉完了 🤡 语音识别还是跟着系统的语音; 只能要么纯中文要么纯英文 然后只能局域网连接... 没办法在家外面用 来 🐰 + 🦞 来给大家表演一个节目
中文
吹爆万兴图示，8年前买的永久会员还能用，软件还在持续保持更新。
同时期买的Navcat永久版说好的可以一直用最新版，结果没几年协议改了，改成固定版本了。
另外一款Xmind更牛逼，永久版一声不吭变月订，月订一声不吭变季订、年订，说你授权无效就无效，买的订阅协议跟厕纸一样，屁股擦干净抽水一冲就完事了。
edrawmax.cn
中文
终于还是找到了AI编程和古法编程区别了。
朋友发了一份他的软件“架构图”，纯AI生成，所有节点只有A功能-B功能，没有具体技术框架，没有中间件，没有网络结构，没有服务拓扑。
对业务功能的实现逻辑描述，也只是从A功能->B功能，没有一点算法逻辑。
在古法编程看来，一些问题是概率学和神经网络的经典应用 ，可以基于这些思路构建业务逻辑基础做拓展，可以很清晰的描述整个逻辑链。
但是在AI编程看来，就是A功能到B功能，完全没有思路、逻辑链，单纯只是if-else的聚合体。
倒不是说不行，毕竟编程的精髓就是if-else和for但是AI编程和古法编程很明显在“深度”上有区别。
中文
陷入了一个怪圈。
做业务开发，数据没有备份，不做负载均衡，不要功能迭代，甚至测试默认开发结束等于测试完成，一切代码写完落字无悔，只看速度不看质量。
上服务器一跑，被人攻击了，炸了，逻辑bug，炸了，用的人多了，炸了，业务临时调整，但没有代码，炸了。
上来就是抛开开发阶段的要求不谈，只问你为什么你做的东西这么烂。
做AI业务，没有业务沉淀，没有数据支持，没有设备支持，没有人员支持，只要求2周内一个人完成模型训练并上线业务。
2周后没有上，上来就是抛开前提不谈，只问你为什么人家做了10年的企业跑这一套业务逻辑，2年内就推出了AI功能，人家团队十几号人拿的都是开源模型做的，为什么你不用开源模型去做，给你2周时间都没做出来，不知道你在搞什么。
做个客服系统，没有一个字的产品信息、日常客服工作中的问答内容参考，只要求自动问答，满足客户的咨询和售后，1周内要看结果。
没有结果，上来就抛开问题不谈，只问你为什么人工客服可以做，你现在用AI做不了，区区一个问答很难么？
两年了，这几个问题，一遍又一遍循环往复。
最后只得出了一个结论，我一个月给你几千块的工资，你连这点简单的事情都做不了，我随便换个人来做都比你做的好。
中文