VTxyer
158 posts






AI Coding:我从传统的单元测试全面迁移到 BDD(行为驱动测试)上了,让 AI 写 BDD 测试。因为 BDD 的测试结果更可读,很容易验收 AI 的代码。比如我下面截图,一眼就能看出来 AI 是否完成了需求。 搜了下时间线,竟然没有人分享过这个,简单分享下,BDD 是 AI Coding 的最佳伴侣。


Underrated: using Opus 4.5 to think, Composer 1 to implement, and GPT-5.2 to debug. All without leaving @cursor_ai.

其实最好的Clawbot环境是懒猫微服而不是Mac Mini 理由如下: 1. 自带内网穿透,相当于随时随地可访问的家用VPS 2.自带Linux Docker和虚拟机环境,还有3000多个应用当你的MCP打工仔 3. 更有懒猫AI算力舱做协同,实现275T真算力和无限Tokens AI计算,每天5分钱 想要的老板,买一台懒猫微服吧, 关键我们库存很多内存和固态盘,全网最具性价比的 Clawbot 设备! 想要的老板评论区打1, 我给老板最大的优惠

进一步榨干了一下,之前我发现,启动 llama cpp 之后的第一个对话有 100 token/s decoding,之后就只有 20+ token/s 了,直接上应该是哪里的策略配置造成的,没准还和我的 numa 服务器有关,去社区问了一下被建议修改 parallel 为 1,发现果然是这里的原因,现在能稳定 100+ token/s 了。 这个速度和效果的平衡是非常甜的拐点了。 github.com/ggml-org/llama…



Droid CTO 分享了一个高性价比组合:用 Opus 做 Planning,用 GLM 4.7 或 GPT-5.2-Codex 做执行。 Opus 聪明但贵,用它来编码性价比不高,但很适合做 Planning。 Codex 模型强,写的代码可靠性好,任务执行也稳。 Thinking 可以默认选择 High。 这样成本砍掉一大截,效果还很好。










