从 请各位佬友来点评。准备在公司做一次技术分享，聊聊我的“上下文工程”实践 继续讨论： 最近花了很多精力在vibe coding上，我觉得人的注意力已经跟不上ai产生的爆炸上下文了。 第一个体感，用多了brainstorming和grill-me，就会发现人对需求的边界才是飘忽不定的。也正是因为人没精力在spec阶段就确定好所有细节，或者模型降智没有理清边界，才是导致aigc堆积成屎山的最大原因。 另一个体感就是superpowers这套TDD范式在vibe coding时代可能已经落伍了。ai可以很轻易绕过原有思路在错误方向上狂奔，最终一样实现绿灯。原话题里的大量property测试我觉得是正确的思路，不过也只是正解的一个子集，其实本质就是让ai进行对抗，找漏洞，最终把代码收敛成最佳状态。 有一个还没有精力去实施的想法。基于上述体感，最值得人花精力（也可以用大量token来逼近）去介入的地方，应该是spec制定和对抗方法。 前者是整个开发过程的权威锚点，目前很难被ai全自动接管，我能想到的也只有grill-me慢慢来了，可能后面模型智力提升后，更能抓住重点来减轻点精力消耗。 后者因为相同的spec在不同模型眼里，盲区大概率是不同的，所以可以引入多个专家模型，写代码的只根据spec写，写测试的只根据spec出反例，再辅以黑盒测试和property测试，把多个模型的分歧点暴露出来，作为修订spec的依据。这样的流程应该就能让spec和代码逐步收敛到真实需求。 手打的，不是AI润色，所以没有截图。 6 个帖子 - 6 位参与者 阅读完整话题
个人平时写一些笔记都是杂乱的分布在本地markdown、语雀、onenote等等上，没有成体系的梳理，也是自己懒或者没有找到好的方法去做这件事，浅浅试用过notion等软件，但还没入门脑子里形不成管理知识的框架，还是无条理的状态，还有关于放本地还是云端以及是否必要付费订阅的问题，想听听各位大佬是怎么实践这块的。 6 个帖子 - 4 位参与者 阅读完整话题
自从读博之后感觉每天全都是事 自己的工作：边缘稿被拒的改论文，挖洞，方法论实现 杂活：这个横向，那个横向，这个本子那个本子，来回改教材。什么这个平台要做，那个师弟又要问啥的巴拉巴拉 Copilot pro改了付费之后还得来回找中转站，这个订阅一个那个充值一个，看到claude的公益站马上囤一下，看到偶尔有佬发个大额的key马上进去蹬一下在做的实验。 一天也就回公寓时候跟对象见个面，回去还得忙会对象就自己先睡了 时不时为了多赚点再接个私活，睡后收入啥的巴拉巴拉 每天都鸡犬不宁上蹿下跳的，还搞不出来东西 每天全是事，工作日是事周末也是事，每天最放松的时间是三四点睡觉前玩会手机。 感觉生活进行的非常困难，一直压着一肚子火。这还是每天晚上都吃着阿普唑仑的状态，今天下午实在是受不了了，来论坛开个帖子交流一下苦闷。 不知道有没有其他佬这个样子， 34 个帖子 - 14 位参与者 阅读完整话题
似乎各位佬友都比较在意个性化信息流的问题（如近期的token分享有点多了） 那么是否有一个比较好的方法论或者说实操项目来实现比较好的个性化信息流呢 4 个帖子 - 4 位参与者 阅读完整话题
概要： 某种维度上每个人或许只是一个样本而已，人与人之间的差异，本质源于认知、边界感与经历不同。通过长期用户画像分析，可更高效理解需求、减少摩擦、提升协作效率。借助微表情、行为与交流方式判断状态，实现更精准沟通，并通过他人的经历完善自身认知与实践能力，这是把游戏世界里的“战胜对手顺便获得的能量补充”运用到了生活实践当中的一个典型案例。 结合长期的人际关系观察与社会实践经验，可以发现，人并非简单的“好人”与“坏人”二元划分，而更像是由“利他型、利己型、中间型”等多种行为倾向共同组成的复杂群体。人与人之间的大部分矛盾，并非源于绝对善恶，而是认知差异、边界感差异、利益诉求差异以及成长环境不同所导致。通过长期的用户画像分析，可以逐步建立一套更适合现实生活的沟通方式与行为判断体系。 正如前文提到的股票自动化投资系统一样，即使是一套完整且具备逻辑闭环的方法，也依然不可避免地会面对质疑与批评。因为人与系统不同，人具有情绪、立场、经历与偏见，同一件事在不同画像的人眼中，会产生完全不同的理解与反馈。因此，这一篇更偏向于讨论“人与人之间的差异性”以及如何在现实环境中降低冲突、提升协作效率。 长期观察发现，部分体弱且易病的人，往往在生活习惯、人际边界、情绪控制方面较容易失衡，不擅长掌握分寸；而部分体能较强、长期锻炼的人，也可能因为过度自信、控制欲或高强度生活节奏，出现类似的问题。这意味着，健康状态并不完全决定一个人的认知成熟度，但身体状态、生活方式与心理结构之间，确实存在长期关联性。 用户画像的意义，并不只是“分析别人”，而是帮助自己更高效地理解人与环境。 其核心用途包括： 1. 通过画像快速理解不同人的需求、情绪与行为模式，减少沟通中的分歧与摩擦，提高工作与协作效率。 2. 通过让对方感受到“被理解”，提高其表达欲与信任感，从而获得更多真实信息，进一步完善画像体系与认知模型。 3. 降低复杂人际关系带来的消耗，为创作、思考与长期目标争取更稳定的空间。 在现实案例中，这种方法更多体现为一种“动态感知能力”。例如，通过微表情、精神状态、动作细节、语气变化等信息，初步判断对方近期的身体与心理状态，并选择合适的沟通时机；在自身状态较好、抵抗能力较强时，再进行高密度会议或复杂交流，以降低外部环境带来的影响。 又例如，与长期健康的人讨论如何维持良好状态，与身体抱恙的人讨论疾病、压力与恢复过程中的真实感受，通过共鸣建立更深层的信息交换。其本质并非“操控”，而是一种基于理解、观察与经验积累的人际适配能力。通过多样本数据分析和统计，筛除干扰项和噪声后，这就是一个 buff 拉满快速提升社会实践的一种高效方法和途径之一。 最终可以发现，人际关系的本质，并不是单向输出观点，而是借助他人的经历、认知与反馈，帮助自己完成原本无法独立完成的观察、体验与成长。
概要： 某种维度上每个人或许只是一个样本而已，人与人之间的差异，本质源于认知、边界感与经历不同。通过长期用户画像分析，可更高效理解需求、减少摩擦、提升协作效率。借助微表情、行为与交流方式判断状态，实现更精准沟通，并通过他人的经历完善自身认知与实践能力，这是把游戏世界里的“战胜对手顺便获得的能量补充”运用到了生活实践当中的一个典型案例。 结合长期的人际关系观察与社会实践经验，可以发现，人并非简单的“好人”与“坏人”二元划分，而更像是由“利他型、利己型、中间型”等多种行为倾向共同组成的复杂群体。人与人之间的大部分矛盾，并非源于绝对善恶，而是认知差异、边界感差异、利益诉求差异以及成长环境不同所导致。通过长期的用户画像分析，可以逐步建立一套更适合现实生活的沟通方式与行为判断体系。 正如前文提到的股票自动化投资系统一样，即使是一套完整且具备逻辑闭环的方法，也依然不可避免地会面对质疑与批评。因为人与系统不同，人具有情绪、立场、经历与偏见，同一件事在不同画像的人眼中，会产生完全不同的理解与反馈。因此，这一篇更偏向于讨论“人与人之间的差异性”以及如何在现实环境中降低冲突、提升协作效率。 长期观察发现，部分体弱且易病的人，往往在生活习惯、人际边界、情绪控制方面较容易失衡，不擅长掌握分寸；而部分体能较强、长期锻炼的人，也可能因为过度自信、控制欲或高强度生活节奏，出现类似的问题。这意味着，健康状态并不完全决定一个人的认知成熟度，但身体状态、生活方式与心理结构之间，确实存在长期关联性。 用户画像的意义，并不只是“分析别人”，而是帮助自己更高效地理解人与环境。 其核心用途包括： 1. 通过画像快速理解不同人的需求、情绪与行为模式，减少沟通中的分歧与摩擦，提高工作与协作效率。 2. 通过让对方感受到“被理解”，提高其表达欲与信任感，从而获得更多真实信息，进一步完善画像体系与认知模型。 3. 降低复杂人际关系带来的消耗，为创作、思考与长期目标争取更稳定的空间。 在现实案例中，这种方法更多体现为一种“动态感知能力”。例如，通过微表情、精神状态、动作细节、语气变化等信息，初步判断对方近期的身体与心理状态，并选择合适的沟通时机；在自身状态较好、抵抗能力较强时，再进行高密度会议或复杂交流，以降低外部环境带来的影响。 又例如，与长期健康的人讨论如何维持良好状态，与身体抱恙的人讨论疾病、压力与恢复过程中的真实感受，通过共鸣建立更深层的信息交换。其本质并非“操控”，而是一种基于理解、观察与经验积累的人际适配能力。通过多样本数据分析和统计，筛除干扰项和噪声后，这就是一个 buff 拉满快速提升社会实践的一种高效方法和途径之一。 最终可以发现，人际关系的本质，并不是单向输出观点，而是借助他人的经历、认知与反馈，帮助自己完成原本无法独立完成的观察、体验与成长。
RT，不知道有没有谁水过相关论文，假如给LLM套上社科哲学Skill，产出内容会怎么样 9 个帖子 - 6 位参与者 阅读完整话题
今天跟Qoder的售前开了2小时的会，全程没干货。。介绍的方法论都是简单提示词工程。。推荐使用时不要超过100k上下文，感觉用起来瞻前顾后的。 最重要是，太贵了，20000Credit 10天就用完了。。同样的成本和同样的习惯下，我自己用opus 4.7用一个月都没问题，而且我还是全程在Opus 4.7 1M 的上下文中使用。 整体感觉Qoder对于上下文的优化目前还是没做到位的，还有一点想吐槽。。他们的session数据居然是加密的。。这东西不应该是用户的资产吗！ 7 个帖子 - 7 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 一直想做个ai挖漏洞的知识库来着。主要偏向src漏洞挖掘而非渗透测试。 前几天看 YouTube 上 NahamSec 采访一个使用 Claude Code 挖掘漏洞的视频。里面说到，把 H1 的公开报告精炼为 skill 的想法很好，然后基于这些报告构建出一套方法论。 以下是我提炼了乌云所有公开的业务漏洞、H1 2000 多个高危和严重漏洞，国内已公开src报告，并结合自己实战挖掘经验，做成的一个独立 Claude Code skill： src-hunter 。 内容来源 乌云所有公开的业务漏洞 H1 2000 多个 High / Critical 公开漏洞报告 自己挖掘 SRC 的实战经验 仓库地址 github.com GitHub - MyuriKanao/src-hunter-skill: 实战 SRC / 众测 / Bug bounty 漏洞挖掘 Claude Code skill —... 实战 SRC / 众测 / Bug bounty 漏洞挖掘 Claude Code skill — 19 个攻击类 playbook、305 个结构化 payload、263 个 WAF/EDR 绕过、2887 份 HackerOne 真实案例、88,636 WooYun 案例统计 2 个帖子 - 2 位参与者 阅读完整话题
有没有佬友交流下，如何才能更好的运用Ai，有没有什么方法论，比如运用skill，mcp，Harness Engineering 可以交流下，怎么才能在工作中运用起来让脑子可以不那么累 2 个帖子 - 2 位参与者 阅读完整话题