写在前头 这几天LD就像过年一年, 各种CPA/公益站层出不穷, token直接自由 我就在这几天的时间里, 生成了一本小说, 书名叫 梦回高三，女主们都不装了啊 多女主、恋爱修罗场、定义为纯爽文 校园梦门 后宫恋爱 火速下载: book.txt (1.8 MB) 剧情简介 林澈重回高三那天，课桌里多了一本旧书，身边的女主们也一个个开始“不按剧本来”。 这是一本从校园恋爱喜剧起步的穿越系统爽文： 前期写成绩逆袭、青梅查岗、同桌暧昧和入梦异常 中期把舞台推向大学、都市和职场； 后期梦境污染撕开现实秩序，林澈与女主们从修罗场、互怼和并肩破局，一路走向废土阵营与新秩序建设。 人物视觉与关系表 每张人物视觉表为三联图：插画 / 肖像 / Q版表情包。 角色 视觉表 人物关系与定位 林澈 重返十八岁的男主，靠入梦能力、现实练习和前世经验，从高三一路反杀到更大世界。 小梦 开朗可爱的小女孩型高级 AI，负责梦境提醒、简短吐槽和关键时刻救场，不作为恋爱对象。 许知夏 校园篇最稳定的情感锚点，嘴硬查岗、护短投喂，吃醋时尤其像风纪委员上线。 沈照溪 清冷天降兼冷感病娇线，与旧书和系统深层秘密相关。她因记忆与现实断裂害怕被遗忘，会把林澈视作现实锚点，偏爱表现为只给他的书签、小太阳警告、安静吃醋和危险占有欲。 顾明棠 骄傲、聪明、流程控，和林澈从竞争、打脸到并肩拆异常，傲娇关心常常流程外溢出。 周晚星 用声音控场的广播站女主，负责校园活动、暧昧误会和轻喜剧修罗场调度。 江雨眠 温柔成熟的邻居姐姐，牵动家庭、社区和早期成熟女性张力，校园阶段保持边界感。 裴鹿鸣 明亮直球的富家女，善良有资源但容易好心办坏事，和顾明棠有圈层互怼线。 裴星眠 裴鹿鸣的冷感妹妹，边界锋利、嘴上不饶人，初期带着反向护姐和拆台动机入局。 谢云栖 大学篇青年讲师，蓝伞、旧邮亭和“数雨声”牵出成年后的旧缘重逢。 顾清岚 顾明棠的母亲，都市职场和项目权力线关键人物，前期以边界、规则和资源压迫感埋伏笔。 傅婉清 待生成 京城首富傅临川的成年独女，车祸后长期植物人，意识困在多层梦境；后期由林澈多次入梦救醒，苏醒后带来京圈资源、豪门压力和强助力女主线。 王诚 林澈同学兼嘴替，负责起哄、误会、互联网式吐槽和校园恋爱喜剧的现场弹幕。 温书意 林澈母亲，中学语文教师，温柔但不软弱，是家庭线和现实规则反制的重要支点。 林守诚 林澈父亲，普通工人，沉默务实，后续牵出厂区线、家庭翻盘和现实危机。 秦薇 校园早期的规则与课堂压力锚点，严厉但负责，是异常流程进入现实课堂的第一批见证者。 闻檀 旧馆资料助理，连接档案、旧书和大学异常资料线，安静观察力强。 苏听澜 校医院医生，负责体检中心、异常筛查和医学表单线索，专业温和但判断锋利。 陆燃 田径特长生，直爽好胜，适合承接跑得更快、拳脚更稳、打架更会躲的武功前置爽点和“嘴嫌体正直”的护人张力。 岑梨 艺术班学生，外表会撩、观察细，提供审美、伪装识别和梦境画面记录能力线。 青梅和天降你要哪一个? 不好意思, 这篇爽文全都要 我还想说 这是我第一次尝试用AI写小说, 可能还是调教的不够好吧, token真金白银的用出去了 由于只在一个会话里, 喂给的上下文太长了, 自动挂机写的, 后续120章之后的生成每一章都太短了, 所以实际上是没写完(原定的是大概500章, 100万字) 不过各位可以看看前120章是否对味, 有没有看头 上下文压缩再压缩, 效果真的越来越差 ~/.codex/sessions ❯ du -sh 2026/06/07/rollout-2026-06-07T18-42-00-019ea1ac-db11-70e1-b471-65ce2cd9be3f.jsonl 90M 2026/06/07/rollout-2026-06-07T18-42-00-019ea1ac-db11-70e1-b471-65ce2cd9be3f.jsonl 我本来还想继续写下去的, 奈何找了好久都没有好用的 codex公益站 和 CPA账号 了 所以各位佬们, 还有白嫖的账号或者公益站吗? 助力我继续写下去吧 至于为什么花了这么多 token, 主要还是大改过几次, AI动不动就写偏了, 需要手动纠正 /goal 模式还是需要给出各种验收条件和各种上下文读取调整, 这样才会尽量少人工感觉一直走下去。。。 欢迎各位修改设定或调整方向 4 个帖子 - 4 位参与者 阅读完整话题
层出不穷的AI太多了，每天都有新的花样，很多人以使用了多少token，会用多少工具为AI能力的标准，绝口不提解决了什么具体的问题，所以，什么才可以评估使用AI的能力呢？ 5 个帖子 - 5 位参与者 阅读完整话题
最近L站的gpt team福利层出不穷，羊毛版很多分享URL和key， 但是放到cc-switch里面，再去打开codex或者Claude， 效率低不说，打开后在codex里面聊了没两句就429或者exceed了， 说实话有点浪费时间，各位佬都是什么姿势薅的 5 个帖子 - 3 位参与者 阅读完整话题
历史上，公益 codex 最疯狂的一天。太夸张了。 1000 刀、100w 刀、无限，各种层出不穷。 奥特曼得来 LinuxDo 进货了 8 个帖子 - 8 位参与者 阅读完整话题
agent 在不断演进，新的也层出不穷。看到很多佬友在问什么AI Agent 好，干脆直接做个投票，大家根据自己近期的体验，选择自己认为好用的 Agent。如果佬友正在用多个 Agent，尽量选择自己认为好用的，推荐使用的。 如果选项不在投票中，可以在评论区写入，我会添加到投票选项中。 openclaw hermes generic agent codex claude code 其他，欢迎在评论区发出，我会填到选项中 点击以查看投票。 大家可以回复评论一下当前 agent 的情况哈。供还没有使用 agent 的佬友参考～大家多多交流！ 9 个帖子 - 9 位参与者 阅读完整话题
今天又刷到一个“Linux CIFSwitch内核漏洞允许攻击者获得Root访问权限”的。今年的Linux漏洞，都不知道已经有多少了，耳朵都听出茧了。 要是漏洞还这么多，那只能关闭全部端口，全部走Zero Trust方案了！暴露在公网上，人家有一万种方法对付你 9 个帖子 - 6 位参与者 阅读完整话题
继上次的探讨。其实会发现，虽然现在好似各种AI概念层出不穷。但追溯它们要解决的问题，会发现仍然非常朴素，抓住这个问题再去看各个概念，会发现它们都是在此长出的枝叶。Agent Memory始终在面对的问题是： 如何把合适的内容塞入AI有限的上下文？ 也就是， 如何召回？和存入什么？ 的问题。 这边刻意不去讨论模型上下文的问题，意在我们可以把注意力集中在各种层出不穷的，可谓是新基建问题的Agent Memory这一概念上。作为非专业人士，我的论述可能不是很全面，佬友们有问题的欢迎指出。 在这一问题的受限度在于，其实我们能采用的召回手段相当有限，这也是我在自己做项目的时候，发现的一大痛点。召回的方法大致可以用以下内容来概括： 稀疏文本检索。也就是关键词、BM25、SQLite FTS、OpenSearch、Lucene 这一套。它非常像是我们打开搜索引擎，输入我们想要去查找的内容时，所经历的一切。好处在于，可解释、便宜、稳定、对于精确实体/术语/代码/时间很强。而问题也出在，语义的跳跃性、多语言等方面，效果就不是很好。所以它往往依赖于更好的写入、存储结构。像是从翻书进化到查字典进化到查百度（有了摘要和排序逻辑）等等。 稠密向量检索 + 重排序。这也就是非常传统的RAG路线（所以说RAG已死么？其实只是被别的概念囊括进去了罢）。Embedding 先粗召回，cross-encoder 或 LLM 再 rerank。它的优点是语义召回强，在同义表达、隐式表述、跨段落相似等方面做的就更好。但问题在于，成本高、黑箱、面对冲突问题不是很可靠，以及可能把“语义相似”误当作“任务相关”。比如：“我喜欢用Python来实现项目”，不等同于我在进行项目的时候，就要用Python来完成。 在这两种手段的基础上，我们可以很快的推导出以下可用的方法逻辑。 语义理解我们可以不交给嵌入式模型、重排序模型。我们直接让Agent自己去查，然后把查到的结果返回不就好了嘛？恭喜你，发明了Agentic retrieval / progressive retrieval。也就是让 LLM 自己把查询拆开，多轮调用检索工具，逐步扩大范围、修正搜索词、检查证据。需要注意的是，其实这一方法还是没有办法避免幻觉、腐化和成本经济性问题。 这两种查询为什么不可以都用呢？以及那我是不是造一个好的检索系统就好了？恭喜你，这里就可以自然延伸出，图结构（其实就像是系统推送一样，就是根据各种关系推断出相关的内容。AI出现与否，抖音都是如此收割大家的Attention的）或者说结构化。召回可以不只是按相似度，可以按实体、关系、事件、时间线、因果链、任务状态去走路径。就像是Map一样，我告诉AI，怎么走可以到达要去的地方。（这里的嵌入/重排序模型可以用于范围的粗筛，结果的精选等等） 所以，一个记忆系统好用与否的上限，往往不是由检索方式单独决定的。而是由写入时，或者说存储的记忆形式决定的。这么听起来挺泄气的。好像折腾来去听起来非常容易被取代。我的观点是，不是说未来会出现汽车，所以马车和马车的各个轴承等的研发就没有意义了。恰恰相反，功不唐捐。至于说以指数形式跃进故而很多东西都会失去价值的加速主义派别，我只能说，首先，我上一期说的第二个问题我觉得还是不能解决。其次，我个人觉得这样的判断，是非现实的。而关于控制器的技术，其实好像不论技术怎么发展，都是不可避免的热门问题。原因就在于，人本身的匮乏导致，我们其实不能接受，不能由我们主观掌握的东西存在。 回归整体，所以存入什么也可以这么划分为两大类。（我这个划分方法主要是便于理解，但是并非很准确的概念划分。） 对象。对象可以是原始对话、用户原话、文档片段、工具输出、代码 diff、网页来源、邮件内容、运行日志等等。以及从中抽象出的，类似用户偏好、任务状态、事实性断言、程序性记忆/方法记忆（类似于skills和工作流，其实表征的是在具体工作场景下，固定的SOP）等等。也就是说，可以是原始内容、从原始内容中提取的经验描述（正面经验 eg:偏好、负面经验 eg:问题、固定模式 eg:skills）以及对原始内容的结构化表达和索引。 关系。可以细分为对象、对象之间的关系、事件之间的因果或时序。在某种意义上来说，对原始内容的结构化表达和索引也可以被放在这里。它是把“谁和谁有关”“什么属于什么”“什么依赖什么”“什么冲突什么”这些单靠只存储对象没有办法解决的语言之外的指向性，去明白的写出来。比如昨天我在写Agent Memory相关的代码，那我今天就一定在写么？不一定，但是存在关系。如果只靠对象，那就是单点式的，而关系把隐式的逻辑给表征出来了，所以对象和对象相互连接，也就成为了图。 但需要知道的是，再怎么细的去划分，如果停留在这里，其实也只是目录学的范畴。控制的含义可以更深一步，前面的我们其实可以理解为，让AI知道什么。而往下，其实就进入到很火的harness的范畴，也就是，让AI能做什么。以下是一些有代表性的研究，大家可以去看一下。 timeline title Agent Memory 与 Context Management 演化时间线 2021 : RETRO 2022 : Memorizing Transformers : Recurrent Memory Transformer 2023 : Generative Agents : Reflexion : Voyager : MemGPT : LongMem : MemoryBank 2024 : LoCoMo : LongMemEval : Infini-attention : AriGraph 2025 : RMM : MemInsight : A-Mem : MemoryOS : Mem0 : Zep : MemoryAgentBench 2026 : H-Mem : LightMem : AMA-Bench : MemoryArena : MemGUI-Bench : LongMemEval-V2 : Memora 这里也开出几个我自己不成熟的关于技术的思考：1. 所以从本质上看，其实skills也好，tools也好，其实都是归到上下文管理。 2. 知道其实和能做是不是一回事？如果AI不知道一个工具，那么它不就不能做么？只不过我们是为了防止AI原生的世界知识的影响，越过了我们划分的知道的边界，创造出一个有限的沙盒去承载它。3. 认为LLM可以通向AGI的，前提思想是不是就是，智能可以从对世界规律的压缩、预测、建模和行动反馈中涌现出来。但从中我觉得可以进一步推到其实世界是虚拟的幻象？因为概率的潮落和聚集如果可以发挥不可匹敌的能动作用，就说明，我们自认为的“我”在，也只不过是概率的聚集罢了。 1 个帖子 - 1 位参与者 阅读完整话题
感觉层出不穷，应用迭代速度飞快，有种跟不上的感觉。 感觉太慢了，感觉AI能力迭代速度达不到预期，按照现在的速度，距离AGI还有不少时间。 希望大家在两者观点，进行二选一，来谈一谈感受。 太快了 太慢了 点击以查看投票。 30 个帖子 - 27 位参与者 阅读完整话题
无论是gpt/gemini/grok 逆向 中转 层出不穷，但是国内deepseek等却没有活跃的逆向项目了 14 个帖子 - 14 位参与者 阅读完整话题
感觉很复杂，现在工作难度、工作强度相比之前大幅下降，但是工作内容的边界借助 AI 大幅拓展了，工作中的成就感其实是上升的，看到各种新模型的能力，也会觉得很欣喜 另一方面也确实会有一点被全面替代，无力抵抗的焦虑 好在目前这些感受还不影响我
感觉很复杂，现在工作难度、工作强度相比之前大幅下降，但是工作内容的边界借助 AI 大幅拓展了，工作中的成就感其实是上升的，看到各种新模型的能力，也会觉得很欣喜 另一方面也确实会有一点被全面替代，无力抵抗的焦虑 好在目前这些感受还不影响我
感觉很复杂，现在工作难度、工作强度相比之前大幅下降，但是工作内容的边界借助 AI 大幅拓展了，工作中的成就感其实是上升的，看到各种新模型的能力，也会觉得很欣喜 另一方面也确实会有一点被全面替代，无力抵抗的焦虑 好在目前这些感受还不影响我
感觉很复杂，现在工作难度、工作强度相比之前大幅下降，但是工作内容的边界借助 AI 大幅拓展了，工作中的成就感其实是上升的，看到各种新模型的能力，也会觉得很欣喜 另一方面也确实会有一点被全面替代，无力抵抗的焦虑 好在目前这些感受还不影响我
感觉很复杂，现在工作难度、工作强度相比之前大幅下降，但是工作内容的边界借助 AI 大幅拓展了，工作中的成就感其实是上升的，看到各种新模型的能力，也会觉得很欣喜 另一方面也确实会有一点被全面替代，无力抵抗的焦虑 好在目前这些感受还不影响我
感觉很复杂，现在工作难度、工作强度相比之前大幅下降，但是工作内容的边界借助 AI 大幅拓展了，工作中的成就感其实是上升的，看到各种新模型的能力，也会觉得很欣喜 另一方面也确实会有一点被全面替代，无力抵抗的焦虑 好在目前这些感受还不影响我
现在AI编程盛行，各种工具层出不穷，但是都是优先 Linux/MacOS 的，Codex 在 Windows 下的体验就没有 Mac 上丝滑。哪怕是 AI 调用一些工具，也经常是默认调用 Linux 的，然后发现你的环境是 Windows 又换成 PowerShell 的命令。还好有个 WSL 可以使用。 13 个帖子 - 11 位参与者 阅读完整话题