我们是在硅谷的公司，最近业务扩展，希望找到稳定的东八区工程师。需要你擅长与人沟通，能够快速学习，构建系统降低自己负担等，同时理解擅长企业级的高可用系统构建，维护。 需要你同时回复大客户消息和日常开发。 必须擅长使用 codex 或者 claudecode 等，快速定位，重构等解决问题。 我们提供有力的底薪+客户维护奖金。维护的客户越多奖金越多。可以看作 opc 。 有兴趣发简历到 [email protected]
我们是在硅谷的公司，最近业务扩展，希望找到稳定的东八区工程师。需要你擅长与人沟通，能够快速学习，构建系统降低自己负担等，同时理解擅长企业级的高可用系统构建，维护。 需要你同时回复大客户消息和日常开发。 必须擅长使用 codex 或者 claudecode 等，快速定位，重构等解决问题。 我们提供有力的底薪+客户维护奖金。维护的客户越多奖金越多。可以看作 opc 。 有兴趣发简历到 [email protected]
今天很多号挂了，我们一直在找号找渠道，所以白天公益站不可用了一段时间 Codex公益站： https://new.sharedchat.cc/ RawChat付费站： https://rawchat.cn/ 声明：在资源紧张的时候我们还是会优先保障付费站的，希望各位佬友理解 新规则修改：部分仅跨站注册的用户可以到公益站使用了 qq群：758607042（有问题群内反馈回复会快点，群内有技术支持） 13 个帖子 - 13 位参与者 阅读完整话题
在一次和经理吃饭的时候了解到的，和我们公司合作的另外一家公司，原来的规模大概也有三十多号开发，今年年初老板不知道怎么受刺激了，裁员到只剩下三四个员工，还和我们公司的老板和经理大吹特吹 一人ai公司 ，想拉我们老板一起下水； 一人ai公司 其实也是有成功案例的，但是想撑起一个公司的规模和做项目还是有点勉强吧，还是说这位领导其实在我不知道的方向押注了？ 10 个帖子 - 5 位参与者 阅读完整话题
从 这次是机房搞砸了一切 继续讨论： 是的，我们知道： 这次是机房搞砸了一切 运营反馈 真不是甩锅，机房搞砸了一切，已通过工单解决： [image] 服务器是有点压力，但不至于挂掉，看看怎么扩容一下子。 世界是个草台班子，接着奏乐接着舞～ 前天由于服务器问题hub炸了 今天由于服务器问题ld炸了 而42向hub提供服务器，所以都是42搞砸了一切 对不起,给大家跪了! 6 个帖子 - 6 位参与者 阅读完整话题
我们是专注 AI 陪伴方向的团队，旗下产品有情感陪伴，NSFW 伴侣产品，AI 游戏平台等 公司主体在美国，目前招聘以下远程全职岗位： 1 ，高级全栈开发工程师： 负责公司旗下产品前后端的开发与上线（ Java + Vue 3/TypeScript ） 5 年以上全栈开发经验，有独立负责一个完整业务领域的经历 一年以上 AI 辅助编程实战经验（ Claude Code/Cursor 或同类工具） 适应快速迭代的交付节奏，有远程协作自觉性 做过支付、结算、账务类系统者优先 有 AI 应用开发经验者优先 2 ，文本大模型训练专家 建立专属小参数文本模型，对对话和叙事质量负责 基于优秀开源大模型，并执行面向 NSFW 叙事场景的微调训练方案 构建与清洗华语叙事 / 对话语料，建立数据飞轮 设计对话质量、角色一致性、长程记忆的评测体系并持续迭代 优化小参数模型的推理成本与响应速度，推动线上部署 要求： 熟悉 LLM 微调经验 能独立完成从数据到评测的闭环 有垂直领域小参数模型落地经验 熟悉角色扮演 / 长程对话记忆方案 有 hugging face 模型作品优先 3 ，视频训练专家 基于优秀开源视频生成模型做深度微调，覆盖仿真人与动漫两个垂直领域 构建画质、动作一致性、时序连贯、prompt 跟随度的量化评测体系 建立数据采集与清洗管线，持续提升生成质量 要求： 扎实的视频 / 图像生成模型训练经验（扩散模型等） 熟悉相关训练、微调与评测方法 有 C 站，hugging face 模型作品优先 4 ，AI 数据工程师 设计并搭建面向语言模型训练的数据管线（采集、清洗、去重、质量评估） 构建 NSFW 领域的语料与多模态数据集，建立标注规范与标注工作流 搭建数据质量评测与监控体系，支撑模型训练的数据飞轮 要求： 扎实的数据工程经验（ ETL 、数据管线、分布式处理） 熟悉训练数据的构建、清洗与评测，熟练使用 Python 及主流数据工具 有语言模型数据建设经验，搭建过数据标注平台或标注流程 5 ，AI 产品经理 定义 AI 伴侣与创作者工具链的产品方向与迭代节奏 把模型能力翻译成创作者与用户可感知的体验 建立数据驱动的产品决策，平衡创作者收益与用户体验 参与新产品形态（影游 / 游戏）的早期探索 项目长期稳定，薪资结算灵活 另在小参数模型训练，视频训练等岗位我们也可以采取项目制或顾问制，如果您不方便远程加入，但具备这方面的能力和一定空余时间，我们也可以采取项目制合作按结果付费 另外也正在招募推广增长经理，品类运营经理（男性向，女性向，不同语种等），有相关经验者也欢迎联系 联系邮箱（ Base64 ）：cGVhY2hsYW5kYWlAZ21haWwuY29t 联系 VX （ Base64 ）：QzU3OTY4MDA= 联系 TG （ Base64 ）：QGN6YWs5
我们是专注 AI 陪伴方向的团队，旗下产品有情感陪伴，NSFW 伴侣产品，AI 游戏平台等 公司主体在美国，目前招聘以下远程全职岗位： 1 ，高级全栈开发工程师： 负责公司旗下产品前后端的开发与上线（ Java + Vue 3/TypeScript ） 5 年以上全栈开发经验，有独立负责一个完整业务领域的经历 一年以上 AI 辅助编程实战经验（ Claude Code/Cursor 或同类工具） 适应快速迭代的交付节奏，有远程协作自觉性 做过支付、结算、账务类系统者优先 有 AI 应用开发经验者优先 2 ，文本大模型训练专家 建立专属小参数文本模型，对对话和叙事质量负责 基于优秀开源大模型，并执行面向 NSFW 叙事场景的微调训练方案 构建与清洗华语叙事 / 对话语料，建立数据飞轮 设计对话质量、角色一致性、长程记忆的评测体系并持续迭代 优化小参数模型的推理成本与响应速度，推动线上部署 要求： 熟悉 LLM 微调经验 能独立完成从数据到评测的闭环 有垂直领域小参数模型落地经验 熟悉角色扮演 / 长程对话记忆方案 有 hugging face 模型作品优先 3 ，视频训练专家 基于优秀开源视频生成模型做深度微调，覆盖仿真人与动漫两个垂直领域 构建画质、动作一致性、时序连贯、prompt 跟随度的量化评测体系 建立数据采集与清洗管线，持续提升生成质量 要求： 扎实的视频 / 图像生成模型训练经验（扩散模型等） 熟悉相关训练、微调与评测方法 有 C 站，hugging face 模型作品优先 4 ，AI 数据工程师 设计并搭建面向语言模型训练的数据管线（采集、清洗、去重、质量评估） 构建 NSFW 领域的语料与多模态数据集，建立标注规范与标注工作流 搭建数据质量评测与监控体系，支撑模型训练的数据飞轮 要求： 扎实的数据工程经验（ ETL 、数据管线、分布式处理） 熟悉训练数据的构建、清洗与评测，熟练使用 Python 及主流数据工具 有语言模型数据建设经验，搭建过数据标注平台或标注流程 5 ，AI 产品经理 定义 AI 伴侣与创作者工具链的产品方向与迭代节奏 把模型能力翻译成创作者与用户可感知的体验 建立数据驱动的产品决策，平衡创作者收益与用户体验 参与新产品形态（影游 / 游戏）的早期探索 项目长期稳定，薪资结算灵活 另在小参数模型训练，视频训练等岗位我们也可以采取项目制或顾问制，如果您不方便远程加入，但具备这方面的能力和一定空余时间，我们也可以采取项目制合作按结果付费 另外也正在招募推广增长经理，品类运营经理（男性向，女性向，不同语种等），有相关经验者也欢迎联系 联系邮箱（ Base64 ）：cGVhY2hsYW5kYWlAZ21haWwuY29t 联系 VX （ Base64 ）：QzU3OTY4MDA= 联系 TG （ Base64 ）：QGN6YWs5
我们是专注 AI 陪伴方向的团队，旗下产品有情感陪伴，NSFW 伴侣产品，AI 游戏平台等 公司主体在美国，目前招聘以下远程全职岗位： 1 ，高级全栈开发工程师： 负责公司旗下产品前后端的开发与上线（ Java + Vue 3/TypeScript ） 5 年以上全栈开发经验，有独立负责一个完整业务领域的经历 一年以上 AI 辅助编程实战经验（ Claude Code/Cursor 或同类工具） 适应快速迭代的交付节奏，有远程协作自觉性 做过支付、结算、账务类系统者优先 有 AI 应用开发经验者优先 2 ，文本大模型训练专家 建立专属小参数文本模型，对对话和叙事质量负责 基于优秀开源大模型，并执行面向 NSFW 叙事场景的微调训练方案 构建与清洗华语叙事 / 对话语料，建立数据飞轮 设计对话质量、角色一致性、长程记忆的评测体系并持续迭代 优化小参数模型的推理成本与响应速度，推动线上部署 要求： 熟悉 LLM 微调经验 能独立完成从数据到评测的闭环 有垂直领域小参数模型落地经验 熟悉角色扮演 / 长程对话记忆方案 有 hugging face 模型作品优先 3 ，视频训练专家 基于优秀开源视频生成模型做深度微调，覆盖仿真人与动漫两个垂直领域 构建画质、动作一致性、时序连贯、prompt 跟随度的量化评测体系 建立数据采集与清洗管线，持续提升生成质量 要求： 扎实的视频 / 图像生成模型训练经验（扩散模型等） 熟悉相关训练、微调与评测方法 有 C 站，hugging face 模型作品优先 4 ，AI 数据工程师 设计并搭建面向语言模型训练的数据管线（采集、清洗、去重、质量评估） 构建 NSFW 领域的语料与多模态数据集，建立标注规范与标注工作流 搭建数据质量评测与监控体系，支撑模型训练的数据飞轮 要求： 扎实的数据工程经验（ ETL 、数据管线、分布式处理） 熟悉训练数据的构建、清洗与评测，熟练使用 Python 及主流数据工具 有语言模型数据建设经验，搭建过数据标注平台或标注流程 5 ，AI 产品经理 定义 AI 伴侣与创作者工具链的产品方向与迭代节奏 把模型能力翻译成创作者与用户可感知的体验 建立数据驱动的产品决策，平衡创作者收益与用户体验 参与新产品形态（影游 / 游戏）的早期探索 项目长期稳定，薪资结算灵活 另在小参数模型训练，视频训练等岗位我们也可以采取项目制或顾问制，如果您不方便远程加入，但具备这方面的能力和一定空余时间，我们也可以采取项目制合作按结果付费 另外也正在招募推广增长经理，品类运营经理（男性向，女性向，不同语种等），有相关经验者也欢迎联系 联系邮箱（ Base64 ）：cGVhY2hsYW5kYWlAZ21haWwuY29t 联系 VX （ Base64 ）：QzU3OTY4MDA= 联系 TG （ Base64 ）：QGN6YWs5
1. 核心心法：为何我们需要“量化”情绪？ 在金融交易的视角下，价格波动本质上是 基本面变动与投资者心理博弈的叠加 。正如投资大师巴菲特所言： “在别人贪婪时恐惧，在别人恐惧时贪婪。” 这句话听起来简单，但在实战中，大多数初学者会陷入 “单一指标失效” 、 “过度拟合历史” 以及 “回测与 ****偏差过大” 的三重困境。原因在于他们依赖的是“模糊的感觉”，而非 “结构化的信号”**。 作为量化野生宽客，我们的任务是 构建严谨的数据驱动体系，将情绪指标化 。我们要始终遵循一个核心逻辑： “钱往哪里走，机会就在哪里” 。通过追踪真实的成交数据，我们可以穿透市场的迷雾，识别出最具确定性的机会。 2. 资金流：追踪真金白银的“结果” 资金流 是市场博弈的最直接结果。它 不是预测 ，而是已经发生的、无法撤回的 既定事实 。 2.1 资金分类与情绪属性 通过对资金性质的拆解，我们可以识别不同群体的心理预期： 资金类型 代表群体 情绪属性 核心观察逻辑 北向资金 外资（聪明钱） 中长期配置信心 衡量全球资产对本土市场的溢价偏好 主力资金 机构与大户游资 短中期方向定盘星 捕捉主流行业及题材的爆发力 融资资金 杠杆投资者 情绪放大器 激增 代表贪婪至极， 骤降 代表恐慌踩踏 2.2 2026 年一季度现状分析：聪明钱的“分歧” 量化研究必须 尊重最新数据的反馈 。根据 2026 年 Q1 数据，北向资金整体小幅流出 142 亿元，但内部结构呈现出极大的逻辑差异： 配置型资金（ Long-term stable ） ：持续流入约 10 亿元 。 交易型资金（ Short-term flexible ） ：大幅流出约 223 亿元 。 ? 观点 ：这种“长入短出”的背离意味着 长线机构并未真正看空 。在行业分布上， 通信（+225 亿） 和 电力设备（+191 亿） 的强力吸金，验证了市场对 AI 算力爆发 与 新能源景气复苏 两条逻辑主线的高度共识。 2.3 因子构建：从原始值到统计显著 初学者常直接使用买入金额，但成熟的因子需要进行 标准化处理 。以融资情绪因子为例，其构建逻辑应为： 2.4 构建复合情绪因子的三个步骤 多源数据对齐 ：同步获取融资、北向、主力三类资金流数据。 PCA 权重优化 ：利用 主成分分析（ PCA ） 进行降维。quant 专家使用 PCA 而非简单加权，是为了在 保留最大信号强度 的同时，剔除不同资金流数据间的冗余噪音。 动态仓位触发 ：设定阈值，当复合得分产生共振时执行交易。 ? 过渡衔接 ：资金流告诉我们“钱去了哪里”，但要看清是 谁 在主导这些资金，我们需要深入 “龙虎榜” 进行身份识别。 3. 龙虎榜：识别市场主角的“身份” 龙虎榜 是交易所披露的“底牌”，它揭示了是谁在推动价格极值。 3.1 龙虎榜数据的三个层次 席位属性 ：区分“机构专用”（基本面派）、“知名游资”（情绪派）与“陆股通”（配置派）。 买卖对比 ：分析买五/卖五的集中度，判断是 “合力进攻” 还是 “散乱博弈” 。 席位组合 ：识别特定游资席位的联动关系（如“团伙作战”）。 3.2 实战案例：游资围猎与共振 案例一：金风科技（ 2025/12-2026/01 ） 股价在 10 个交易日内暴涨 83.25%。龙虎榜显示徐晓（ 4.16 亿）、作手新一（ 3.22 亿）、消闲派（ 2.63 亿）等顶尖游资席位合力买入达 13.46 亿元。此时机构却在减持，呈现典型的 “游资热、机构冷” 格局，属于 纯粹的情绪溢价 。 案例二：大普微（ 4 月 16 日上市首日） 首日暴涨 430.71%。5 家机构席位净买入 4.02 亿元，顶级游资“涪陵广场路”净买入 3.55 亿元。这种 “机构与游资共舞” 是市场最强烈的 共振看多信号 。 3.3 因子化进阶逻辑 机构“V 字型”规律 ：研究发现，机构龙虎榜在 极端净买入 （强信心）和 极端净卖出 （彻底洗盘或剧烈调仓）两端，往往都预示着后续的超额收益，而中间平庸的数据则缺乏预测力。 主力成交-价格相关性因子 ： 高相关性 + 高价位 ：可能暗示主力正在高位减持（出货）。 低相关性 + 低价位 ：可能暗示主力在低位进行“沉默式”吸筹。 ? 过渡衔接 ：理解了“谁在买”，下一步需要剖析他们 “为什么买” ，这需要借助 NLP 对新闻文本的解析。 4. 新闻情绪：解析市场波动的“因果” 非结构化文本中隐藏着资金流动的诱因。通过 AI 技术，我们可以将文字转化为具备多空指向的概率分数。 4.1 技术路径：从文本到 Alpha 数据采集 ：抓取股吧评论、公告、新闻标题。 情感极性判断 ：利用 ModernBERT 等模型评估新闻的正面/负面概率。 量化映射 ：将情感概率转化为可用于回测的离散或连续得分。 4.2 前沿应用：ModernBERT 的惊人表现 最新的研究显示，基于 ModernBERT 模型构建的复合因子多空策略呈现出 极高的稳健性 ： 年化收益率 ： 80.46% **收益风险比 (Sharpe)**： 4.18 最大回撤 ：仅 -9.87% 4.3 核心预警：情绪背离 [!WARNING] 风险预警信号：情绪背离 当价格持续创出新高，但 新闻情绪指数或社交媒体热度（如股吧活跃度）开始边际下降 ，甚至出现大量质疑，这通常是上涨动力衰竭的早期征兆。 ? 过渡衔接 ：既然我们拥有了资金（结果）、龙虎榜（主体）、新闻（因果）三个维度的武器，如何将它们打造成一套完整的防御体系？ 5. 系统集成：从单兵作战到多因子框架 5.1 华泰 A 股情绪指数框架拆解 一个成熟的量化系统应涵盖以下三个维度： 资金维度（核心） ：融资净买入、ETF 净申购、CDS 利差。 ? 专家提示 ：CDS 利差缩窄意味着市场感知到的系统性风险降低，这会显著提升风险偏好。 预期维度 ：期权持仓 PCR （ Put-Call Ratio ）、隐含波动率。 动能维度 ：MACD 、乖离率（ BIAS ）。 5.2 情绪因子的层级结构表 层级 代表因子 构建方法 数据频率 优缺点 基础层 成交量、涨跌比 线性统计 日频 直观但信息滞后，易被噪音干扰 复合层 综合情绪指数 PCA/加权打分 日频/周频 全面性强，但权重分配对环境敏感 AI 增强层 BERT 情感因子 深度学习/NLP 分时/实时 捕捉非线性信号极强，但计算开销大 ? 过渡衔接 ：在正式开始实战之前，必须学习如何避开那些致命的量化陷阱。 6. 量化陷阱与实战反思：保护你的本金 量化投资并非寻找点金石，而是对概率的持续管理。在构建因子时，请务必内省： 持续性优于单点数据 ：单日资金的大幅流入可能是大宗交易的干扰， 只有连续多日的趋势共振才具备信号价值。 绝对禁忌：过度拟合（ Overfitting ） ：这是量化投资中最隐蔽的杀手。 绝对不要为了让历史曲线好看而无限增加参数 。必须使用滚动窗口（ Rolling Window ）和严格的样本外测试（ Out-of-sample Testing ）。 环境决定因子权重 ： 趋势市 ：资金流因子权重应占主导。 震荡市 ：优先观察新闻情绪的边际变化。 极端市 ：紧盯龙虎榜席位博弈逻辑。 数据源的质量决定因子生死 ：无论是通过 AKShare 获取国内开源数据，还是购买专业的机器可读新闻（ LSEG ）， 数据清洗（ Cleaning ）和去噪（ Denoising ）的能力往往比算法本身更重要。 总结 ：量化的本质是将“模糊的感觉”具象化。通过 资金流（结果） 、 龙虎榜（主体） 与 新闻情绪（因果） 的三维共振，我们不仅能看清钱的去向，更能读懂背后的动机，从而在波动的市场中保持 数据驱动的理性 。
我们是一家专注于视频内容生态的互联网平台，服务数千万用户，每天处理海量视频数据。通过智能推荐算法，为用户带来沉浸式观看体验，同时助力内容创作者成长。 欢迎对推荐系统、多模态学习充满热情的你加入，一起打造行业领先的视频算法！岗位职责 负责视频推荐系统全链路算法研发与优化，包括召回、粗排、精排、重排等模块，持续提升用户完播率、互动率、留存时长等核心指标； 挖掘用户行为特征与视频多模态内容（视觉、音频、文本），构建精准的用户画像和视频表征模型，实现个性化智能推荐； 探索并落地前沿技术，如 Transformer 、图神经网络、多模态大模型、AIGC 在视频推荐中的应用，推动算法创新； 设计并执行 AB 实验，分析线上数据，诊断问题并快速迭代优化模型效果与系统性能； 与产品、后端、数据团队紧密协作，推动算法从研究到高效线上落地的全流程。 任职要求 计算机、人工智能、软件工程、数学等相关专业，本科及以上学历（硕士/博士优先）； 2 年以上推荐系统或多媒体算法开发经验，有短视频/长视频平台实际项目经验者优先； 扎实的机器学习/深度学习基础，熟练掌握 Python ，熟悉 PyTorch 或 TensorFlow 至少一种框架； 熟悉大规模数据处理工具（如 Spark 、Flink ）和分布式系统，有推荐系统工程落地经验加分； 对视频内容理解（ CV 、音频处理、NLP ）有一定了解，熟悉 FFmpeg 、OpenCV 等工具者优先； 具备良好的数据分析和 AB 实验设计能力，强烈的责任心与团队协作精神，能适应快节奏的工作环境。 请携带简历咨询，谢谢； TG：@dajidali2026 E: [email protected]
我们公司有一个Web后台，大部分是面向国内用户的，然后还有少量海外的用户，服务器放在阿里云，现在海外用户有时候反映说打不开，因为我不是搞网络的，不是很懂这块要怎么优化，然后问了哈基米，下面是它的建议，佬友们帮忙看下是否靠谱呢： 直接进行 动态分流 ： 国内流量（不动）： 在阿里云 DNS 里，将“解析请求来源”设为 中国地区 ，直接指向你们现有的国内服务器 IP。国内用户访问路径完全不变，速度依然是最快的。 海外流量（套盾加速）： 将“解析请求来源”设为 境外 ，CNAME 指向 Cloudflare 。 这个方案能解决什么： 解决海外用户因为 DNS 污染找不到服务器、或者因为握手超时导致的“网页完全打不开”的问题。Cloudflare 在海外的节点会代替你的服务器和海外用户建立连接。 潜在痛点： Cloudflare 免费版节点在收到海外用户的请求后，回源（穿透回国内服务器拿数据）时走的依然是公网。如果遇到国际出口大拥堵，海外用户可能会觉得“能打开，但转圈有点慢”。 1 个帖子 - 1 位参与者 阅读完整话题
来猜猜为什么薄荷炸了…… 怎么有人懒到几千万条日志一点不清理啊…… （我们还在迁移服务器，稍安勿躁） 16 个帖子 - 15 位参与者 阅读完整话题
《我们走过的地图》现已开源！ 这是一个为情侣设计的旅行回忆微信小程序，用地图、照片、时间线与 AI 辅助叙事，记录两个人一起走过的城市、留下的故事以及未来想去的地方。 项目已开放源码，欢迎各位大佬体验、交流与提出建议。如果觉得这个作品还不错，也希望能够获得大家的支持 目前正在参加 Unity2.ai VibeCoding 挑战赛人气奖评选 ，如果愿意的话，恳请大家为《我们走过的地图》投出宝贵的一票。 每一票都是对作品最大的认可，也是继续完善和开源维护的动力。 感谢各位大佬支持！ Unity2.ai VibeCoding 大赛 1 个帖子 - 1 位参与者 阅读完整话题
领导最近要开大模型，这段时间经常咨询我们用什么模型，同事都没用过千问，不知道怎么就看上了。典型的意见可以提，但不接受，主打一个不听劝! 平时都是用codex，有用过千问的佬吗,什么水平? 9 个帖子 - 9 位参与者 阅读完整话题
小米moni code正式上线，mimo-v2.5-pro免费用，大家赶紧薅！ 今天，我们正式发布并开源 MiMoCode V0.1.0 —— 一款运行在终端里的探索性 AI 编程助手。 MiMo Code 始于编程，不止于编程 。它不只是一个好用的 AI Coding 工具，更是一位住在你电脑里、越用越懂你的 AI 队友。 它内置限时免费的顶级多模态模型 **MiMo-V2.5，**性能比肩 Claude Sonnet 4.6；同时支持接入 DeepSeek、Kimi 和 GLM 等主流模型，以及第三方 Token Plan，满足不同开发者的需求。 MiMo Code 基于开源项目 OpenCode 二次开发， 发布并开源，采用 MIT协议 。 核心能力 持久记忆系统 + 无限上下文：从根上解决“AI健忘” MiMo Code 内置独创的持久记忆系统，用项目记忆、会话检查点、任务进度三重机制，解决长会话“越用越忘”的难题。即使上百轮的长程会话，也能保持输出质量、不丢关键信息。 主流 Code Agent（Claude Code、Codex 等）多是“让 AI 自己记笔记”，但模型不会主动触发，记不记、何时记全靠它自觉。所以我们换了个思路： 让主 agent 专心干活，记录完全外包 —— 由独立 subagent 自动保存状态，窗口快满时重建一份干净简报，主 agent 接着干而非从零开始。 一句话： 不赌模型自觉，用工程把它兜住 。 模型 Agent 协同优化 + 独创 Compose 模式 大多数 Coding Agent 的工作方式是「拿到需求就埋头写代码」，像一个不看导航就上路的司机——看似高效，实则容易跑偏。 但模型并非千篇一律：不同模型各有自己的"性格"与"禀赋"，与不同的 Agent 框架之间也存在天然的"适配度"高低。把模型和框架简单拼在一起，往往发挥不出真正实力。 MiMo Code 为 MiMo 系列模型量身打造了一套专属的 Harness 系统，让模型的能力与框架深度配合；再配合独创的 **Compose 模式，**实现 1+1>2 的协同效果。 使用时，只需按 Tab 键 切换到 Compose 模式，给它一个简单的想法，它就能自动完成设计、规划、编码、测试、审查的全流程，最终交付一套工业级的成品。 实测对比 我们给两个工具下了同样的指令: 「帮我用 golang 实现一个 redis，需要支持用 redis-cli 连接。」 Claude Code 出手很快，代码很快就跑了出来——但几乎没有配套测试，功能能用却不够扎实，后续返工的风险不小。 MiMoCode 用 Compose 模式，前期花了更多时间做规划，看起来“慢”了一截；但落到结果上，它实现了更丰富的功能，并配上了完整、详尽的测试，真正体现出工业级代码该有的样子。 有意思的是，**算总账反而是 MiMoCode 更快：**它把时间花在前期想清楚、后期验得稳上——慢写、快验，整体体验更省心。 Dream：记忆沉淀，越用越懂你 MiMoCode 内置了一个独特的 /dream 命令。每 7 天自动触发，由独立 Agent 读取历史会话和现有记忆文件，执行合并、去重、验证路径有效性和压缩，将分散的记忆收敛为一份紧凑的当前状态，并更新全局记忆。 到了下次使用，它会在合适的时机自动调用这些记忆。这意味着 MiMo Code 不会每次都从零开始，而是带着对你和你项目的理解持续成长——真正做到越用越顺手。 支持语音输入：“君子动口不动手” MiMo Code 内置了语音输入与控制功能，背后是 MiMo-V2.5-ASR 的强大语音识别能力加持。动动嘴，活就干了。 它能做的不只是“念出 prompt”：你可以口头修改写错的指令，也可以直接发出“发送”“执行”这类操作命令——从输入到操控，全程不用碰键盘，效率自然又上一个台阶。 用数据说话：同模型，更强表现 在两个面向真实编程场景的权威测试集 SWE-Bench 和 Terminal Bench 上，我们做了一组对照实验:让 MiMo Code 与 Claude Code **使用同一个 MiMo 模型，**只比拼各自的 Agent 系统本身。 结果显示，MiMo Code 在 SWE-Bench Pro 上达到 **62%（**Claude Code 为 57%），在 Terminal Bench 2 上达到 **73%（**Claude Code 为 68%）—— 在模型完全相同的前提下，MiMo Code 凭借专属 Harness 与 Compose 模式的协同，拿到了较优的分数。 如何使用：零配置起步，开箱即用 安装与启动：打开终端 Mac和Linux用户推荐: curl -fsSL https://mimo.xiaomi.com/install | bash Windows 用户推荐使用 npm: npm install -g @mimo-ai/cli 装好后，终端输入 mimo 即可启动。为了获得最佳体验，强烈推荐 Mac用户在 iTerm 中或者 vscode 终端中使用。 模型配置 内置 MiMo-V2.5 限时**免费通道，**无需注册即可使用 兼容 DeepSeek / Kimi / GLM 等主流模型 API，及第三方 Token Plan 使用： 输入 / 查看各项配置 所有设置项全面中文汉化，本地友好 TUI 页面右侧常驻状态看板，随时观察工作进度 更多技术细节，欢迎关注我们的团队 Blog： https://mimo.xiaomi.com/mimocode 开源与展望 MiMo Code 发布并开源 ，采用宽松的 MIT 协议——这意味着它对几乎所有人都敞开： 个人开发者 可以自由使用、修改、分发，想怎么折腾都行; 企业 可以把它集成进自己的开发工具链，无需担心授权束缚; 社区 可以基于它打造垂直领域的编程助手，长出更多可能。 9 个帖子 - 8 位参与者 阅读完整话题
不知道对我们会有多大好处。也许厮杀的越狠，我们越爽。 8 个帖子 - 5 位参与者 阅读完整话题
最近在论坛发一个帖子，被很多人说是 ai 写的，由此，我突然想到一个巨大的人类社会的危机： 我们无法再确定和我们互动的是人类。 这个问题，可能比 ai 技术本身会给人类社会带来更大冲击！ 我们再也无法相信这些是真实存在的人： 1 、网上发布信息的； 2 、和你讨论、辩论的； 3 、甚至和你通话、视频的； 如果说，过去媒体对大众意识的引导已经很大，那么未来，完全有可能出现，一些别有用心的人，通过 ai 引导整个社会的舆论。
最近在论坛发一个帖子，被很多人说是 ai 写的，由此，我突然想到一个巨大的人类社会的危机： 我们无法再确定和我们互动的是人类。 这个问题，可能比 ai 技术本身会给人类社会带来更大冲击！ 我们再也无法相信这些是真实存在的人： 1 、网上发布信息的； 2 、和你讨论、辩论的； 3 、甚至和你通话、视频的； 如果说，过去媒体对大众意识的引导已经很大，那么未来，完全有可能出现，一些别有用心的人，通过 ai 引导整个社会的舆论。
最近在论坛发一个帖子，被很多人说是 ai 写的，由此，我突然想到一个巨大的人类社会的危机： 我们无法再确定和我们互动的是人类。 这个问题，可能比 ai 技术本身会给人类社会带来更大冲击！ 我们再也无法相信这些是真实存在的人： 1 、网上发布信息的； 2 、和你讨论、辩论的； 3 、甚至和你通话、视频的； 如果说，过去媒体对大众意识的引导已经很大，那么未来，完全有可能出现，一些别有用心的人，通过 ai 引导整个社会的舆论。
日抛没了，team没了，土区没了，为今之计恐怕只有正价订阅了。 佬友们我们该何去何从 13 个帖子 - 8 位参与者 阅读完整话题