面了挺久，最后留了2个offer，佬们帮忙参考一下，给点建议 1：总部不在我城市，总部和我城市某医院有合作，所以成立了一个小分队来负责我城市对接这个医院，给医院做一个东西。面试官说，总部给的时间是1年，但是这个项目预估3-5个月就能做完。做完之后，小分队偷偷尝试做做其他东西看看。面试官也是技术大拿。 2：初创业型工，老板也是技术大拿，公司目前十几个人，做一些ai应用型的市场目前。老板人脉比较广，在很多企业里带过团队。之前手底下的或者同事啥的，不共事之后，他都推荐了其他很多比较好的公司的岗位过去。 公司一比公司二工资多2k，不知道怎么选，有点纠结。 2 个帖子 - 2 位参与者 阅读完整话题
2 个帖子 - 1 位参与者 阅读完整话题
我只把号借给同事用 ，不知道这算违规使用吗
一直正价买gpt plus，但是无法应对突发情况比如项目工作量突然增加的场景，于是补充一些低价的plus，但是都用不了一两天，实在受够了，最后拉上两个小伙伴开了一个20x，不得不说真耐蹬 其实现在gpt 20x如果拼车而言真的算便宜了，国产的max套餐都快600多一个月，与其忍受降智，抢购，朝令夕改，模型能力低下等情况，还不如直接开20x 16 个帖子 - 11 位参与者 阅读完整话题
前段时间换了手机，两步验证码丢失，最后费了很大周折才找回，市面上用了几个感觉都不太满意，有的需要账号同步，把 Base32 同步到三方服务器感觉不安全，有的功能又太复杂，基于这个现状，于是自己动手做了这个 iOS 应用 TokenGuard ，欢迎大家试用。 TokenGuard —— 你的终极 2FA 保镖！ 🔒 100% 本地存储：密钥只属于你，无服务器泄露风险。 ☁️ iCloud 自动同步：同账户多设备无缝迁移，告别丢失焦虑。 ⚡ 极简高效：秒级导入，专为 Web3 人士打造安全与便利兼得，保护你的每一次登录👇。 目前国区没有上架，可以用其它区的 Apple 账号下载安装。 🔗iOS 下载-点击这里下载 Mac 版本正路上了 下面符上 5 个兑换码： KWY4JY6RTNAPFLW67K 83F4FJYY7APFPT3WAF L7RX7FTL7F6FPXWK8Y R6RL3LFMWMNWT348JX 7P76JTTWA787EYXE3X
前段时间换了手机，两步验证码丢失，最后费了很大周折才找回，市面上用了几个感觉都不太满意，有的需要账号同步，把 Base32 同步到三方服务器感觉不安全，有的功能又太复杂，基于这个现状，于是自己动手做了这个 iOS 应用 TokenGuard ，欢迎大家试用。 TokenGuard —— 你的终极 2FA 保镖！ 🔒 100% 本地存储：密钥只属于你，无服务器泄露风险。 ☁️ iCloud 自动同步：同账户多设备无缝迁移，告别丢失焦虑。 ⚡ 极简高效：秒级导入，专为 Web3 人士打造安全与便利兼得，保护你的每一次登录👇。 目前国区没有上架，可以用其它区的 Apple 账号下载安装。 🔗iOS 下载-点击这里下载 Mac 版本正路上了 下面符上 5 个兑换码： KWY4JY6RTNAPFLW67K 83F4FJYY7APFPT3WAF L7RX7FTL7F6FPXWK8Y R6RL3LFMWMNWT348JX 7P76JTTWA787EYXE3X
昨天刚开了ios土区，赶上了涨价前最后一波，为了ios土区，搞了gg卡，又搞了二手iPhone又养了两个星期的号，心都累了钱也没少花，现在应该只剩下菲区是最便宜的plus了，大家还会考虑后续整菲区的渠道么，我感觉照着这个势头下去，奥特曼怕不是会把所有的低价区都给涨价，菲区估计也是迟早的事情了。 3 个帖子 - 3 位参与者 阅读完整话题
苹果发布的 macOS 27“Golden Gate”（金门）将成为最后一版通过 Rosetta 2 支持 Intel 架构应用的 macOS 系统，这意味着在明年的重大系统更新中，苹果将在 macOS 中彻底取消针对 Intel 应用的这一翻译兼容层。 Golden Gate 也是首个仅支持 Apple 自研芯片 Mac 的 macOS 版本，标志着 Intel Mac 硬件时代在系统层面正式落下帷幕，同时这一调整也将直接影响已经完成芯片过渡的 Apple 芯片用户。 Rosetta 2 是苹果在 2020 年末推出首款 M1 芯片时同步引入的动态二进制翻译技术，可以让针对 Intel 处理器编译的应用在 Apple 芯片 Mac 上无需修改即可运行。 苹果早在 2025 年 WWDC 的 Platforms State of the Union 环节就公开确认了 Rosetta 2 的生命周期规划：Rosetta 将在接下来的两代 macOS 系统中持续提供支持，直至 macOS 27，主要用于在过渡期内帮助开发者完成应用向 Apple 芯片的迁移。 在此之后，苹果仅会保留一小部分 Rosetta 功能，用于兼容依赖 Intel 框架的老旧、已无维护的游戏标题。 随着 macOS 27 Golden Gate 目前已进入测试阶段，这一时间表也走到了最终节点。 对于仍在 Apple 芯片 Mac 上使用仅支持 Intel 的旧版应用的用户而言，这意味着在 Golden Gate 之后，他们只剩下最后一个系统版本的缓冲期，之后这类应用将在新版 macOS 上无法再运行。 为降低“断供”带来的影响，苹果已经在 macOS 26.4 和 26.5 中提前向用户发出预警：当用户启动仅支持 Intel 的应用时，系统会弹出提示，提醒相关支持将在未来的 macOS 版本中终止。 这些通知的目的是为终端用户和开发者争取时间，以便寻找或开发原生 Apple 芯片版本替代方案，避免在 Rosetta 彻底退出后工作流受到冲击。 自 2020 年宣布向 Apple 芯片过渡以来的六年间，大多数主流应用已经完成对 Apple 芯片的原生适配，运行效率和性能均得到优化。 不过，那些仍严重依赖仅支持 Intel 版本软件的个人开发者和机构，则需要在 macOS 28 推出之前完成选型和替代，要么推动上游开发者发布 Apple 芯片版本，要么选择继续停留在 macOS 27，不再升级系统。 值得注意的是，Golden Gate 还对 Rosetta 2 的安装状态做了进一步调整：如果用户此前在 macOS 26“Lake Tahoe”（太浩湖）中曾安装 Rosetta 2，升级到 Golden Gate 后系统会自动卸载这一组件。 如仍有使用需求，用户需要在新系统中重新安装该功能，以继续运行依赖 Rosetta 的旧应用。 目前，macOS 27 Golden Gate 已面向开发者提供测试版本，预计下月将开放公测计划，正式版有望在 9 月随新一轮苹果秋季新品发布节点一同向用户推送。 在这次更新之后，随着 Rosetta 2 走向尾声，macOS 生态也将更彻底地完成从 Intel 向 Apple 自研芯片的过渡。 查看评论
面了一家公司，还没谈好就给5.5用 搞七捻三 今天下午面了一家公司，谈完最后说给5.5用，然后给一个半成品项目完善一下，说根据完成度判断是否发offer，怎么感觉怪怪的，线上面试 （还有Claude Opus 4.7，但是不敢用） 接这个帖子，这家公司最后收了喵，老板也很客气（我态度不怎么好也是给过了），线上办公到我拿毕业证，3k2 一个月，正式入职 4k+，然后社保，单休，还有 5.5 用喵（我拿去包月卖了算不算额外收入hh），这几天蹬了快 10 个亿了，后面有自己想用的公司也会买 找了快三个月，本地实在找不到工作，然后去外地找了一家可以线上的，虽然后面还是要去工作地线下，但是也是谢谢这家公司收留我了，民办二本没工作经验真的不好找工作，家里和对象压力给的也很大，找到了感觉人都好了一点了，也体会到经济下行工作不好找了（ 17 个帖子 - 11 位参与者 阅读完整话题
我在使用GLM Coding Plan，数小时内完成过去需要数周的开发工作，赠送你1张7天AI Coding体验卡，一起来用吧： 智谱AI开放平台 3 个帖子 - 3 位参与者 阅读完整话题
年少无知借网贷，滚雪球 最后暴雷了 预计今年上岸 大概多久信誉能恢复呀 5 个帖子 - 4 位参与者 阅读完整话题
都是成功的 但是 codex 最后还是报错 偶尔能成功一下 但是特别不稳定 各位佬有这种情况吗？ 是梯子的问题吗？ 需要有啥特殊的设置吗？（听他们cpa 好像是被谁需要设置什么） 3 个帖子 - 2 位参与者 阅读完整话题
贪便宜会付出代价吗 还有那些突然打折开永久的 7 个帖子 - 6 位参与者 阅读完整话题
tp-cffo1aq9j0kwg5semwt194pwywsoz7ruwo2q8yy4pyr37f2x 最后三天 到13号 24点 量大管饱 5 个帖子 - 5 位参与者 阅读完整话题
最后3天才知道这玩意补偿升级。本来都要用完了升级后根本用不完。 https://ark.cn-beijing.volces.com/api/plan/v3 ark-fe150033-8bf1-4b1a-9511-f7074f77c835-b7375 模型： minimax-m3 deepseek-v4-pro-260425 glm-5.1 kimi-k2.6 4 个帖子 - 4 位参与者 阅读完整话题
记录一下，给有同样错误的人解决方案 如题，今天日常更新 codex 后，打开 codex 发现一直 reconnecting，怎么改都不行，我刚开始以为是我后台跑的 sing-box 出问题了，试了发现一点问题没有，我又用 curl 试了下直接请求 /response 接口，发现直接会返回结果，这里我就认定是 codex 自己的问题了 试着本地用 cliproxyapi 中转一道，出现了另外的错误，不再一直 reconnecting 了，而是： Invalid Value: 'tools'. Function 'functions.spawn_agent' declares encrypted parameters but is not configured for encrypted tool use by this model. OK，肯定是 codex 更新出错了，这以前哪有这种错误，仔细去看了一遍 ~/.codex/config.toml 也没找到任何错误，就去 codex 的 github 下翻 issue 了 直接只看 0.138.0 版本的，再加上以上关键字，翻了好多，很多都有类似的问题，解决方案在 github.com/openai/codex Invalid Value: 'tools'. Function 'functions.followup_task' declares encrypted parameters but is not configured for encrypted tool use by this model. 已打开 03:47PM - 09 Jun 26 UTC cowwoc bug CLI tool-calls ### What version of Codex CLI is running? codex-cli 0.138.0 ### What subscript … ion do you have? Pro 20x ### Which model were you using? gpt-5.4 ### What platform is your computer? Linux 6.6.114.1-microsoft-standard-WSL2 x86_64 x86_64 ### What terminal emulator and version are you using (if applicable)? Windows Terminal ### Codex doctor report ```json { "schemaVersion": 1, "generatedAt": "1781019894s since unix epoch", "overallStatus": "warning", "codexVersion": "0.138.0", "checks": { "app_server.status": { "id": "app_server.status", "category": "app-server", "status": "ok", "summary": "background server is not running", "details": { "control socket": "/home/node/.codex/app-server-control/app-server-control.sock", "daemon state dir": "/home/node/.codex/app-server-daemon", "mode": "ephemeral", "pid file": "/home/node/.codex/app-server-daemon/app-server.pid (missing)", "settings": "/home/node/.codex/app-server-daemon/settings.json (missing)", "status": "not running", "update-loop pid file": "/home/node/.codex/app-server-daemon/app-server-updater.pid (missing)" }, "remediation": null, "durationMs": 0 }, "auth.credentials": { "id": "auth.credentials", "category": "auth", "status": "ok", "summary": "auth is configured", "details": { "auth env vars present": "OPENAI_API_KEY", "auth file": "/home/node/.codex/auth.json", "auth storage mode": "File", "stored API key": "true", "stored ChatGPT tokens": "false", "stored agent identity": "false", "stored auth mode": "api_key" }, "remediation": null, "durationMs": 0 }, "config.load": { "id": "config.load", "category": "config", "status": "ok", "summary": "config loaded", "details": { "CODEX_HOME": "/home/node/.codex", "config.toml": "/home/node/.codex/config.toml", "config.toml parse": "ok", "cwd": "/workspace", "enabled feature flags": "shell_tool, unified_exec, shell_snapshot, terminal_resize_reflow, sqlite, enable_request_compression, multi_agent, multi_agent_v2, apps, tool_suggest, plugins, in_app_browser, browser_use, browser_use_external, computer_use, plugin_sharing, image_generation, skill_mcp_dependency_install, steer, guardian_approval, goals, collaboration_modes, tool_call_mcp_elicitation, personality, fast_mode, tui_app_server, prevent_idle_sleep, workspace_dependencies", "feature flag overrides": "hooks=false, multi_agent_v2=true, prevent_idle_sleep=true", "feature flags enabled": "28", "log dir": "/home/node/.codex/log", "mcp servers": "0", "model": "gpt-5.4", "model provider": "openai", "sqlite home": "/home/node/.codex" }, "remediation": null, "durationMs": 0 }, "git.environment": { "id": "git.environment", "category": "git", "status": "ok", "summary": "git version 2.47.3", "details": { ".git entry": "directory", "PATH git #1": "/usr/bin/git", "PATH git #2": "/bin/git", "PATH git entries": "2", "git branch": "v2.1", "git build options": "git version 2.47.3; cpu: x86_64; no commit associated with this build; sizeof-long: 8; sizeof-size_t: 8; shell-path: /bin/sh; libcurl: 8.14.1; zlib: 1.3.1", "git exec path": "/usr/lib/git-core", "git version": "git version 2.47.3", "repo detected": "true", "repo root": "/workspace", "selected git": "/usr/bin/git" }, "remediation": null, "durationMs": 17 }, "installation": { "id": "installation", "category": "install", "status": "ok", "summary": "installation looks consistent", "details": { "PATH codex #1": "/usr/local/bin/codex", "PATH codex #2": "/usr/local/share/npm-global/bin/codex", "PATH codex entries": "2", "current executable": "/usr/local/share/npm-global/lib/node_modules/@openai/codex/node_modules/@openai/codex-linux-x64/vendor/x86_64-unknown-linux-musl/bin/codex", "install context": "npm (package /usr/local/share/npm-global/lib/node_modules/@openai/codex/node_modules/@openai/codex-linux-x64/vendor/x86_64-unknown-linux-musl, bin /usr/local/share/npm-global/lib/node_modules/@openai/codex/node_modules/@openai/codex-linux-x64/vendor/x86_64-unknown-linux-musl/bin, resources /usr/local/share/npm-global/lib/node_modules/@openai/codex/node_modules/@openai/codex-linux-x64/vendor/x86_64-unknown-linux-musl/codex-resources, path /usr/local/share/npm-global/lib/node_modules/@openai/codex/node_modules/@openai/codex-linux-x64/vendor/x86_64-unknown-linux-musl/codex-path)", "managed by bun": "false", "managed by npm": "true", "managed package root": "/usr/local/share/npm-global/lib/node_modules/@openai/codex", "npm update target": "/usr/local/share/npm-global/lib/node_modules/@openai/codex" }, "remediation": null, "durationMs": 112 }, "mcp.config": { "id": "mcp.config", "category": "mcp", "status": "ok", "summary": "no MCP servers configured", "details": {}, "remediation": null, "durationMs": 0 }, "network.env": { "id": "network.env", "category": "network", "status": "ok", "summary": "network-related environment looks readable", "details": { "proxy env vars": "none" }, "remediation": null, "durationMs": 0 }, "network.provider_reachability": { "id": "network.provider_reachability", "category": "reachability", "status": "ok", "summary": "active provider endpoints are reachable over HTTP", "details": { "openai API base URL": "http://host.docker.internal:2455/backend-api/<redacted> reachable (HTTP 405)", "openai API route probe": "http://host.docker.internal:2455/backend-api/<redacted> route exists (HTTP 401)", "reachability mode": "API key auth" }, "remediation": null, "durationMs": 46 }, "network.websocket_reachability": { "id": "network.websocket_reachability", "category": "websocket", "status": "ok", "summary": "Responses WebSocket handshake succeeded", "details": { "DNS": "1 IPv4, 1 IPv6, first IPv4", "auth mode": "api_key", "connect timeout": "15000 ms", "endpoint": "ws://host.docker.internal:2455/backend-api/<redacted>", "handshake result": "HTTP 101 Switching Protocols", "model provider": "openai", "models etag present": "false", "provider name": "OpenAI", "proxy env vars": "none", "reasoning header": "false", "server model present": "false", "supports websockets": "true", "wire API": "responses" }, "remediation": null, "durationMs": 293 }, "runtime.provenance": { "id": "runtime.provenance", "category": "runtime", "status": "ok", "summary": "running npm on linux-x86_64", "details": { "commit": "unknown", "current executable": "/usr/local/share/npm-global/lib/node_modules/@openai/codex/node_modules/@openai/codex-linux-x64/vendor/x86_64-unknown-linux-musl/bin/codex", "install method": "npm (package /usr/local/share/npm-global/lib/node_modules/@openai/codex/node_modules/@openai/codex-linux-x64/vendor/x86_64-unknown-linux-musl, bin /usr/local/share/npm-global/lib/node_modules/@openai/codex/node_modules/@openai/codex-linux-x64/vendor/x86_64-unknown-linux-musl/bin, resources /usr/local/share/npm-global/lib/node_modules/@openai/codex/node_modules/@openai/codex-linux-x64/vendor/x86_64-unknown-linux-musl/codex-resources, path /usr/local/share/npm-global/lib/node_modules/@openai/codex/node_modules/@openai/codex-linux-x64/vendor/x86_64-unknown-linux-musl/codex-path)", "platform": "linux-x86_64", "version": "0.138.0" }, "remediation": null, "durationMs": 0 }, "runtime.search": { "id": "runtime.search", "category": "search", "status": "ok", "summary": "search is OK (bundled)", "details": { "search command": "/usr/local/share/npm-global/lib/node_modules/@openai/codex/node_modules/@openai/codex-linux-x64/vendor/x86_64-unknown-linux-musl/codex-path/rg", "search command readiness": "file exists", "search provider": "bundled" }, "remediation": null, "durationMs": 0 }, "sandbox.helpers": { "id": "sandbox.helpers", "category": "sandbox", "status": "ok", "summary": "sandbox configuration is readable", "details": { "approval policy": "Never", "codex-linux-sandbox helper": "/home/node/.codex/tmp/arg0/codex-arg0uboZ57/codex-linux-sandbox", "execve wrapper helper": "/home/node/.codex/tmp/arg0/codex-arg0uboZ57/codex-execve-wrapper", "filesystem sandbox": "unrestricted", "network sandbox": "enabled" }, "remediation": null, "durationMs": 0 }, "state.paths": { "id": "state.paths", "category": "state", "status": "ok", "summary": "state paths and databases are inspectable", "details": { "CODEX_HOME": "/home/node/.codex (dir)", "active rollout files": "4680 files, 6362255156 total bytes, 1359456 average bytes", "archived rollout files": "0 files, 0 total bytes, 0 average bytes", "goals DB": "/home/node/.codex/goals_1.sqlite (file)", "goals DB integrity": "ok", "log DB": "/home/node/.codex/logs_2.sqlite (file)", "log DB integrity": "ok", "log dir": "/home/node/.codex/log (dir)", "memories DB": "/home/node/.codex/memories_1.sqlite (file)", "memories DB integrity": "ok", "sqlite home": "/home/node/.codex (dir)", "state DB": "/home/node/.codex/state_5.sqlite (file)", "state DB integrity": "ok" }, "remediation": null, "durationMs": 2487 }, "state.rollout_db_parity": { "id": "state.rollout_db_parity", "category": "threads", "status": "warning", "summary": "rollout files and state DB thread inventory differ", "details": { "default model provider": "openai", "rollout DB active files": "4680", "rollout DB active rows": "4680", "rollout DB archive mismatches": "0", "rollout DB archived files": "0", "rollout DB archived rows": "0", "rollout DB duplicate DB paths": "0", "rollout DB duplicate rollout thread ids": "0", "rollout DB malformed file names": "0", "rollout DB missing active rows": "150", "rollout DB missing active sample": [ "/home/node/.codex/sessions/2026/05/10/rollout-2026-05-10T17-02-36-019e13b2-f6ea-74a3-9e21-83c212334986.jsonl", "/home/node/.codex/sessions/2026/05/10/rollout-2026-05-10T17-03-11-019e13b3-8140-7990-8fc6-e6a830763665.jsonl", "/home/node/.codex/sessions/2026/05/10/rollout-2026-05-10T07-24-21-019e11a1-917a-7c33-a4ad-dde2c002eb03.jsonl", "/home/node/.codex/sessions/2026/05/10/rollout-2026-05-10T07-59-13-019e11c1-7b8f-7822-8c5b-44b295c032ea.jsonl", "/home/node/.codex/sessions/2026/05/10/rollout-2026-05-10T08-00-46-019e11c2-e777-7af1-9df3-2aa26a740269.jsonl" ], "rollout DB missing archived rows": "0", "rollout DB model providers": "openai=4666, headroom=14", "rollout DB rows": "4680", "rollout DB scan cap reached": "false", "rollout DB scan errors": "0", "rollout DB sources": "subagent:thread_spawn=2543, exec=1777, cli=358, vscode=2", "rollout DB stale row sample": [ "/home/node/.config/codex/sessions/2026/03/30/rollout-2026-03-30T16-29-26-019d406f-dd12-7663-82d5-2028d5606386.jsonl", "/home/node/.config/codex/sessions/2026/03/30/rollout-2026-03-30T16-37-17-019d4077-0dff-7103-977b-2dba26f5e24f.jsonl", "/home/node/.config/codex/sessions/2026/03/30/rollout-2026-03-30T16-38-48-019d4078-72ad-7270-8e2a-253266f38b5d.jsonl", "/home/node/.config/codex/sessions/2026/03/30/rollout-2026-03-30T16-39-16-019d4078-ddea-7000-88c5-48980bbce297.jsonl", "/home/node/.config/codex/sessions/2026/03/30/rollout-2026-03-30T16-50-40-019d4083-4e5a-71e0-bf36-f6af1701d4f4.jsonl" ], "rollout DB stale rows": "150" }, "issues": [ { "severity": "warning", "cause": "rollout files are missing from the state DB", "measured": "150 active, 0 archived", "expected": "every rollout file has a matching threads row", "remedy": null, "fields": [] }, { "severity": "warning", "cause": "state DB rows point at missing or unusable rollout files", "measured": "150 stale rows", "expected": "every state DB rollout path is a file on disk", "remedy": null, "fields": [] } ], "remediation": null, "durationMs": 135044 }, "system.environment": { "id": "system.environment", "category": "system", "status": "ok", "summary": "OS language unavailable", "details": { "os": "Debian 13.0.0 [64-bit]", "os language": "unavailable", "os type": "Debian", "os version": "13.0.0" }, "remediation": null, "durationMs": 2 }, "terminal.env": { "id": "terminal.env", "category": "terminal", "status": "ok", "summary": "terminal metadata was detected", "details": { "COLORTERM": "truecolor", "DISPLAY": "present", "TERM": "xterm-direct", "WAYLAND_DISPLAY": "present", "color output": "enabled", "stderr is terminal": "true", "stdin is terminal": "true", "stdout is terminal": "true", "terminal": "unknown", "terminal size": "252x67" }, "remediation": null, "durationMs": 0 }, "terminal.title": { "id": "terminal.title", "category": "title", "status": "ok", "summary": "terminal title configured", "details": { "terminal title activity": "true", "terminal title items": "activity, project-name, thread-title, task-progress", "terminal title project source": "git repo root", "terminal title project value": "workspace", "terminal title source": "configured" }, "remediation": null, "durationMs": 0 }, "updates.status": { "id": "updates.status", "category": "updates", "status": "ok", "summary": "update configuration is locally consistent", "details": { "cached latest version": "0.138.0", "check for update on startup": "true", "last checked at": "2026-06-09T15:19:04.255301229Z", "latest version": "0.138.0", "latest version status": "current version is not older", "npm update target": "/usr/local/share/npm-global/lib/node_modules/@openai/codex", "update action": "npm install -g @openai/codex", "version cache": "/home/node/.codex/version.json" }, "remediation": null, "durationMs": 380 } } } ``` ### What issue are you seeing? Any prompt I send returns the same error: `■ {"type":"error","error":{"type":"invalid_request_error","message":"Invalid Value: 'tools'. Function 'functions.followup_task' declares encrypted parameters but is not configured for encrypted tool use by this model.","param":"tools"},"status":400}` ### What steps can reproduce the bug? Uploaded thread: 019ead09-6451-75b1-a7e7-3009f4f20b9a ### What is the expected behavior? _No response_ ### Additional information _No response_ 是 toml 中的这个配置有问题： [features.multi_agent_v2] enabled = true 删掉，重启 codex，发句 你好 ，正常响应，解决了 1 个帖子 - 1 位参与者 阅读完整话题
昨天尝试了下用德国的家宽申请o2的esim，申请流程走完都很流畅，最后用identity online认证护照也显示成功通过了，但是登录o2官网准备激活的时候发现，一直显示认证中，今天也还是没变，点击认证会收到一封邮件，邮件点击认证又跳转到了这个界面，无限循环，是不是就代表凉了啊 1 个帖子 - 1 位参与者 阅读完整话题
我现在有个教同事如何用AI的课程正在和Claude大师脑暴，聊到最后突然发现我的认知被“行业陋习”污染了，原来我所谓的agent根本不是agent而是workflow，贴出聊天记录 我是真觉得学到东西了，而且我认为这个概念很容易弄混，所以佬们一起参悟Claude大师的指引吧 我： 你说的对 把这4节总结一下： 第一节: LLM效用边界与Codex基础 第二节：AI编程进阶与典型工作流 第三节：AI应用实操 第四节： AI应用工程化与质量控制 通过整理标题，我觉得第三节要讲的东西有点虚，第三节和第四节课的区分点不是很大，但确实我想第三节课让他们能上手开发应用进行实操， 但是开发传统应用够了，还差现在流行的AI-Agent应用，所以第四节我要讲Agent，请你帮我再明确一下标题 以及如何区分第三节和第四节，最好能有三四节的大纲 Claude大师： 你 L3/L4 分不开,是因为缺一根 区分轴 。我给你一根最锋利的: 谁来决定流程? 这是当前 AI 应用最主流、最清晰的一条分界线。 一根轴,两种应用 第三节 · 工作流型 第四节 · Agent 型 谁定流程 你 (把步骤写死) AI (临场决定下一步) 形态 固定流水线:输入→提示→LLM→质检→输出 给目标+工具箱,它自己循环干到完成 比喻 流水线 / 自动售货机 能自主办事的助理 可控性 高、可预测 强,但更难控 质控重点 结构化输出、质检、返工 护栏、终止条件、人审、可观测 例子 AI 文案生成平台、自动分类/抽取 自动调研 agent、能自己查库调接口的客服 一句话记牢:第三节「人编排,AI 执行」;第四节「AI 自己编排」。 这根轴一拉,你那两个困惑同时解决: L3 不虚了 ——它有明确形态: 做一个固定流程、把 LLM 当其中一环、还会自检自纠的工作流应用 。我上一轮给你的"工程化质控"(结构化输出/提示词调优/质检/返工) 不是单独一节,而是正好成了 L3 的内核 ,因为工作流应用的可靠性全靠它。 L3/L4 泾渭分明 ——区别只有一个:控制权在谁手里。 你原来的"工程化与质量控制"没丢 ,它被拆进了两节:L3 讲 工作流的质控 (结构化/质检/返工),L4 讲 Agent 的质控 (护栏/终止/人审/可观测)。范式不同,质控形态就不同——这恰恰是两节各自的"硬核"部分。 四节最终标题 第一节: LLM 效用边界与 Codex 基础 第二节: AI 编程进阶与典型工作流 第三节: 工作流型 AI 应用开发 (你编排,AI 执行) 第四节: Agent 型 AI 应用开发 (AI 自主编排) 我： 你好像搞得太深入了 现在我想问你一个最根本的问题：Agent是什么？ 我理解的就是 claudeCode就是一个agent，他能决定什么时候调用什么能力并完成任务。但我想不出除了coding以外的场景，其实我内心更认同的理解的agent偏向于比如之前我做的AI学习平台， 让AI生成课堂，有多个agent，其中一个agent负责输出大纲，输出后 另外3个agent一起做，一个来填内容并生成slide，一个来做讲述和配音，一个来生成配套讲解图片， 我的理解似乎是不太达标的 Claude大师： 先给你吃颗定心丸: 你不是理解不达标——你恰好同时摸到了光谱的两端,只是缺一根轴把它们分开。 这根轴你上节课其实已经见过了。 一句话定义 + 一个判别问题 Agent = 一个 LLM 在循环里,自己决定下一步做什么(包括调用什么工具)、看完结果再决定下一步,直到它判断任务完成。 决定性的就一点: 流程是模型在运行时自己定的,不是你提前用代码写死的。 判断任何系统是不是 agent,只问一句话: “下一步做什么,是你画的流程图 / if-else 决定的,还是模型看着当前结果临场决定的?” 代码决定 → 工作流;模型决定 → agent。 拿你那两个例子来量 Claude Code: 标准 agent,你理解完全正确。 给它"修好这个 bug",它自己决定:先读哪个文件、grep 什么、跑测试、看到失败、改一行、再跑…… 这串动作没有一步是你提前排好的 ,全是它看着上一步结果临场决定的,循环到测试通过。这是你最该攥住的锚点。 学习平台:说实话,它(技术上)是个工作流,不是 agent ——哪怕你把每个零件都叫 agent。原因只有一条:“先出大纲 → 再分三个并行做内容/配音/配图 → 结束" 这张流程图是你画的,不是 AI 临场画的 。那几个 LLM 是按你排好的工位干活的 工人 ,不是 决策者 ,没有哪个在看着结果决定"接下来干嘛”。 但请注意两点: 这不丢人,而且很可能是对的选择。 生成课程这种事,你本来就要它走固定、可预测、可复现的流程——固定工作流恰恰更可靠。你唯一"踩偏"的,是按行业陋习把工作流的零件叫成了"agent"。 顺手纠个常见误区: “用了多个 LLM 角色” ≠ multi-agent。 多个角色串在你定死的流程里,整体还是 workflow;真正的 multi-agent 是多个 能各自决策 的 agent 协同。 那它什么时候才"长出 agent 性"?当 决策权从你手里交给模型 的那一刻。比如加一个"总编 agent"看了主题 自己决定 分几节、要不要配图、这版大纲够不够好;或加一个"质检 agent"看了 slide 觉得太弱就 打回重做、循环到合格 ——那个"要不要再来一轮"的决定,就是 agent 性。 为什么你想不出 coding 以外的场景 因为 coding 只是 agent 最成熟 的土壤:环境是纯文字、工具齐全(改文件/跑命令)、反馈即时又客观(测试过没过)。但配方是通用的—— 目标 + 工具 + 反馈 + 需要随机应变的多步任务 ,凑齐就能做 agent: 深度调研 :“把 X 研究清楚写份报告”→ 自己决定搜什么、读完发现缺哪块再补搜、最后综合。每次路径都不同。 客服工单 :“解决这个工单”→ 自己决定查订单 → 翻政策 → 看库存 → 该退款还是该升级。每张工单走法不一样。 数据归因 :“查 Q3 销售为什么掉了”→ 查数 → 发现异常 → 钻某个细分 → 再拉一张表 → 验证假设。 行程助理 / 收件箱处理 / 电脑操作 (看着屏幕决定下一步点哪)。 共同点: 你没法提前画出完整流程,因为下一步取决于上一步看到了什么 ——这正是该上 agent 的信号,也正是工作流的天花板。 最后一个关键认知 Agent 和 workflow 不是二选一,是一条光谱,真实系统大多是混合的。 你的学习平台完全可以是混合体:外层固定骨架(可靠)不动,只把"填内容"那步换成会自己查资料的 agent,或在结尾挂个质检 agent 循环到满意。 而这根 “谁决定下一步” 的轴, 正好就是你第三节(人编排 = workflow)和第四节(AI 编排 = agent)的分界线 。 所以你问的这个"最根本的问题",答案跟你的课程主轴是 同一根轴 ——你其实早就站在对的位置上了,只是现在把它说清楚了。 我： 我悟了，claude大师，我之前做的是workflow。 但是如何做一个agent 我还不太明白，就拿刚才的学习平台，你说的挂个质检agent来检查LLM输出？那不还是我的workflow中的一环吗？ 我确实做了很完善的正反例提示词，并且下一个角色就是让LLM去从多个维度检验上个LLM输出的结果是否达标，达标以后再进行输出，我这算一个质检agent么？ Claude大师： 你抓得太准了——而且我得先认个错: 我上一条说"挂个质检 agent",犯的正是我警告过你的那个毛病(把 workflow 的零件叫成 agent)。你那句"那不还是 workflow 里的一环吗"——完全正确。 直接回答你:你做的那个"多维度检验、达标才输出"的设计, 不是 agent,是 workflow 里的一个「LLM 当裁判」(LLM-as-judge)步骤。 而且更狠的一点: 就算你给它加上"不达标就打回重做、循环到达标"——它仍然是 workflow。 这套"生成→评估→返工→再评估"有个正式名字,叫 evaluator-optimizer(评估器-优化器)模式 ,它是工作流的标准模式之一。 关键认知:有循环 ≠ 是 agent 为什么?因为那个"不达标就重来"的判断, 是你写的 if 语句 。循环的结构是你定死的:永远是"生成→检查→不行就再生成"。几个 LLM 只是在你排好的工位上干活,没有任何一个在决定"接下来整件事该往哪走"。 一句最锋利的话送你: Workflow:盒子之间的箭头,是你画的。 Agent:没有预先画好的箭头——模型每一步自己挑下一个动作。 把两个骨架摆一起,你立刻看清 你的 workflow(箭头你画): 大纲 = LLM_出大纲(主题) 内容 = LLM_填内容(大纲) 判定 = LLM_质检(内容) if 判定 == 不合格: # ← 这个分支是你写的 内容 = LLM_填内容(大纲, 反馈) 输出(内容) 每一步运行什么,全是你提前排好的。 一个最简 agent(箭头模型画): 给模型:目标 + 一箱工具[搜资料, 写大纲, 生成slide, 配图, 质检...] 循环: 模型这一轮自己说:要么"调用 工具X(参数)",要么"我干完了" 如果说干完了 → 结束 否则 → 执行那个工具,把结果喂回去,进入下一轮 注意:这里唯一的 if(“它说没说干完”) 不是业务逻辑,只是在问模型"你还要不要继续" 。 到底调哪个工具、什么顺序、来回几轮、何时算完——全是模型每一轮临场吐出来的,你一根箭头都没画。 这才是 agent。 放回你的学习平台 agent 版 会是这样:你只给"为「主题X」做一门课"+ 那箱工具,然后它自己决定—— “这主题我不熟,先搜两轮资料 → 写大纲 → 唉第 3 节太薄,再查点补上 → 生成 slide → 看了觉得配图风格不统一,重做第 2 张 → 配音 → 完成。” 简单主题它可能跳过搜资料,复杂主题自己多绕几圈。 路径是它现编的,不是你排的。 但是——这条比"会做 agent"更重要 你原来那个 workflow,很可能才是对的选择。 做课程你恰恰要稳定、可复现、可控;agent 更灵活,但也更难预测、更容易跑飞、更贵。 别为了做 agent 而做 agent。 拿去当你课上的判断准则: 流程你能提前画出来 → 用 workflow(更可靠)。 流程你根本没法提前画(下一步取决于上一步看到啥)→ 才上 agent。 所以你那个多维度质检, 留着,它很好 ——它只是个"裁判步骤",不是 agent,也不需要是。你现在缺的不是"把它改成 agent",而是 找一个真正画不出流程图的场景 去练第一个 agent。要不要我帮你从你们部门的活里,挑几个"天生适合做成 agent"的候选? 我： 请你给我1-2个适配于HR部门的agent例子，我现在能很清楚的知道workflow和agent的区别，但是我实在找不到具体的场景，难道agent就只能是这种对话流的形式？ Claude大师： 不, agent 绝对不只是对话流 ——这正是你卡住的根。你把两件独立的事搅在一起了,拆开就通了: 第一根轴:谁定流程? 你定 = workflow,模型定 = agent。(这个你已经懂了) 第二根轴:怎么触发、谁在回路? 人来聊(对话式)/ 事件自动触发(无人对话)。 这两根轴是独立的。 对话只是 agent 的一张"皮",内核是那个自主循环。触发完全可以是一封邮件、一条数据、一个定时点;产出可以是一个动作或一份报告, 全程一句对话都没有 。 人来聊(对话式) 事件自动触发 你定流程(workflow) 向导式表单 定时批处理流水线 模型定流程(agent) Claude Code、ChatGPT 事件触发的自主 agent ←你漏掉的就是这格 你找不到场景,是因为你一直在想"一个能聊天的 HR 机器人"——那玩意儿确实鸡肋。 真正值钱的 agent,是"某件事一发生,它就自动接管、把事干完"的那种。 例子一:入职协调 agent(自动触发,全程无对话) 触发 :一个新人 offer 签了,HR 系统状态变成"待报到"——没人跟它聊天,是这个 事件 把它叫醒的。 它临场决定的可变路径 :它先看这人什么岗位、哪个城市、什么级别,然后自己决定要办哪些事——工程岗开服务器权限+配高配电脑,销售岗开 CRM+约报销培训;北京走一套社保流程,上海另一套;建账号、发待签文件、约 orientation、指派 buddy……过两天它回来看进度:电脑没到货 → 催采购;文件没签 → 提醒本人;某项卡了 3 天 → 升级给 HRBP。 为什么是 agent :你画不出一张固定流程图,因为 每个新人要办什么、卡在哪、追谁,都不一样 ,而且它要在好几天里 根据进展反复决定下一步 。 什么时候反而该用 workflow :如果你们所有岗位入职高度一致(都跑同样 20 项),那固定 checklist 更可控。agent 版只在"岗位/地区差异大、还经常卡壳要追"时才划算。 护栏 :建权限、发文件这类动作设人审点,HR 点确认才执行。 例子二:HR 事务 agent(对话式,但是真 agent) 触发 :员工问一句话——“我老婆下月预产期,我能休几天陪产假?工资怎么发?走什么手续?” 它临场决定的可变路径 :它 按问题内容决定查什么 ——查陪产假政策 → 发现按地区不同 → 查这员工在哪个城市 → 查工龄够不够资格 → 调他剩余假期 → 算工资 → 甚至直接帮他把申请单提交了。但如果他问的是"年终奖几号发、扣多少税",触发的是 完全不同 的一串查询。 为什么是 agent (不是 FAQ 机器人):FAQ 版只会"念政策";agent 版会 结合这个人的地区、工龄、假期余额给出针对他的答案,还能直接办手续 。前者是查资料,后者是办事。 护栏 :涉及个人薪酬/隐私,要做权限校验(只能查提问者本人数据);提交申请前给员工确认。 给你和学员的找场景口诀 一个活同时满足这三条,就是天生的 agent: 被某件事触发 (来了个申请、签了个人、到了月底、收到封邮件); 每个个案要查/要做的不一样 ——你写 SOP 时满纸"如果…那就…看情况"; 要跨好几个系统、好几步才能办完 ,中间还可能卡住要追。 三条全中 → agent。只中第 3 条但流程其实固定 → 还是 workflow。 要不要我们拿你们 HR(或别的部门) 真实的一个流程 套一下这三条,现场判一判它该做成 workflow 还是 agent?这正好能当你第四节的开场练习。 我： 我认为你现在说的agent是数字员工的概念 我的理解是对的吗？针对某个场景拥有资料库和工具包以后的一个“虚拟人” Claude大师： 对,你这个直觉非常好——“针对某个场景、配上资料库和工具包的虚拟人”,精髓抓到了。但我给你补一刀,让它更准,因为"数字员工"和"agent"其实是 两个层面的词 ,搞混了以后判断会失焦。 它俩不在一个层面: 数字员工 = 你对"人"讲的人设(包装层)。 对同事来说,它是"招聘组新来的虚拟同事’小招’,负责简历初筛"——一个有岗位、有名字、能协作和信任的" 谁 "。 agent = 它内部的心脏(架构层)。 LLM 在循环里自己决定下一步——一个" 怎么运转 "。 一句话: 数字员工通常用 agent 来实现,但 agent ≠ 数字员工。 而且 agent 是更大的类: 有些 agent 根本不是数字员工。 Claude Code 是 agent,但它不是"员工" ——没固定岗位、不上下班,你扔个任务它干完就散,没有长期人设和职责。它是"一次性的活",不是"同事"。 数字员工 = agent 的一种特定部署 :固定岗位 + 常驻/被事件叫醒 + 有记忆和延续性。 反过来, 一个数字员工内部往往是好几个 agent + 几条 workflow 拼出来的 (简历初筛是 workflow,面试协调是 agent,外面套个调度 agent + 一个知识库)。所以数字员工是"复合体",agent 是"零件"。 你的配方还差一味,而且是最关键那味: 资料库(知识)✓ 工具包(能力)✓ + 自主决策循环 (它自己决定先干啥、后干啥)← 缺这味,它只是个"带工具的聊天机器人",还不是 agent。 想再升级成"员工",再加: 固定岗位 + 触发机制(知道何时该干活)+ 记忆(记得上次干到哪、这人之前问过啥)。 最后一个提醒,你做 HR 的会特别有共鸣: "虚拟同事"这比喻拿去跟人讲很好用,但别被它骗了——它不是个靠谱的资深同事,而是 手脚飞快、不知疲倦、判断力却像新实习生、还会一脸自信干错事 的家伙。 所以"管一个数字员工",本质上就是你最熟的那套 HR 动作: 给它写岗位说明书(职责边界)、定权限(能碰哪些系统和数据)、设试用期 + 人审(关键动作要人点头)。 这恰恰就是第四节那套护栏的意义—— 你不会第一天就给新实习生发薪系统的 root 权限。 So:你的理解对了一大半,把它从"agent 就是数字员工"修正成" 数字员工是 agent 的一种’人设化部署’,agent 是它的内核零件 ",就精准了。 4 个帖子 - 2 位参与者 阅读完整话题
分析师们对蒂姆·库克作为苹果CEO的最后一次主题演讲并不感到特别兴奋。这场发布会聚焦于其语音助手机器人的人工智能升级。“我们认为投资者对这次发布的内容不会感到兴奋，”瑞银的戴维·沃格特在周一给客户的报告中写道，称这些升级不足以推动iPhone的需求。2025年，iPhone约占了苹果收入的一半。 Key Banc的布兰登·尼斯佩尔表示“没有看到明确的AI变现信号”，只有“一个略有改进的独立版Siri，但仍然逊色于其他大语言模型”。 贝尔德公司的威廉·鲍尔表示，新款Siri的AI功能“大致符合”预期，不过如果执行得当，这些功能可能会成为“一个巨大的突破口”。 在通胀上升、工资增长和个人储蓄下降的背景下，苹果在消费层面正面临阻力。 高盛分析师迈克尔·吴认为，消费者需求疲软是苹果面临的一个关键风险。 “宏观环境的任何疲软都可能减少对苹果产品和服务的需求，”他在周一给客户写道。“由于宏观经济逆风、产品耐用性提高或产品创新乏力导致的更换周期延长，都可能对升级需求产生负面影响。” 查看评论
没有主动点击更新，也确定没有设置自动更新，为什么Google Play会偷偷更新某些应用？ 按最后修改时间降序查看应用列表的时候，发现有些应用我明明没有手动更新过，却出现在前几个，更新来源是Google Play。 也不是所有应用都会自动更新，有的会，有的不会，就不知道是个什么逻辑 2 个帖子 - 2 位参与者 阅读完整话题