个人信息 佬友们我是软件工程专业的一所双非院校的大二学生，参加过一些比赛，大一阶段拿过一等奖学金，目前也做过一些项目，都是智能体相关的(比赛的作品这些也都是智能体) 未来规划 一定会去考研,起码考个211的计算机专业研究生，目前目标是南京的那几所211，如果一战失败了我会二战 现在正焦虑的事 1.我身边也有同学实习,有时候会焦虑我到底要不要去找实习呢？ 2.如果不去找实习那么是不是今年暑假就开始学408,接下来将近一年半的时间里全身心的投入考研和比赛里呢？ 3.计算机真的还可以学吗？对AI的到来多少还是有些焦虑,会不会等我研究生毕业了整个计算机就真的变成土木了？我要不要考虑换方向？比如嵌入式这些受AI冲击小的呢，因为我对硬件其实也挺感兴趣的 关于我为什么想考研？ 1.双非本科的学历太低了(我有点学历上的慕强,希望自己也能成为一个高学历的人,也有点想弥补高考时的遗憾) 2.本科院校层次低资源少,想扩展自己的人际圈和深造,考上研究生的话也有更多机会接触到更优秀的人,也有更多时间学习。 3.AI发展带来的不确定性，读研可以给我更多时间观望。it行业裁员的势头也起来了，假如我本科阶段就去工作了，如果工作没几年AI就让我被裁员了或者是我根本找不到工作怎么办？那我在学历上也没有优势该何去何从呢？ 4.研究生学历能给我的选择也多一些。 13 个帖子 - 6 位参与者 阅读完整话题
苹果软件工程高级副总裁克雷格·费德里吉（Craig Federighi）近日在接受媒体采访时，回应了外界对于公司在 iOS 27 中推出独立 Siri 应用的质疑，解释了苹果从此前反对“单独聊天机器人”到如今推出 Siri 聊天应用这一转向背后的原因。 在本周早些时候举行的 WWDC 2026 上，苹果正式发布了全新的 Siri 应用，为用户提供一个集中管理和回顾与 Siri AI 对话的入口，这一应用将随 iOS 27 一同推出。 费德里吉在苹果园区（Apple Park）面向媒体的会后交流中，直接回应了关于苹果策略“转弯”的提问。 在去年的 WWDC 2025 之后，费德里吉与全球市场营销高级副总裁格雷格·乔斯维亚克（Greg Joswiak）曾在媒体采访中强调，苹果的策略是将 Siri 深度编织进用户现有工作流，而不是在一旁额外挂一个“聊天机器人”。 当时高管的公开表态，被视为苹果有意与 ChatGPT 等纯聊天型产品划清界限。 费德里吉此次表示，之所以最终决定推出独立 Siri 应用，主要是出于一个非常实际的用户需求——用户需要能够回到过去的对话，并在此基础上继续交流或进行引用。 在苹果看来，在其平台上，为此类需求提供入口的最自然形式，就是一款可以出现在主屏幕上的应用图标。 他强调，Siri 应用是对系统体验的延伸，而非一个割裂的独立产品。 费德里吉重申，苹果并不把 Siri 看作一个“单独的聊天机器人”，不是一个与系统脱节、用户“专门跑去闲聊”的地方，而是一个在使用情境中被调用的、与系统体验深度融合的对话式工具。 在他的描述中，新版 Siri 能够理解当前屏幕内容，直接在用户正在编辑的文档中提供校对帮助、给出修改建议或提示，而不是在另一个“平行世界”里输出答案。 对于 Siri 应用的定位，他解释称，所有这些体验本质上都是对话式的，是对系统体验的自然延伸，而非另起一套独立产品线。 但当用户希望回到一段此前的对话、继续追问或者查阅其中的信息时，一个可在主屏幕上管理和打开的应用，仍然是最符合用户习惯的方式，因此苹果最终选择以“应用”的形态来承载这一入口。 费德里吉表示，新版 Siri 应用“重新具象化”了那些原本存在于系统层面的能力，将其以更易于管理和访问的形式呈现出来。 从苹果的角度看，这并不是对先前战略的否定，而是在保留“系统深度集成”这一核心前提下，对用户交互方式做出的务实调整。 目前，iOS 27 开发者测试版已经开放，开发者可以进行安装体验。 不过，要想使用新的 Siri 功能，还需要在系统设置中加入等待名单，而面向公众的测试版预计将在 7 月推出。 查看评论
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。
过去半年，我们团队尝试了全流程的 Vibe Coding 模式。刚开始用提示词生成代码的感觉非常爽快，但随着项目规模扩大，技术债开始爆发。 Vibe Coding 的核心问题并不在于某几行代码的质量低下，而在于它完全缺乏全局观，且不遵循软件工程的规范。 没有宏观架构，没有项目长期记忆，没有自动化审计，我们意识到 Vibe Coding Is Not Engineering 。 为了使 AI 编程更符合软件工程规范，我们开发了这个项目。 AnyPal：将 Vibe Coding 带入软件工程时代 AnyPal 是由 Pomesoft 研发的全栈 AI 编程平台，支持导入国内外主流模型 API 。它在保留 Vibe Coding 快速生成体验的同时，引入了软件工程的规范。 多 Agent 协同与对抗审计：内置工程经理，架构师等 11 个 AI 角色与 6 个反方审查员，支持 Coder 与 Adversary （测试/安全等）多 Agent 左右互搏，在代码交付前完成质量闭环。 成本优化：对抗审计配合 S/M/L/XL 任务规模自动切换模型，可以极大降本增效，将 Token 花在刀刃上。 项目长期记忆：基于 Tree-sitter 与 DuckDB 构建 GraphRAG 代码知识图谱，设立 Postmortem 工作区，自动复盘每个 BUG ，沉淀经验随项目共同进化。 支持敏捷迭代（ Plan 模式）和对抗式编程。 敏捷开发：看板工作区 切换到 Plan 模式后，系统会直接呈现 Sprint 列表、Kanban 看板、燃尽图、依赖图和 Issue 管理。 和项目经理对话，将你的意图拆解为具备前后置依赖关系的树状任务流，统筹项目全局推进，多任务并行开发，不再需要打开多个 Chat 对话。 在线/离线模式: 用户在线时主动追问对齐需求，提前确认方案。用户离线后自主推进看板任务。 对抗式编程 多 Agent 共享代码库与会话，正方写代码，反方实时审计，在代码进入暂存区前置阻断与纠偏，避免 BUG 与逻辑漏洞进入主干。以少量额外 Token 开销，大幅提质代码产出质量，对中小模型效果尤为明显。 实战对比 AnyPal + DeepSeek VS Copilot + Opus 4.7 这是项目早期的一个极端测试：在完全不人工干涉的情况下，让 AI 独立使用 WebDAV 协议实现一个网盘系统。 AnyPal 组：正方（ Coder ）使用 DeepSeek-V4-Flash ，反方（审查）使用 DeepSeek-V4-Pro 。 对照组：GitHub Copilot + Opus 4.7 。 在此案例中，资源消耗相近的情况下，AnyPal 凭借工程化闭环实现 10 倍以上的性价比。 一镜到底视频 https://www.bilibili.com/video/BV1JX5w61EfL/ UI 预览功能 在 AI 编程的时候 UI 也是一大痛点，回滚不仅浪费 Token ，还可能影响其他组件。 现在 AI 在开始前会先询问需求，给出数个方案和预览，您可以选择其一或者继续修改需求。 自动复盘 AI 修复 BUG 后自动生成 Markdown 复盘文档，记录严重程度、时间线、根因、修复措施，并关联可回放的 Agent 会话，随时追溯决策过程。该文档会进入项目的长期记忆，随项目共同进化。 参与内测 项目地址： https://anypal.pome.net/ 支持免登录，自行导入大模型 API 使用。 注册免费订阅可使用内置 DeepSeek-V4-Flash 、DeepSeek-V4-Pro 、Kimi K2.6, Token 需预充值。 推荐使用客户端体验完整功能 加入 Q 群：497719526 领取限量 Token 补贴。 我们正在寻找视频团队和测评博主合作，如果您有意向请联系我们。