现在用 Gemma4 31b 来跑 Hermes. 总体还行毕竟免费，但总是动不动就直接修改，有没有什么工具或者插件可以强制模型遵循先确认再修改，或者类似 opencode 那种规划和执行分开的模型？谢谢大家 3 个帖子 - 2 位参与者 阅读完整话题
IT之家 6 月 4 日消息，科技媒体 Windows Latest 今天（6 月 4 日）发布博文，分享了更多关于微软 Surface RTX Spark Dev Box 的规格信息。 定位方面，微软 Surface RTX Spark Dev Box 是一款面向本地 AI 开发的紧凑型桌面设备，主打模型微调、本地推理和智能体式工作流。 外观方面，该设备采用一体式铝制机身，外壳覆盖约 1000 个散热孔。微软称，这一数量呼应“1000 Teraflops”算力，同时让机身承担散热功能。 Surface RTX Spark Dev Box 的端口 规格方面，IT之家援引博文介绍，附上相关信息如下： 规格 细节 处理器 NVIDIA Grace CPU (最高 20 Arm 架构核心) 图形 NVIDIA Blackwell RTX GPU (6144 CUDA 核心) 处理器平台 NVIDIA RTX Spark 超级芯片 内存 128GB 统一内存 (CPU 和 GPU 动态共享) AI 计算性能 最高 1 Petaflop (支持本地运行 120B 参数模型) 供电 100W 外观和散热 紧凑型铝制外壳兼作散热器，带有 1000 个孔的通风格栅 端口和连接 2 个 USB Type-C 接口、2 个 USB Type-A 接口、1 个 HDMI 接口、1 个以太网 (RJ45) 接口、1 个 3.5 毫米耳机插孔 系统 Windows 11 Pro (开发者优化版本镜像) 预装软件 Visual Studio Code, GitHub Copilot, WSL 2, PowerShell 7, Git, Python, Node.js , native CUDA support 系统方面，微软为其预装开发者优化版 Windows 11 Pro，系统默认启用深色模式和勿扰模式，移除小组件，并把 PowerShell 7 设为默认 Shell。 为了减少环境搭建时间，系统已提前配置好 Visual Studio Code、GitHub Copilot、WSL 2、Git、Python、 Node.js 、CUDA 支持和 GPU passthrough。 相关阅读： 《 微软发布 Surface RTX Spark Dev Box 开发机：100W TDP、今年晚些时候发售 》
使用harness框架或者其他基于cc或者codex之上的工程框架比直接使用claude和codex token消耗快几倍。 而且不一定能做到完全的无人工介入完成任务。而且当工程越完善，对于使用者来说也越是黑盒使用。 一旦当工程失效或者崩溃之后，人工修复的难度也可能已经无法完成。 真的应该相信框架越用越聪明，还是人工驾驭，短平快的处理大模型的调用和问题更好呢。 3 个帖子 - 3 位参与者 阅读完整话题
嗯，单位不是软件开发类，只是在AI浪潮下，需要拥抱它，使用它，驾驭它，百分之98的业务在应用层，如果你入职，你周边没有会软件开发的，需要你自食其力。嗯，正规企业编制合同，因为是职能部门，可能还会有一些公会活动服务，反正一些零零碎碎打杂的事情，不过不多！考虑工作3-6年的！ 职位名称： AI 应用研究专员 / 智能技术助理 需求部门：信息部 工作职责 1. AI 技术应用与落 地 • 跟踪 AI 前沿技术动态，评估新技术在设计院的适用 场景 • 负责 AI 工具（如大语言模型、图像生成等）的部署、配置 与优化 • 协助各部门将 AI 技术应用于实际 业务场景 2. 技术文档 与报告撰写 • 负责信息部月度工作报告 的撰写与编辑 • 编制 AI 技术应用案例、操作 手册、培训材料 • 参与技术方案、立项报告、验收材料等文档编写 3. 科研项目管理 • 配合申报 AI 相关科研课题 ，参与项目全过程管理 • 整理 AI 应用成果，协助完成报奖材料 • 配合项目 审查、财务管理和审计工作 4. 培训与技术支持 • 组织 A I 知识分享会、内部培训活动 • 为其他部门提供 AI 工具使用技术支持 • 维 护 AI 相关系统和平台日常运行 任职资格 1. 学历要求 • 硕士学位优先，具有 A I 项目经验者优先 2. 专业背景 • 计算机科学与 技术、人工智能、数据科学、软件工程等相关专业 • 具有建筑学、土 木工程等跨学科背景者优先 3. 能力要求 • 熟悉主流 AI 框架和工 具 • 具备大语言模型应用开发或部署经验 • 具有良好的文字功底，能独立撰写技术报告和方案文档 • 对 AI 前沿技术保持敏感，学习能力强 4. 素质要求 • 身体心理健康、品行端正、热爱科研工作 • 责任心强 ，科学研究态度严谨 • 具有良好的合作 精神和沟通能力 • 能承受一定工作压力，适应多任务并行 5. 加分项 • 在 AI 领域重要期刊 / 会议发表过论文 • 有开源项目贡献或技术博客 • 具有设计院、科研院所工作经验者优先 薪资 根据学历、经验、能力面议 1 个帖子 - 1 位参与者 阅读完整话题
背景 想学习学习高级用法，最好能三言两语三下五除二就完成自己一天的工作。 而不是自己盯着一轮一轮对话更改。 这是试图驾驭AI开始。 开始 也是在L站混到3级的大白了（小白到大白），学了不少理论姿势的。 那首先ccswitch得配好吧(之前是vscode + cline,安装了没用) 我就来L站找了佬友 Vibecoding 入门教程（macOS + Windows | CLI + VS Code | skills、mcp推荐） 的帖子开始干 更新ccswitch(我之前3.12.0的) 配置通用模型（用的 [慕鸢]佬星辰AI的gpt-pro分组用的gpt-5.5） 装skills 一顿仔细认真的研究，参考佬的 精选 Skills 推荐：10 个让 Coding Agent 如虎添翼的Skills + 优质来源分享 结合自己的需求，然后呼哧呼哧装了这15个skill。 （这15个是综合我自己的需要，我个人是觉得superpowers方法论很不错，再加上万一需要自己写skill呢） 那skill一装，还没用就感觉自己厉害了不少 装mcp 因为想还原设计稿，之前浅浅使用copilot时候装了一个lanhu-mcp，现在给它更新，配置到ccswitch中去 感觉越来越厉害了 装codex客户端 最近站里看帖，codex客户端觉得不错，选择用这个，那直接就是安装！ 还让cline总结了个项目的AGENT.md放在了项目的根目录下。 到这里，我模型有了，skill有了，mcp有了，codexapp有了，这不齐活了么，等啥开始干活啊！ 任务： 还原设计稿（最好100%），项目是老项目，风格，复用组件必须满足 认认真真的一番提示词 请使用lanhumcp根据设计稿完成xxxx页面开发，这是设计稿链接https://lanhuapp.com/link/#/invite?sid=xxxxxxxxxx。 入口在src/xxx/index.vue里面的xxx，点击后跳转到新的页面，新页面你来创建 要求：优先复用现有组件，按当前模块风格实现，不要自创交互 已知约束条件： 1、提示有自定义toast组件,src/components/CustomToast/index.vue 2、上传图片icon使用src/assets/img/deviceDetail/photo-placeholder.png 3、列表中红色删除的交互时向右互动展示出来，然后点击删除 4、删除确认有自定义组件src/components/ConfirmModal/index.vue 从这里开始画风就变了 提示词自信一发，得到！！！ 不慌，是我哪里没配好吧。继续来站里找解决方案 codex reconnecting老是出现的问题解决方案 开发调优 参考大佬的做法（ https://github.com/openai/codex/issues/14209），测试过了有效。 你直接跟你的ai工具说，它会给你解决。 我发现我的codex老是会Reconnecting 网上的解决方案是这样 帮我解决 我的代理软件是clash verge Codex Desktop 频繁 Reconnecting 的根本原因是： OpenAI 访问必须走代理 C… 帖子+AI一顿操作 1、更改为全局代理 2、在codex配置文件中强制 （期间各种改配置，测试，通通不行） 运行 nano ~/.codex/config.toml 写入 [shell_environment_policy] set = { HTTP_PROXY = "http://127.0.0.1:4780", HTTPS_PROXY = "http://127.0.0.1:4780", ALL_PROXY = "socks5://127.0.0.1:4781", NO_PROXY = "localhost,127.0.0.1,::1" } 对着AI一顿问，得出来的结论居然是 3、怕配置没生效重启电脑 4、在站里看刷相关贴 结果，一顿操作猛如虎，一看战绩0-5 我没招了，先换个不用codex行了吧。 换claude cli吧 装claude 上来先栽一下 安装claude一直报错，这不又是一顿查！哦，我电脑上的node是x64的，需要arm64的 我想到了我之前从intel芯片的mac换成M芯片的，当时一键搬家，甚是舒爽，一直也没啥问题，现在开始还债。 卸载nvm npm uninstall -g nvm 清除系统中可能残留的错误 nvm 环境变量 unset NVM_DIR unset NVM_BIN unset NVM_INC 更改环境变量 open ~/.zshrc 打开文件 输入 export NVM_DIR="$HOME/.nvm" [ -s "$NVM_DIR/nvm.sh" ] && \. "$NVM_DIR/nvm.sh" [ -s "$NVM_DIR/bash_completion" ] & 刷新配置并验证 nvm source ~/.zshrc nvm --version 安装原生 arm64 Node.js 并重装 Claude Code arch -arm64 zsh -c "nvm install --lts && nvm use --lts" node -p "process.arch" npm uninstall -g @anthropic-ai/claude-code npm install -g @anthropic-ai/claude-code --registry=https://registry.npmjs.org/ claude --version 大概就这些吧，反正中间各种报错，就是一顿折腾，总算是装上claude 运行一下cluade, 小心翼翼地打出了你好 （失去了一上来提示词的自信！！！） 给我回复了回复了回复了（狂喜） 直接就开始干活（内心：哇塞 claude也太好了吧） 这一上来就是调用skill，厉害 专业 等待ing 还有互动，瞧瞧，多专业 继续等待ing 过去了很久很久，两个小时那么久！虽然互动但是怎么还是没出结果啊！！！ 我再去看看消耗 消耗这么多么？要知道之前我1块钱可以问好几个问题呢，没事哒没事哒，这个加skill了，专业了！高是正常的 再等等 继续等待ing 一等就等到了现在， 消耗多算了，结果项目运行不了！！！直接就是报错 然后又进行自我验证审查修复！！！ 我要下班了，可是它还没跑完，还没有出结果 ohmygod 我着实是服了 佬友们，有啥感觉我能用上的焚决给我砸过来吧，我觉得我行，我可以，我哭一会还能站起来继续干！！！ 3 个帖子 - 2 位参与者 阅读完整话题
今年最火的莫过于 harness engineering 了。 都在说 harness 驾驭 AI ，来说说自己的工作经验，自己在真实的工作中是如何驾驭 AI 的， 在工作或者编码中如何编排自己的工作的，工作流实际上都有哪些变化。 我先说说自己的 我认为 先的 claude code 、codex 就是一个 harness Agent ; 先随着更新越来越强大，基本需要自己编排，类似工作流编排的越来越少的，但是少不代表不需要， 还是需要做一些工作的 例如 人工把控任务拆分： 仍然不要让他一次执行太大的任务，还是先拆分（虽然有 plan 模式和各种 skills 了，）、拆分后多 Agent 执行，不占用主 Agent 的上下文 上下文管理： 要给足和给清楚必要的上下文信息，流程过程以文档留存，面向 AI 编程。 约束边界清晰: 如果一个新的项目，首先要依据自己的经验给 AI 约束，例如技术栈明确、设计约束、研发机构约束等，这些现在还是需要编排好的。 其他： 前后端实现，先让 AI 完成统一的公共部分，例如 api 实现，审核后，编排前后端分别实现各自逻辑。 前端这块 UI UE 现在的 AI 还是做的比较差，必须清楚清晰的知道，甚至布局说明，@各个文件自己组合修改。 自己也整理一个 ai native 框架， https://github.com/chenguangwei/ai-native-collaboration 这个框架也存在不少问题，里面 skills 包含了太多（为了适应更多的人），造成了一些 AI 负担，自己使用过程中还是会发现不少问题，很多无法标准化和规范化，无法放入框架中。 我抛砖引玉，希望大家把自己实际工作中的经验分享出来。
今年最火的莫过于 harness engineering 了。 都在说 harness 驾驭 AI ，来说说自己的工作经验，自己在真实的工作中是如何驾驭 AI 的， 在工作或者编码中如何编排自己的工作的，工作流实际上都有哪些变化。 我先说说自己的 我认为 先的 claude code 、codex 就是一个 harness Agent ; 先随着更新越来越强大，基本需要自己编排，类似工作流编排的越来越少的，但是少不代表不需要， 还是需要做一些工作的 例如 人工把控任务拆分： 仍然不要让他一次执行太大的任务，还是先拆分（虽然有 plan 模式和各种 skills 了，）、拆分后多 Agent 执行，不占用主 Agent 的上下文 上下文管理： 要给足和给清楚必要的上下文信息，流程过程以文档留存，面向 AI 编程。 约束边界清晰: 如果一个新的项目，首先要依据自己的经验给 AI 约束，例如技术栈明确、设计约束、研发机构约束等，这些现在还是需要编排好的。 其他： 前后端实现，先让 AI 完成统一的公共部分，例如 api 实现，审核后，编排前后端分别实现各自逻辑。 前端这块 UI UE 现在的 AI 还是做的比较差，必须清楚清晰的知道，甚至布局说明，@各个文件自己组合修改。 自己也整理一个 ai native 框架， https://github.com/chenguangwei/ai-native-collaboration 这个框架也存在不少问题，里面 skills 包含了太多（为了适应更多的人），造成了一些 AI 负担，自己使用过程中还是会发现不少问题，很多无法标准化和规范化，无法放入框架中。 我抛砖引玉，希望大家把自己实际工作中的经验分享出来。
今年最火的莫过于 harness engineering 了。 都在说 harness 驾驭 AI ，来说说自己的工作经验，自己在真实的工作中是如何驾驭 AI 的， 在工作或者编码中如何编排自己的工作的，工作流实际上都有哪些变化。 我先说说自己的 我认为 先的 claude code 、codex 就是一个 harness Agent ; 先随着更新越来越强大，基本需要自己编排，类似工作流编排的越来越少的，但是少不代表不需要， 还是需要做一些工作的 例如 人工把控任务拆分： 仍然不要让他一次执行太大的任务，还是先拆分（虽然有 plan 模式和各种 skills 了，）、拆分后多 Agent 执行，不占用主 Agent 的上下文 上下文管理： 要给足和给清楚必要的上下文信息，流程过程以文档留存，面向 AI 编程。 约束边界清晰: 如果一个新的项目，首先要依据自己的经验给 AI 约束，例如技术栈明确、设计约束、研发机构约束等，这些现在还是需要编排好的。 其他： 前后端实现，先让 AI 完成统一的公共部分，例如 api 实现，审核后，编排前后端分别实现各自逻辑。 前端这块 UI UE 现在的 AI 还是做的比较差，必须清楚清晰的知道，甚至布局说明，@各个文件自己组合修改。 自己也整理一个 ai native 框架， https://github.com/chenguangwei/ai-native-collaboration 这个框架也存在不少问题，里面 skills 包含了太多（为了适应更多的人），造成了一些 AI 负担，自己使用过程中还是会发现不少问题，很多无法标准化和规范化，无法放入框架中。 我抛砖引玉，希望大家把自己实际工作中的经验分享出来。
今年最火的莫过于 harness engineering 了。 都在说 harness 驾驭 AI ，来说说自己的工作经验，自己在真实的工作中是如何驾驭 AI 的， 在工作或者编码中如何编排自己的工作的，工作流实际上都有哪些变化。 我先说说自己的 我认为 先的 claude code 、codex 就是一个 harness Agent ; 先随着更新越来越强大，基本需要自己编排，类似工作流编排的越来越少的，但是少不代表不需要， 还是需要做一些工作的 例如 人工把控任务拆分： 仍然不要让他一次执行太大的任务，还是先拆分（虽然有 plan 模式和各种 skills 了，）、拆分后多 Agent 执行，不占用主 Agent 的上下文 上下文管理： 要给足和给清楚必要的上下文信息，流程过程以文档留存，面向 AI 编程。 约束边界清晰: 如果一个新的项目，首先要依据自己的经验给 AI 约束，例如技术栈明确、设计约束、研发机构约束等，这些现在还是需要编排好的。 其他： 前后端实现，先让 AI 完成统一的公共部分，例如 api 实现，审核后，编排前后端分别实现各自逻辑。 前端这块 UI UE 现在的 AI 还是做的比较差，必须清楚清晰的知道，甚至布局说明，@各个文件自己组合修改。 自己也整理一个 ai native 框架， https://github.com/chenguangwei/ai-native-collaboration 这个框架也存在不少问题，里面 skills 包含了太多（为了适应更多的人），造成了一些 AI 负担，自己使用过程中还是会发现不少问题，很多无法标准化和规范化，无法放入框架中。 我抛砖引玉，希望大家把自己实际工作中的经验分享出来。
今年最火的莫过于 harness engineering 了。 都在说 harness 驾驭 AI ，来说说自己的工作经验，自己在真实的工作中是如何驾驭 AI 的， 在工作或者编码中如何编排自己的工作的，工作流实际上都有哪些变化。 我先说说自己的 我认为 先的 claude code 、codex 就是一个 harness Agent ; 先随着更新越来越强大，基本需要自己编排，类似工作流编排的越来越少的，但是少不代表不需要， 还是需要做一些工作的 例如 人工把控任务拆分： 仍然不要让他一次执行太大的任务，还是先拆分（虽然有 plan 模式和各种 skills 了，）、拆分后多 Agent 执行，不占用主 Agent 的上下文 上下文管理： 要给足和给清楚必要的上下文信息，流程过程以文档留存，面向 AI 编程。 约束边界清晰: 如果一个新的项目，首先要依据自己的经验给 AI 约束，例如技术栈明确、设计约束、研发机构约束等，这些现在还是需要编排好的。 其他： 前后端实现，先让 AI 完成统一的公共部分，例如 api 实现，审核后，编排前后端分别实现各自逻辑。 前端这块 UI UE 现在的 AI 还是做的比较差，必须清楚清晰的知道，甚至布局说明，@各个文件自己组合修改。 自己也整理一个 ai native 框架， https://github.com/chenguangwei/ai-native-collaboration 这个框架也存在不少问题，里面 skills 包含了太多（为了适应更多的人），造成了一些 AI 负担，自己使用过程中还是会发现不少问题，很多无法标准化和规范化，无法放入框架中。 我抛砖引玉，希望大家把自己实际工作中的经验分享出来。
今年最火的莫过于 harness engineering 了。 都在说 harness 驾驭 AI ，来说说自己的工作经验，自己在真实的工作中是如何驾驭 AI 的， 在工作或者编码中如何编排自己的工作的，工作流实际上都有哪些变化。 我先说说自己的 我认为 先的 claude code 、codex 就是一个 harness Agent ; 先随着更新越来越强大，基本需要自己编排，类似工作流编排的越来越少的，但是少不代表不需要， 还是需要做一些工作的 例如 人工把控任务拆分： 仍然不要让他一次执行太大的任务，还是先拆分（虽然有 plan 模式和各种 skills 了，）、拆分后多 Agent 执行，不占用主 Agent 的上下文 上下文管理： 要给足和给清楚必要的上下文信息，流程过程以文档留存，面向 AI 编程。 约束边界清晰: 如果一个新的项目，首先要依据自己的经验给 AI 约束，例如技术栈明确、设计约束、研发机构约束等，这些现在还是需要编排好的。 其他： 前后端实现，先让 AI 完成统一的公共部分，例如 api 实现，审核后，编排前后端分别实现各自逻辑。 前端这块 UI UE 现在的 AI 还是做的比较差，必须清楚清晰的知道，甚至布局说明，@各个文件自己组合修改。 自己也整理一个 ai native 框架， https://github.com/chenguangwei/ai-native-collaboration 这个框架也存在不少问题，里面 skills 包含了太多（为了适应更多的人），造成了一些 AI 负担，自己使用过程中还是会发现不少问题，很多无法标准化和规范化，无法放入框架中。 我抛砖引玉，希望大家把自己实际工作中的经验分享出来。
今年最火的莫过于 harness engineering 了。 都在说 harness 驾驭 AI ，来说说自己的工作经验，自己在真实的工作中是如何驾驭 AI 的， 在工作或者编码中如何编排自己的工作的，工作流实际上都有哪些变化。 我先说说自己的 我认为 先的 claude code 、codex 就是一个 harness Agent ; 先随着更新越来越强大，基本需要自己编排，类似工作流编排的越来越少的，但是少不代表不需要， 还是需要做一些工作的 例如 人工把控任务拆分： 仍然不要让他一次执行太大的任务，还是先拆分（虽然有 plan 模式和各种 skills 了，）、拆分后多 Agent 执行，不占用主 Agent 的上下文 上下文管理： 要给足和给清楚必要的上下文信息，流程过程以文档留存，面向 AI 编程。 约束边界清晰: 如果一个新的项目，首先要依据自己的经验给 AI 约束，例如技术栈明确、设计约束、研发机构约束等，这些现在还是需要编排好的。 其他： 前后端实现，先让 AI 完成统一的公共部分，例如 api 实现，审核后，编排前后端分别实现各自逻辑。 前端这块 UI UE 现在的 AI 还是做的比较差，必须清楚清晰的知道，甚至布局说明，@各个文件自己组合修改。 自己也整理一个 ai native 框架， https://github.com/chenguangwei/ai-native-collaboration 这个框架也存在不少问题，里面 skills 包含了太多（为了适应更多的人），造成了一些 AI 负担，自己使用过程中还是会发现不少问题，很多无法标准化和规范化，无法放入框架中。 我抛砖引玉，希望大家把自己实际工作中的经验分享出来。
无论是opus或者GPT，是不是证明了，是我自己不会驾驭AI，和AI模型无关 ，在强调了多次需求的情况下 还是会多次跑偏，误解需求，大佬们是怎么解决这个问题的，是任务精细化吗， 6 个帖子 - 6 位参与者 阅读完整话题
从古法编程到驾驭工程：一线开发者这两年的变化与焦虑 从 2024 年到现在，作为一线开发，我亲身经历了一条非常明显的技术演进时间线： Ctrl C + Ctrl V ↓ Copilot ↓ ChatGPT 对话式辅助 ↓ Cursor ↓ Claude Code CLI 感叹AI2年时间给我带来巨大的变化。现在从古法编程到驾驭工程的转变，时代裹挟着各个行业和里面从业人员，我们都无法抗拒，只能拥抱变化，有危险也有机遇。 看了许多关于AI的一些文章和讨论，大家都很焦虑，其实我之前也不焦虑，因为模型和Agent的能力还不够，上下文限制，无法理解全局，复杂度高的项目是不能取代人的。 但是今年开始，这个情况发生了变化，AI的能力有了显著提升，尤其是在理解和处理复杂任务方面。现在的AI不仅能够处理大量的数据，还能在一定程度上理解上下文，这使得它在编程和软件开发领域的应用变得更加广泛和有效。 我们就像当年工业革命要来临时的纺织工人一样，本来纺织工有技术，深耕纺织技术就能卖到高价。但是随着机械化的到来，你的技术就被机器取代了。 同样的道理，作为程序员，我们之前通过个人努力，不断提升编程技能，无论是通过跳槽，还是每年公司的涨薪，都能获得回报。现在没了。因为游戏规则变了，老板的思维也变了。他们不再看重个人的编程技能，而是更看重如何利用AI工具来提高团队的整体效率和产出。 继续拥抱AI，就像纺织工去学机械，适应了但是通过之前的技能提升涨薪是无望了。以前的骄傲和自信都没了，之前还感觉我有技术到哪都能吃上饭，这才几年的时间。。。。 我在想如果被裁员，我能做什么？转行做体力工作？服务业？我的年龄和身体白扯了。 也想问一下各位彦祖，都怎么办？我肯定是拥抱变化，没办法，在变化中寻找机会。 是否可以通过学习做AI相关的工作，不是编程了，比如数据标注或者模型训练，蒸馏等？ 1 个帖子 - 1 位参与者 阅读完整话题