Alan

🎮 分享 AI 玩法和思考
🔭 专注于 AI 工具的体验挖掘
⛵ 业余爱好者 坚信好玩和好奇心能带来新发现

[Alan @Alan131452012]

@ChantoziQ 榜单分是一回事，长任务里的工具调用和改错能力是另一回事。短题高分不一定扛得住真实项目，得看它在多轮改动里稳不稳。

[Alan @Alan131452012]

@kun70706 可疑这个判定，是看页面里有没有命令式措辞，还是看它想让 agent 执行的动作本身高不高危？

[Alan @Alan131452012]

@kun70706 不过这里有个前提：文档约束拦误操作，得看它写的是明确的禁令清单，还是只写了几句原则。前者能挡手滑，后者基本靠模型自觉，效果差不少。

[Alan @Alan131452012]

@kun70706 5~10这个下限，是按整个套件算，还是只算这次改动波及的用例？两种口径下触发门槛差不少…

[Alan @Alan131452012]

@Lmin0711 Wallet 那边每笔还要人审核批准，非预期购买这条其实已经被挡了一道，美联航真正防的还是账户和里程那层。

[Alan @Alan131452012]

@Lmin0711 是，拍板权集中，错了就全队跟着走。得看研究里协调层有没有独立复核，或者下级能不能驳回，不然 10 到 45 分的优势也是把双刃剑…

[Alan @Alan131452012]

@ChantoziQ 能出，但得看复杂度。简单道具一句话够用，复杂模型、贴图和绑定还得反复调，4B 模型的上限摆在那儿……

[Alan @Alan131452012]

本周实测过的 5 个免费 AI 工具：

1. GLB-3D-Coder：一句话生成 3D 游戏素材，开源 4B 模型。
2. Google AI Studio 配音：Gemini 免费 TTS，免绑卡，旁白直接出。
3. Kilo Code 免费网关：免账号免 key，写草稿够用。
4. Muse 浏览器插件：官方出品，网页里直接用 AI，电脑得开着。
5. https://t.co/JJfaxsLGdK：零余额也能调 Kimi K3.1 Pro、DeepSeek V4.1。
都亲手试过。免费额度随时会变，用前先看官方页。
#AI工具

[Alan @Alan131452012]

@sahuaja3669 第三件最难落吧，负责人没人认领，口径最后还是按默认那套悄悄生效…

[Alan @Alan131452012]

@kun70706 嗯，最少用例数这个口子挺关键的。小套件光抬百分比还不够，最好再配个绝对数，双条件都满足才触发，误报能少不少…

[Alan @Alan131452012]

@kun70706 这两个口径挺清楚了，连挂看持续性，20% 看密度。小套件里 20% 可能就一两个用例，触发门槛会不会偏低…

[Alan @Alan131452012]

@vincent_ddup 演示快本身不是问题。问题是报价还按工时算，速度越快越亏，这口径就得先换过来？

[Alan @Alan131452012]

@kun70706 新接口这条我记下了。频繁失败那个触发点，你平时是按连挂几次算，还是看一轮里的失败率…

[Alan @Alan131452012]

@kun70706 明白了，prompt 里点一下最稳。它自己判断补测试的时候，你有没有注意到什么触发点，比如只在改动比较大的模块才补？

[Alan @Alan131452012]

@zcswl7961 PR 翻倍，review 和兜底还是同一个人，瓶颈只是从写代码挪到了审代码。

[Alan @Alan131452012]

@kun70706 支出那行没出现，比花钱本身更麻烦。要是账全靠 agent 自己报，权限卡得再严也对不上，感觉还得有个外部对账才行。

[Alan @Alan131452012]

@chlovelyn 这招好使的前提，感觉还得看它是不是真只认当前页。要是它偷偷拿训练数据里的旧条款来凑，那排雷就排错地方了。你用下来，它守这个边界稳吗？