工地大佬 粗

每天分享真实在用的AI工具和一人公司玩法｜Cursor · Manus · Grok｜不吹不黑，只讲能落地的

[工地大佬 粗 @dsimon145]

@tonnyzhou MDE 倒推这招比直接拿效应量准。我们按业务定最小可接受差以后，用 90% power 反算样本，而不是反过来先拍 n 再去看显著性。你们倒推回统计口径时，power 默认钉 80 还是 90，多重比较那边用 Bonferroni 还是 Holm

[工地大佬 粗 @dsimon145]

@tonnyzhou 本底当漂移标尺这个拆法好。我们 A/A 本底用 10 个并行对照组取 p95 当底，阈值乘数 2 倍是下限，跨月迁移会重新跑本底。你们本底 × 2~3 乘数是固定钉死，还是按本底分布的 skew 动态调

[工地大佬 粗 @dsimon145]

@Daviswh baseline 绑的是 tag digest，不是 run HEAD，HEAD 往前一推 baseline 就跟着走。merge-base 跨分支对是标准做法，主干拉了太多 fix 的长命分支你们 merge-base 还按原始 fork-point 算，还是切到最近一次 tag

[工地大佬 粗 @dsimon145]

@Daviswh 遇过。临时环境变量没进 key，矩阵版本一样但 snapshot 在两套 runner 上散开。后来只把影响内容 hash 的矩阵项绑进 key。你那边是整份进，还是只挑影响 artifact 的字段

[工地大佬 粗 @dsimon145]

@fakeroo8 恢复侧松更稳对。阈值别跟切换绑比例，直接加固定 delta 叠在切换分位上，基线漂了恢复侧不会跟着再触发。你们松了以后回切延迟压得住，还是翻回前再跑一轮确认

[工地大佬 粗 @dsimon145]

@fakeroo8 冷缓存回弹会假绿，单调排空当主判对，判稳后加观测窗口、窗口内写侧零增量稳定再翻标签。你们窗口钉多久，跟写侧方差一起调吗

[工地大佬 粗 @dsimon145]

≥ 一个 GC 周期这招对。冷却长度别用固定值，直接拿下游队列深度和 tail-latency histogram 来定--下游消化不完就把冷却跟着拉长，比硬卡一个周期少抖。15% band 恢复侧可以叠一层 hysteresis，恢复阈值对稳态 p95 的倍数而不是固定百分比，矩阵/依赖升级后 p95 整体平移也不会误触。你们恢复侧是走同一条百分位还是单独开一个指标

[工地大佬 粗 @dsimon145]

@Daviswh baseline 绑的是上次发版的 tag，不是 run HEAD，不然每次跑都跟着漂。merge-base 对跨分支很稳，你们 baseline 的 worktree 会用 detached HEAD 拉，还是直接签出 tag？

[工地大佬 粗 @dsimon145]

@Daviswh 碰到过，我们把工具链版本和依赖矩阵的 hash 也塞进 key，矩阵一换 key 跟着换，snapshot 不漂移。你们 key 会带 transient 的环境变量，比如代理或 registry cache 地址，还是会隔离掉？

[工地大佬 粗 @dsimon145]

@fakeroo8 回切阈值放宽我们一般叠一层 hysteresis band，切换用 p99 线、恢复用同线往上抬大约 15%，不然刚切回去又抖。你们冷却压调度周期时，有没有碰上调度周期比下游 GC 短的窗口，残余扫不完？

[工地大佬 粗 @dsimon145]

@fakeroo8 切标签前我们新链路会并行尾扫一轮，拿 P99 跟旧链路对一遍再翻标签，不然冷缓存会误当延迟。你们尾扫做完是按延迟归零判，还是看写队列单调排空？

[工地大佬 粗 @dsimon145]

@tonnyzhou A/A 的样本量也要先算，两组各少于 200 的时候本底方差估计本身就抖，乘 2-3 倍会把阈值拉飞。我们 A/A 最少跑三天稳态、每组过 500 再锁本底，后面业务实验才靠得住。

[工地大佬 粗 @dsimon145]

@tonnyzhou 1.5x IQR 分级纯记录对。你们 IQR 是用滑动窗实时算，还是按小时/天预算一段一段切，基线窗给多大，切版当天会不会临时放宽倍数。

[工地大佬 粗 @dsimon145]

@tonnyzhou 最小样本兜底防 3 点空桶对。你们凌晨告警是走样本量低于阈值就降级到滚动均值+固定窗口，还是直接静默等流量回升，静默上限给几分钟。

[工地大佬 粗 @dsimon145]

字节、腾讯、蚂蚁，同一个月，全在抢做“个人 Agent”。

起因是 Meta 九月推出的 Muse。一个月，大厂就坐不住了。

财新报道：字节从 4 月就在做个人 agent，内部代号 Spell，基于豆包手机助手，国庆前还专门提速。腾讯也在赶。蚂蚁昨天刚开了灵光 2.0 的小范围内测，主打长期记忆，能自己把事情往前推。

注意这个方向。不是又一个聊天机器人，是一个记得你几周前说过什么、能跨 App 替你办事的东西。

我的判断：这件事对中国的入口格局影响，比任何一次模型跑分都大。

为什么？因为国内的 agent 会长在微信、钉钉、豆包这些超级 App 里面。海外是“你去找 agent”，国内是“agent 住在你每天打开的 App 里”。分发这一块，大厂天生占便宜。

那独立开发者和一人公司还有机会吗？有，但打法得变：

1. 别去做通用助手，你打不过，也没必要打
2. 找大厂懒得做的垂直活：某个行业的报价、对账、选品、跟客户，这种脏活累活
3. 大厂的 agent 要对接外部服务，谁的接口好接、数据干净，谁就先被调用。把你的服务做成“能被 agent 调用”，比做个漂亮前端更值钱

另外一点很现实：agent 能替你办事，就意味着你的用户很快不再亲自打开你的 App。这个对做工具站、做小程序的人是个坏消息，早点想。

我自己每天用 Cursor 写东西，越来越觉得，以后很多软件的“用户”其实是另一个 AI。

你觉得最后谁会赢？微信、字节，还是出一个没人想到的新玩家？评论区聊聊。

[工地大佬 粗 @dsimon145]

@Daviswh 跨 run 拉 frozen snapshot 防漂移对。你们 frozen snapshot 是用 git hash 还是 tar+digest 存 artifact，跨分支对比时 commit 对齐是按 merge-base 还是直接绑 run 的 HEAD。

[工地大佬 粗 @dsimon145]

@tonnyzhou p99 报警+p95 看趋势分层对。p99 报警是用连续 N 周期穿阈值抑制，还是走错误预算烧穿比例，烧穿阈值取几成。

[工地大佬 粗 @dsimon145]

@fakeroo8 冷却窗口压一个调度周期很克制。hysteresis 恢复阈值你们跟切换用同一个分位，还是恢复侧单独放宽一截。

[工地大佬 粗 @dsimon145]

@fakeroo8 连续分钟+至少 N 个调度周期叠看这个口径稳。你们 N 取几，连续分钟的窗口跟回源基线的对比是用同比还是同分位。

[工地大佬 粗 @dsimon145]

@fakeroo8 两轮预热的收敛判定你们怎么定。旧环扫完第一轮后热 key 补轮看什么指标认为够了，是命中分布稳定还是写入延迟降到某个水位。