噜噜毛毛

噜毛mm

[噜噜毛毛 @LeviDoherty7]

你用过Claude Code吗？如果有个免费替代品，会考虑换吗？

#Goose #开源AI #编程工具

[噜噜毛毛 @LeviDoherty7]

每月花200刀买Claude Code？可以停了。

Jack Dorsey的Block公司开源了一个AI编程Agent叫Goose，GitHub 3.5万星，完全免费。

[噜噜毛毛 @LeviDoherty7]

它能做什么：
1. 兼容所有主流LLM——Claude、GPT、Gemini、Llama、DeepSeek随便切
2. 直接读写你的整个代码库，不是片段级别的辅助
3. 能跑shell命令、装依赖、执行测试，全流程自动化

开源意味着你可以本地部署，数据不出你的机器。对于隐私敏感的团队，这一条就值回票价。

[噜噜毛毛 @LeviDoherty7]

有意思的是，"自己写"居然还能排第四——说明AI还没完全替代工程师的判断力，架构设计和边界case还是得人来把控。

你现在主力用哪个模型写代码？评论区聊聊��

#AI编程 #开发者工具 #LLM

[噜噜毛毛 @LeviDoherty7]

2026年了，你还在用哪个模型写代码？

刚看到一���开发者圈疯传的编程模型排行，挺真实的：

Codex GPT 5.5 > Claude Opus 4.8 > Composer 2.5 > 自己写 > Gemini

没错，"自己写"排第四，Gemini垫底。三个关键点：

[噜噜毛毛 @LeviDoherty7]

1. Codex GPT 5.5 已经不是"辅助编程"了，更像是"你提需求它交付"，尤其在大型项目重构上表现离谱
2. Claude Opus 4.8 在代码理解和上下文保持上依然是王者，长对话不断片
3. Gemini在编程场景掉队明显，但便宜是真的便宜，适合跑批量小任务

[噜噜毛毛 @LeviDoherty7]

但真正的问题不是谁最强——而是你的工作流适配哪个。 用React的和用Vue的感受完全不同，写SaaS和写营销页的需求也天差地别。与其追排行榜，不如拿自己的真实项目跑一轮对比。

你现在主力用哪个模型写前端？踩过什么坑？

#前端开发 #AI模型 #开发者

[噜噜毛毛 @LeviDoherty7]

2026年了，前端开发到底该押注哪个AI模型？

这个问题每隔一个月答案就变一次。现在圈子里吵得最凶的三个选手：GPT 5.5、Claude Fable 5、Gemini 3.1 Pro。

说几个实际体感：

[噜噜毛毛 @LeviDoherty7]

1. GPT 5.5在复杂组件逻辑上依然稳，但开始出现"过度工程化"的倾向，简单需求也要给你整一套架构
2. Claude Fable 5写UI代码的直觉是真的强，CSS细节处理明显比其他人好
3. Gemini 3.1 Pro上下文窗口大，适合大型项目一次性喂完整代码库

[噜噜毛毛 @LeviDoherty7]

别贪多，选2-3个吃透比囤20个账号有用。工具是杠杆，不是收藏品。 你今年用得最频繁的AI工具是哪个？��

#AI工具 #效率提升 #2026AI

[噜噜毛毛 @LeviDoherty7]

2026年了，AI工具多到眼花缭乱，到底哪些值得花时间？

我整理了一份实测过的核心清单，按场景分类帮你省掉试错成本：

1️⃣ 日常对话和研究：ChatGPT、Claude、Gemiro三选一足够，做深度研究加个Perplexity，想要实时信息用Grok

[噜噜毛毛 @LeviDoherty7]

2️⃣ 写代码：Cursor是目前体验最好的AI IDE，GitHub Copilot胜在集成度，Replit适合快速原型，v0专攻前端生成

3️⃣ 内容创作：Midjourney和DALL·E仍是图像首选，Sora领跑视频生成，NotebookLM做知识整理无敌

[噜噜毛毛 @LeviDoherty7]

�� LLM不是越贵越好——任务简单用小模型，复杂推理才上旗舰版
�� 工具接入是关键——Agent的价值不在"会想"，而在"会做"，能调API、读数据库、操作文件才是真本事
�� 指令设计最被低估——好的系统提示词能让Agent成功率从30%飙到90%

[噜噜毛毛 @LeviDoherty7]

OpenAI刚发了一份AI Agent实战指南，公式就一句话：Agent = LLM + 工具 + 指令。

别小看这三要素，90%的人搭Agent都卡在这：

[噜噜毛毛 @LeviDoherty7]

说实话，2026年了还all in单一模型，本身就是个危险策略。多模型混用才是正解。

你会怎么选��评论区聊聊��

#AI模型 #GPT5 #Claude #DeepSeek

[噜噜毛毛 @LeviDoherty7]

未来5年只能选一个AI模型，你选谁？

这个问题在推特上炸了。选项很残酷：Claude Fable、GPT 5.5、Gemini 3.1 Pro、DeepSeek V4，只能活一个。

说说我的判断逻辑：

[噜噜毛毛 @LeviDoherty7]

1. 别看参数看生态——模型能力会迭代，但围绕它建立的工作流和工具链才是真正的锁定成本
2. 开源 vs 闭源是长期变量——DeepSeek这类开源路线，5年后的灵活性远超闭源
3. 选你能"带走"的——数据可迁移、prompt可复用、接口标准化的，才是安全牌

[噜噜毛毛 @LeviDoherty7]

上下文长度是基础设施，不是终点。真正重要的是怎么用好这些token。

#大模型 #LLM #上下文窗口

[噜噜毛毛 @LeviDoherty7]

你的AI助手能记住多少对话？看看这个进化速度。

从GPT-3.5的4k tokens到Gemini的1M tokens，LLM上下文长度在几年内暴涨了250倍。但更值得关注的是背后的工程方法。

三个核心知识点：

[噜噜毛毛 @LeviDoherty7]

2. 稀疏注意力机制 — 全注意力的计算量是O(n²)，100万token直接爆显存。稀疏注意力让模型只关注关键token，效率提升几个数量级。

3. RAG vs 长上下文 — 上下文越长不代表RAG没用了。把100万token全塞进去成本极高且效果未必好，分块检索+精读仍是性价比之王。