marsonshine

programmer

[marsonshine @marsonshine]

@geniusvczh 主要还是copilot额度太少了，同样是1 00美元，codex能多问几倍的问题。还是那句话，现在的copilot，路过的狗都要骂几句😂

[marsonshine @marsonshine]

@oran_ge 第一次用就发现了，得到的一个经验是: 不要开max思考模式。最多到high。max模式随便一个现有项目的简单问题思考token都是千万起步

[marsonshine @marsonshine]

这个用户自己做决定就好了，为什么要替用户做决定？

[Tianyi Cui @tianyi]

鉴于 DS V4.1 Flash 模型在性能、费用、速度、总用时等各项指标上都全面超越了 V4 Pro。再以更高的价格、更慢的速度和更多的算力消耗给 DS 用户提供原有的性能较差的 V4 Pro 模型会不太合适。V4.1 Flash 正式上线之后，V4.1 Pro 上线之前，V4 Pro 模型的请求都会被路由到 V4.1 Flash，并按 Flash 的价格计费。

[marsonshine @marsonshine]

@yetone 确实，随便做一个小功能都要写各种防御代码、边界代码。所以在设计上我都强调不要过度设计，是一次性的需求。再加上tonytail才稍微好点

[marsonshine @marsonshine]

学习学习

[nini @nini_incrypto_]

非常推荐github上这个讲Harness的课程《learn Harness Engineering》！！

除了表面上是在讲什么是Harness，更多的是在讲世界上最聪明的一群人是如何教一个最聪明的大脑变得靠谱的！

这个课（讲义）主要是给一个入门理解，更大的价值是各家总结的经验总结（课件给的延伸阅读），我觉得比课件本身更值得细看

https://t.co/5QlOhJhVva

[marsonshine @marsonshine]

codex pro额度绝对被砍了。老子用terra，luna这两个模型都是平均为2，3个问题扣一个额度。sol简直如流水一般掉👿💀

[marsonshine @marsonshine]

说的玄乎，你让codex给你做一个harness 。它就是这么做的，不信试试😂
我在公司纵向领域的harness工具codex就是按照这种方式做的，我都没特意调教

[lifcc @mylifcc]

把 DeepSeek Harness 的源码翻了一遍，发现一个挺有意思的变化：

它根本没把 Prompt 当成一段 System Prompt。

而是把 Prompt 做成了一个 Runtime。

大概是：

Identity
+
Persona
+
Tool Guidance
+
Runtime Context
+
Tool Schema
+
Variables
+
Middleware

最后动态 Assembly 成模型看到的东西。

这意味着一个能力不再只是：

Tool + Code

而是：

Tool + Schema + Prompt Guidance

谁负责这个能力，谁就负责告诉模型“应该怎么用”。

比如 shell 自己拥有 shell 的 Prompt，filesystem 自己拥有 filesystem 的 Prompt，web 自己拥有 web 的 Prompt。

这其实很像软件工程里的模块化：

Capability = Implementation + Interface + Model-facing Instructions

更有意思的是，它还把 Prompt 分成了不同 Scope。

Global Prompt
↓
Agent Scope
↓
Agent-specific Override

所以不同 Agent 可以继承、覆盖或者增加自己的 Prompt。

这就不是传统的：

“给所有 Agent 塞一个巨大的 System Prompt”

而更像：

Prompt Dependency Injection。

还有一个我觉得特别重要的设计：

DeepSeek 把 Runtime Context 和 Prompt 分开了。

比如 cwd、git 状态、当前任务这些动态信息，不需要每次都修改稳定的 System Prompt，而是作为动态 Context 注入。

于是：

Instruction = 我应该怎么工作

Context = 我现在处于什么状态

Tools = 我现在能做什么

三者被明确拆开。

甚至 Prompt 里的变量也不是简单的 string.format。

未知变量、malformed variable、重复 section 等情况，会倾向于直接 fail。

换句话说：

DeepSeek 把 Prompt 当成了“程序”，而不是文案。

还有一个很容易被忽略的东西：

Tool Schema 本身就是 Prompt Engineering。

Tool 的名字、description、参数描述、tool ordering、tool availability，都在影响模型行为。

所以模型最终看到的其实不是：

System Prompt + Tools

而是：

Instructions + Context + Capabilities

统一组装。

我觉得这才是 DeepSeek Harness 最值得研究的地方。

它真正想解决的可能是
“怎么构建一个可以持续演进的 Prompt Runtime？”

如果这个方向继续发展下去，未来的 Agent Prompt 可能不会再是一份几千行的 system prompt。

而会更像一个软件工程项目：

/identity
/persona
/tools
/context
/agents
/middleware
/variables

每个能力自己携带自己的 Prompt。

Prompt 从“文案”变成“基础设施”。

这可能才是 Harness Engineering 真正有意思的地方。

[marsonshine @marsonshine]

@DeFi8362 看来河南村镇银行给的教训还不够啊

[marsonshine @marsonshine]

铺天盖地的吹kimi ceo。跟deepseek一个路数。点x都还是给我推😒
经典成功人士拉的屎都是香的

[marsonshine @marsonshine]

@zuoyeben 还有福建晋江火灾28死

[marsonshine @marsonshine]

@geniusvczh 这个的确，我现在虽然要求项目新增或修改的功能要写单元测试。但是并没有审查是如何单测的。有可能掩耳盗铃😂
还是要逼自己审查单测

[marsonshine @marsonshine]

@chenpapro 你都是从哪获取这些极品信息的😂

[marsonshine @marsonshine]

@tinyfool 因为ai不需要休息，任务更多了。leader总是说一个任务有ai你最多三天就能搞定，然后就不停的给你安排任务😆

[marsonshine @marsonshine]

看到这两天都在讨论微信的技术选型问题。如果单纯考虑微信聊天的话可能大家考虑的观点都是成立的，如果再把监控放进来，估计就没那么单调了😂
总之一句话，天下人对微信内存占用已苦恼很久了😅😏

[marsonshine @marsonshine]

@chenpapro 这图片感觉应该是ai直出的

[marsonshine @marsonshine]

打脸来的太快了，从此叫他梁半圣😂

[marsonshine @marsonshine]

@RX6391 好人啊，好感动

[marsonshine @marsonshine]

@BadUncleX 我还是本着过早的优化是恶魔的原则，先单个项目用，如果后面遇到重复的操作单元逻辑就提取出来放到全局中

[marsonshine @marsonshine]

@isnail 哪里的保安能有4500？你以为4500的保安就很容易进吗😉

[marsonshine @marsonshine]

@xiaoyumama9968 这不断供？