Home
Language
English
Türkçe
Bahasa Indonesia
About
Privacy Policy
Terms of Service
Pricing
Sign In
Download All
Share
MISO
@miso3521
NOT INVESTMENT ADVICE!
Joined May 2022
239
Following
19
Followers
474
Posts
miso3521
retweeted
paulwei
@coolish
8 months ago
ChatGPT发布以来,我逐渐成了家里的“私人医生”, 且发现多数人疾病/健康管理大概率存在很大盲区。 多数人以为: 只要定期体检就行,就能规避大的健康风险。 只要去最好的医院,找个尽可能专业的医生就够了。 实际中,我亲身经历发现的问题包括不限于: 1. 就算是一次体检3000+人民币,甚至6000+的高端体检机构高端套餐,给出的体检结果数据,也(反而)可能和三甲医院的检查报告结果天差地别。 2. 就算是上海这种地方的一流三甲医院、最招牌的特需/国际科室、最带头的医生,也可能粗心大意/缺乏责任心,甚至不小概率的误诊,严重耽误你或你的家人。一个医生一天要看几十个病人,他对你来说是100%,而你对他来说可能只是一天里的2%,而且同样一个医生每天的状态都不一样。医生简介里的各种医学成就,并不一定直接和他给你的服务价值成正比。 以往我们的概念是, 把自己和家人健康疾病管理的责任底线,交给医生就够。 AI时代下应该是:自己才是自己和家人健康的第一责任人,把医生当做Review的人/治疗执行的人。 这样才是把健康风险相关的生命质量底线,掌握在自己手里,而不是交给运气。 可以怎么做: 数据方面,自己和家人常年积累的体检报告、医院病历/检查报告,学会去下载电子档(PDF/JPG/甚至影像DICOM文件 ),文件名按日期+类别整理排序存档到本地,用Dropbox或其他个人数据文件库工具做好云备份,做到一目了然、手机电脑随时取用。 多数医院的微信公众号/小程序提供这些数据的导出功能,存在更复杂点的情况,像是上海不少医院,病历导出专门外包给了一个“病案助手”小程序。甚至这些公众号网页系统是可以支持你将家人的身份绑定到自己账号下,你就可以在自己的微信里代他们操作这件事,因为你很难指望大多长辈自己会这些操作。 某些情况下,你只有纸质资料,那么就需要一台支持连续自动输稿器的打印扫描仪,家用可考虑HP 323sdnw,扫描更快的商务型是HP 4104dw,都支持WIFI连接。长期来说如果只用玻璃板一张张扫描太麻烦。扫描软件强烈推荐免费开源软件NAPS2( https://t.co/3IxkZTC37M )。 AI分析方面,在ChatGPT里按人名来建“项目”,项目下可以长期维护不同对话以针对不同方面的问题,项目的“来源”目前支持最多添加40个文件(所以上述数据可能需要定期做PDF合并)。NotebookLM没有明显的来源文件个数限制,导入后可以在Gemini里引用这些来源。 再高阶一些,可以在本地诸如Claude Code或龙虾Workspace下,建立专门目录同步上述数据,来长期维护分析。 如果上述做到位,AI给出的诊疗意见,能让你“知其然,且知其所以然”,能涵盖门诊医生诊疗意见的80%甚至远远超越。在这个基础上,复诊时可以对医生给出的诊疗意见大胆追加询问,诸如“是否还需要做另外的XXX检查?”“还有没有可能是XXX问题?”“XXX治疗方案会不会更合适?”。就像上面说的“把医生当做Review的人”,当做合作者,不要不好意思。少数某些医生觉察到你是带着AI知识来门诊的,如果他态度是嗤之以鼻或者不耐烦的,恰恰说明这样的医生不应该是你的唯一依赖,更应该考虑换个医院/医生追加寻求第二诊疗意见。现在一些与时俱进且负责的医生,反而会鼓励患者自己多去用AI。 对于潜在影响大的问题,不能只去一家医院只找一个医生,最好找不同医院不同医生获取第二诊疗意见。同样一个症状,A医生可能告诉你这就是炎症,B医生则可能告诉你这需要做其他某些检查来排除更坏的可能性。 对于体检有异常数值的项目,最好去其他医院,对相同的项目先做二次检查排除误差,再给医生判断,否则假如体检数据是错的(可能受体检机构合作实验室条件甚至物流影响,贵的体检未必等于靠谱),那么再好的医生据此也只能做出错误的判断。 AI时代就是一个所有机构和个人争夺各种上下文的时代, 各种AI厂商的互相竞争实际就是关于用户上下文的战争, 自己和家人的健康生命上下文,必须有自主掌握的一份, 那么无论平台工具、医疗方式如何更替, 你都拥有随时无缝升级、迁移的主动权。
See More
miso3521
retweeted
ginobefun
@hongming731
8 months ago
组织背后的物理学:梅特卡夫定律(Metcalfe's Law) 为什么 AI 原生团队能跑赢大公司?答案在于沟通损耗。 根据梅特卡夫定律,团队每增加一个人,沟通路径不是线性增长,而是呈平方级爆炸。 一个 150 人的传统团队,存在 11175 条潜在的沟通渠道,管理压力巨大。 一个 30 人的 AI 驱动团队,只需要 435 条渠道。 这意味着 96% 的无效沟通被砍掉了。AI 代替了人,不仅是代码写得快,更重要的是它不需要开会、不需要同步认知,也不需要写周报。
miso3521
retweeted
Leo|LeoLabs.me
@runes_leo
8 months ago
Tw93 把 Claude Code 拆成六层来理解,最扎实的一篇工程实践。 印象最深的两个点: 一是上下文成本算账。5 个 MCP Server 的工具定义就吃掉 25,000 tokens(12.5%),还没开始干活,预算已经少了八分之一。这个数字第一次看到确实吓一跳。 二是压缩机制的坑。默认算法会把早期的架构决策一起扔掉,两小时后改代码,Claude 已经不记得两小时前定了什么。他的解法是写 HANDOFF.md 做交接,下一个会话只读这个文件就能接上。 我自己跑了类似的体系 — 每次结束写 today.md 做 handoff,rules/ 从 31KB 瘦到 21KB,低频内容拆到按需加载。踩的坑和他说的几乎一样:上下文污染比模型能力更容易成为瓶颈。 推荐所有重度 Claude Code 用户读一遍。
See More
miso3521
retweeted
sunshineLx
@ios_1261142602
8 months ago
绝对的干货。开发 iOS App 必看的教程 👇 在做iOS移动端设计时,如果你不知道如何设计App,我推荐你可以看下Apple官方出的设计教程 👉 https://t.co/dCK79bkRuK 【工具】 整个设计教程囊括了人机交互、页面布局、原生组件使用、Apple平台技术、内置了海量的WWDC、文档。 当然这些文档你不可能看得过来,内容太多了。现在我推荐这个MCP工具 👉 https://t.co/tn0VW2Og7I 它可以搜索 Apple 开发者文档,让AI根据Apple文档帮你总结、给你排查各种人机交互、App设计问题。 【实战】 我主要用Codex 桌面端App,接下来我就以Codex为例 第一步:安装 sosumi MCP,如下图 第二步:在Codex 询问AI Codex会搜索相关文档 你可以针对特定组件来询问,比如:帮我总结分段控制 我应该怎么用。效果如下图 以此类推,更多功能,可自行探索。
See More
Who to follow
LR
@LR11683753
Kyle G
@kylemissionai
Cofounder & CEO @Calo_Official | AI for busy families Ex-IB in China. Moved to SF at 32 to start over Techno-optimist. Tried 50+ AI agents so you don’t have to
古森
@hejunfe84597986
长线$uni/$aave/$cake---短线打野,随时优化仓位 Slow is fast!
miso3521
retweeted
玩个锤子
@cccchuizi
9 months ago
【开工季福利来袭!!!】 为了感谢大家对我们的支持,我们打算免费送一台 Mac Mini256GB + 2000刀PackyAPI额度,助力2026年VibeCoding 和养殖龙虾! 一等奖:macmini 256GB 一台 二等奖:Packyapi额度100 刀✖️10 人 三等奖:Packyapi额度50 刀✖️20 人 点赞+评论+转发即可参与抽奖!(中奖后我们会仔细检查哦) 3 月 8 号截止~ 网站链接:https://t.co/82YMcSw72H 相关文档:https://t.co/nqVvEmipwU
MISO
@miso3521
9 months ago
@cccchuizi
开工大吉,老板大气😉
miso3521
retweeted
Stanley
@Stanleysobest
9 months ago
我真的搞不懂,现在好多人做内容,发个朋友圈、拍条抖音、写段文案,都能把自己纠结死。 怕不是原创?怕撞车?怕别人早就发过八百遍了?怕一开口就被人说“老掉牙”“炒冷饭”? 我告诉你,你所有的犹豫、纠结、自我怀疑,全都是没用的内耗。 你以为你发的是旧东西,是别人看腻的观点,是早就烂大街的道理?错!大错特错! 这个世界大到你无法想象,人多到你数不清,每个人的人生节奏、经历、情绪节点,全都不一样。 你觉得早就过时的话,对某个人来说,是人生第一次听见; 你觉得重复到腻的道理,对正在崩溃、正在迷茫、正在走弯路的人来说,是救命的一句话; 你觉得毫无新意的内容,对刚好刷到、刚好需要、刚好处在那个坎上的人来说,是刚刚好的救赎。 我问你,新鲜感能活几天?三天?五天?一个热点爆了,下一秒就被淹没,再新奇的东西,看三遍也会腻。 但有价值的东西,有共鸣的情绪,能戳中心窝的话,永远不会过期。 它不是靠新奇活着,它是靠人心活着。 你不是第一个说的,又怎样?你不是原创,又怎样?你只是把它再传一遍,再讲一次,再发出去一次,就够了。 表达这件事,从来不是为了让你显得独一无二,不是为了让你标新立异,不是为了让你站在高处说“我最特别”。 表达的意义,是传递。 是把一句能安慰人的话,传给那个深夜在哭的人; 是把一个能点醒人的道理,传给那个正在走弯路的人; 是把一份能治愈人的情绪,传给那个快要撑不下去的人。 你以为你在重复,其实你在救人。 你以为你在发旧内容,其实你在给一个陌生人,递一盏灯。 这个世界上,最不缺的就是新奇的段子、博眼球的套路、转瞬即逝的热点。 但最缺的,是有人愿意把好东西再讲一遍,把有用的话再传一次,把值得被看见的内容,再多推给一个人。 别管是不是原创,别管有没有人发过,别管别人会不会嫌烦。 你只管发。 因为你永远不知道,你随手发出去的一段文字、一个视频、一句感慨,会在哪个瞬间,砸中哪一个正需要它的人。 值得流传的东西,从来不怕重复;值得被看见的内容,永远有人需要再听一遍。 大胆发,大胆说,大胆传递。 你不是在炒冷饭,你是在做最温柔、最有力量的——人间摆渡人。
See More
miso3521
retweeted
智能体
@zhinengti
9 months ago
Karpathy: 编程的终极形态 = 组织行为学 Karpathy 多智能体实践后总结到:编程的本质正在发生根本性转变,未来的编程是“编写组织及行为”。 新代码库将构成: ✅ 提示词 (组织成员的“心智”) ✅ 技能与工具 (成员的“双手”) ✅ 协作流程 (组织的“规章制度”) 工程师的核心价值,正从“编码实现”转向“组织设计”。我们不再只是程序员,而是智能体组织的架构师。 衡量标准不再是代码优雅度,而是给定任意任务,你的"研究组织"能以多快速度产生进展。 你准备好了吗?
miso3521
retweeted
yibie
@yibie
9 months ago
Claude Code 的六层记忆架构 1. Managed policy(组织级) • 位置: /etc/claude-code/CLAUDE.md • 用途: 组织编码规范、安全策略 • 共享范围: 全组织 2. Project memory(项目级) • 位置: ./CLAUDE.md • 用途: 项目架构、团队约定 • 共享范围: 团队成员 3. Project rules(模块化规则) • 位置: .claude/rules/*.md • 用途: 模块化规则,支持路径匹配 • 共享范围: 团队成员 4. User memory(用户级) • 位置: ~/.claude/CLAUDE.md • 用途: 个人跨项目偏好 • 共享范围: 仅自己 5. Local memory(本地私有) • 位置: ./CLAUDE.local.md • 用途: 项目特定私有配置 • 共享范围: 仅自己 6. Auto memory(自动记忆) • 位置: ~/.claude/projects/*/memory/ • 用途: Claude 自动记录的模式 • 共享范围: 仅自己 ───────────────────────────────────────────────────────────────── 最有意思的设计: 1. Auto memory - Claude 自己写笔记("我们用 pnpm 不是 npm") 2. 路径特定规则 - YAML frontmatter + glob 模式限定适用范围 3. 200 行限制 - 强制 https://t.co/DRVx0pRMsq 简洁,超出的按需读取 4. https://t.co/KnqfHvOnaD 自动 .gitignore - 敏感信息不进入版本控制
See More
miso3521
retweeted
Ray Wang
@wangray
9 months ago
大多数产品团队还没有搞清楚 Karpathy 在说什么。 软件的新分发渠道是 Agent。Agent 不会看你的官网,不会看 demo,不会走新手引导。它直接调你的 CLI,请求你的 MCP server,把你的文档当数据读。如果这些入口都没有,你的产品对它来说根本不存在。 MCP 从零到每月近亿次 SDK 下载,只用了 12 个月,有超过1万个活跃服务器。OpenAI、Google、微软、Cloudflare 全都跟上了。后来,Anthropic 把 MCP 捐给了 Linux 基金会——因为这个标准已经赢了。运行一个 MCP server,现在等同于运行一个 web server,这是产品被发现的新门槛。 一个做得再好看的 React 仪表盘,对凌晨 3 点还在跑工作流的 Agent 来说,没用。 Unix 哲学几十年前设计出来,现在发现它天然就是给 AI Agent 用的。 接下来 24 个月,赢的是现在就在搭“Agent 能接进来”的入口的公司。输的那些,还在优化官网首页落地文案。
See More
miso3521
retweeted
meng shao
@shao__meng
9 months ago
OpenAI Codex CLI 实用最佳实践 很难得看到介绍 Codex 实践的文章,Twitter 上、Reddit 上、Youtube 上基本都找不到,好容易找到一篇,一起看看。朋友们如果有这方面文章,感谢分享! cc
@OpenAIDevs
AGENTS. md 与自定义配置 首先澄清一个常见误解:AGENTS. md 文件并非自动生成,而是需要手动维护。这是 Codex CLI 的行为策略配置文件,类似于给 AI agent 设定"行事准则"。 关键建议: · 从默认配置开始,仅在反复出现同类问题时才添加定向规则。这是一条"最小干预"原则——过度定制反而会引入不可预期的副作用。 · 配置内容应聚焦于策略、优先级、约束条件三个维度,而非事无巨细地规定每一步操作。 · 绝不在配置中硬编码密钥,同时要为破坏性操作(如删除文件、重写模块)设置明确的升级确认规则。 · 任何自动化脚本都应在 README 和 PR 中记录其来源、触发时机和入口点。 模型选择策略 决策公式:"难度 x 成本 x 长度"三维平衡 · 高难度推理:最强推理模型,用于架构设计、复杂重构、深层 bug 排查 · 机械性工作:小型高性价比模型,用于代码批量阅读、摘要生成、格式化操作 · 长上下文任务:大窗口模型,用于审阅大型 diff、跨文件分析 另一条重要建议:按阶段锁定模型选择(设计阶段 → 实现阶段 → 验证阶段各用固定模型),以确保可复现性。 上下文与 Token 管理 · 精准定位而非全量输入:使用 rg(ripgrep)先定位代码片段,再以不超过 250 行的块分段读取。避免将整个文件粘贴给模型。 · 跨轮次摘要传递:在多轮交互中,将关键假设和决策浓缩为简短笔记传递,而非让模型重新消化完整历史。 · 单一主题原则:每个任务保持 diff 聚焦于一个主题,不要· 在一次交互中混杂多个不相关的变更。 · 指针优于内容:引用代码时优先给路径指针,而不是粘贴大段代码。 · 日志节选:只包含决定性的日志片段,不要把完整日志倾倒给模型。 资源使用百分比指示器 Codex CLI 界面中显示的百分比数值反映的是综合资源消耗信号,主要由 token 消耗构成,也包含工具 I/O 开销。当该数值接近极限时,会触发截断或强制摘要,导致回答质量下降。 成本优化 用强模型做决策,用弱模型做执行 · 将发现和探索阶段的工作交给小模型和本地搜索工具 · 只在需要深度推理时调用强模型 · 先在本地验证变更正确性,确认后再扩大操作范围 · 维护简短的决策笔记,避免因上下文丢失而重复处理 参考文章 https://t.co/qaGHzh8h1t
See More
miso3521
retweeted
Tz
@Tz_2022
9 months ago
https://t.co/lFqVpzUL75
miso3521
retweeted
李继刚
@lijigang
9 months ago
这篇论文提出了一个有意思的观点: 我们之前习惯了「系统1 vs 系统2」的认知框架,现在出现了「系统3:AI」。 系统2 正在「投降」系统3。 https://t.co/pHvYFRAFig
miso3521
retweeted
Roland.W
@rwayne
9 months ago
https://t.co/me4ubqXJhF
miso3521
retweeted
WquGuru
@wquguru
9 months ago
过去8年,我学到的书本上没有的东西: 1. 加入组织最大的价值是信息共享——瞬间拥有多个大脑,垃圾信息被集体过滤,最佳实践被快速复制 2. 拥抱开源别封闭——90%的代码都站在开源肩膀上,没几行值得藏着掖着;开源换来反馈、贡献者和意外机会 3. 沟通永远大于技术——再牛的代码,说不清、推不动,就是零;写好文档/Agent Skill比多写几行巧码回报更高 4. 读/用别人的代码,是最快的升级路径——比自己从零造轮子快10倍,尤其那些被生产环境锤炼过的项目 5. 技术革新中,变化的是工具,不变的是定义问题/分析问题/解决问题的能力 6. 技术债就是信用卡债——短期透支爽,长期利息压死人;宁可慢一点,也要定期重构、写测试、还债 7. 好导师+主动求反馈+公开互享,比闭门造车快一个数量级——闭门造车的最终结局是惨败 8. 健康是1,其他是0——熬夜换来的产出,长期看完全亏本;运动、睡眠、饮食决定你的认知天花板和职业寿命 9. 人脉是复利——真诚帮人、分享知识,几个月后会以你想不到的方式回馈 10. AI时代,先发优势被彻底放大——谁已有海量用户?谁在原有业务里站稳脚跟?谁能掌舵适度转向? 对于绝大多数人,真正拉开差距的,从来不是天赋,而是这些软技能和资源起点——尤其在AI浪潮里,起点高一半,终点差十倍
See More
miso3521
retweeted
李继刚
@lijigang
9 months ago
帮助理解「概念」的skill: https://t.co/1xq1NvuyCM
miso3521
retweeted
数字生命卡兹克
@Khazix0918
9 months ago
https://t.co/KvwiG8KujS
miso3521
retweeted
paulwei
@coolish
9 months ago
不到两天Seedance 2.0 就遇到真人授权风险的问题, 让这场爆火显得像一次监管擦边短线套利。 这个时候也正可以聊一些 对视频AIGC和流媒体之间关系的非主流看法。 首先AI的圣杯一定是视频。 AI现在的军备竞赛, 都还在“模型算力”“生产力场景”。 但生产并不是人们真正最终的心之所向, 所有的生产活动,最终都是为了更多的奶头乐: 能有更多的时间,来放松舒适躺平、休闲娱乐。 就像互联网到移动互联网,结果是: 视频娱乐流量,占整个互联网流量的60%+ 所以可以预见: 视频AIGC娱乐,迟早也一定会成为 所有AI设施、资源消耗的最大头。 因为如果生产力逐渐相对饱和,下一阶段就是: 从事生产者占少数,躺平放松娱乐者占绝大多数。 这既是Elon Musk预期的未来社会形态, 也是黑客帝国The Matrix里的核心隐喻。 不少人觉得在视频AIGC的“冲击”下, “传统视频流媒体”不行了,要被颠覆代替了。 但我认为这种看法,有可能是类似于当年 “手机游戏代替PC游戏,所以Nvidia不行了” 的阶段性误解: 没有从第一性看到Nvidia通过 “连接过去貌似过时的点”, 积累了什么面向未来社会的护城河, 实现新的“第二曲线”。 下图中两条我之前聊 Netflix 的推文,分别是 2024年11月11日 (nflx 拆股后股价 80.5 usd) https://t.co/TWb6HiUQpI 2025年6月6日 (nflx 拆股后股价 126 usd) https://t.co/60hP8gEAl7 一年多后的现在, nflx 股价又回到了当初第一条推文时80的价格。 按目前的斜率,也许跌到50也不会感觉意外, 但半年到一年后,很可能会迎来新趋势。 就如同我在2020年9月表达对Nvidia远期看法后, 它涨到32后,也还得再经历跌到12的主升前下蹲。 那么是时候再聊下,Netflix 在 AIGC 时代, 凭什么能有新的“第二曲线”机会。 1. “审美品味” 就是大家说的: 人在后 AI 时代下,最后的堡垒。 也就是“懂人们想看什么”。 Netflix是最早利用数据+工程驱动, 把审美品味变成“可计算系统”的公司。 以此获得全球超3亿订阅会员数, 就是审美品味+分发能力 同时国际化领先的结果证明, 和正反馈循环来源。 算力模型即产品, 转向品味即产品。 大模型是冰箱, 食材保鲜的基础需求满足了, 但可口可乐还没出现。 做冰箱的越早期越稀缺, 但靠冰箱更加发家致富的, 是卖神秘配方的可口可乐。 所以,最终算力市场,会从卖方市场, 逐步转向“谁有配方品味”的买方市场。 2. “可合法使用的IP授权AIGC衍生品” 就是大家现在看到的: 为什么Netflix要收购华纳。 个人认为,Netflix 花这么大代价收购华纳+IP, 很可能部分因为看到了未来AIGC内容环境下, 技术大家最终都会有,技术差异化会越来越小, IP才是“卡脖子”的,授权的IP衍生品才更赚钱。 有没有发现, 前两天X上流传的Seedance2.0的热门视频, 大多数都是借助了“未被授权”的IP加持? 李小龙、各种名人、七龙珠、奥特曼、蜜雪冰城, 连最先引起共鸣的广告片,也是老干妈的。 (可惜了当时老老实实守规矩的Sora2, 只能用Sam Altman本人作为最大IP来出镜) 在喜欢的IP宇宙里享受技术带来的奶头乐, 是全球最多人口+最大公约数的最终幻想。 对“技术奇观”的新鲜感逐渐褪去、习以为常后, 引起最多人共鸣的IP才能长期留住观众。 内容越无限、无界增发, IP和被授权的规模化分发平台, 作为被信任的节点,稀缺价值就越高。 未来“谁都能生成”, 但不是“谁都能合法生成”IP衍生品并分发。 如果说未来可以为每个观众喜欢的IP, 来一键生成续集、“个性化定制”分支版, 下一部《哈利波特》,可不可以是你自己参演? 那么原本收你10美金/月的订阅费, 是不是可以收你30/50美金甚至更高价了。 大多数人并不会为4K高清付几倍价格, 但是为喜欢的IP生成续集、个性化版本, 毋庸置疑的可以。 本来一个IP同段内容,千人一面, 只能卖给一个会员一次, AIGC可以把这个一次变成多次, 甚至是24H陪伴式的生成式流媒体。 想象3亿全球订阅会员基数上, 去增加这样的AIGC高级套餐, 收入能有怎样的质变。 所以,视频模型军备竞赛, 不仅不是对Netflix的威胁, 反而是在为其未来超预期收入做嫁衣。 如果没有AIGC,反而缺少加价的新理由。 所以,从拉低预期到超预期, 从反共识到正共识, 才是超额赔率来源。 最后分享一条冷知识: 如果有兴趣了解 Netflix 对AIGC视频的理解, 领先市场多少个版本,强烈推荐看: 黑镜 第6季第1集 《Joan is awful》 影视飓风TIM所担心的问题在这集中完全复现, 要知道这集是在2022年拍摄的, 也就是ChatGPT发布之前。
See More
miso3521
retweeted
卢尔辰
@erchenlu1
9 months ago
一个人离世时,如果他把对世界的热情传给了孩子,那他留下的,已不是遗产,而是一笔无法估量的财富。 把“对生活的热爱、对探索的兴奋感”,留在孩子身上。那才是最昂贵、也最不会贬值的遗产。 ———爱迪生
miso3521
retweeted
meng shao
@shao__meng
10 months ago
Vercel 团队的反直觉实验结论:为 AI Coding Agent 提供框架知识时,简单被动的上下文文件「AGENTS. md」比复杂的、主动调用的「Skills」更有效 Vercel 团队测试了两种让 AI Coding Agent 获取新知识的方法: · Skills:按需调用的工具包,包含提示词和文档,Agent 需要“意识到”自己不懂,然后主动调用。 · AGENTS. md:放置在项目根目录的 Markdown 文件,作为持久的上下文信息提供给 Agent。 实验对比与关键发现 Vercel 建立了一套针对 Next.js 16 新 API 的评估测试集,对比结果令人惊讶: A. Skills(技能模式):表现不佳且脆弱 · 主要问题:Agent 经常不调用该工具。在 56% 的测试案例中,Agent 即使拥有查阅文档的能力,也选择不使用,导致通过率仅为 53%(这与没有任何文档的基准测试结果完全一致,意味着毫无提升)。 · 尝试改进:团队尝试在 Prompt 中加入“必须调用技能”的显式指令。虽然通过率提升到了 79%,但这种方法极度脆弱。指令措辞的微小变化(例如是“先读文档”还是“先探索项目”)会导致 Agent 行为的巨大差异,甚至引发新的错误。 B. AGENTS. md(上下文模式):完美通关 · 方法:团队并没有把所有文档塞进 Prompt,而是在 AGENTS. md 中嵌入了一个压缩后的文档索引。 · 结果:这种方法实现了 100% 的通过率(构建、Lint 检查、测试全部通过)。 · 关键指令:他们在文件中加入了一句关键提示:“IMPORTANT: Prefer retrieval-led reasoning over pre-training-led reasoning”(重要:优先基于检索的推理,而非基于预训练知识的推理)。 深度解析:为什么“笨办法”赢了? Vercel 分析认为,被动的上下文(AGENTS. md)战胜主动工具(Skills)主要有三个原因: · 消除了决策点: 使用 Skills 时,Agent 必须自己判断“我是否需要帮助?”以及“我该何时调用工具?”。当前的 LLM 在这方面的判断力并不稳定。而 AGENTS. md 直接提供了信息,Agent 无需做决策。 · 持续的可用性: Skills 是异步加载的,且只有被调用时才存在。而 AGENTS. md 的内容在每一轮对话的 System Prompt 中都始终存在。 · 避免了顺序问题: Skills 引入了复杂的执行顺序问题(是先看代码还是先看文档?)。被动上下文完全规避了这个问题,它只是作为背景知识存在。 技术实现细节:如何避免 Context 爆炸? 直接把文档塞进 Prompt 会消耗大量 Token。Vercel 采用了一种巧妙的压缩策略: · 他们不放入文档全文,而是放入一个 8KB 大小的索引。 · 索引包含文件路径结构和精简的映射。 · Agent 看到索引后,知道去哪里寻找具体的文档文件(例如 .next-docs/ 目录),然后按需读取具体文件。 这既保持了上下文轻量,又保留了全量知识的索引能力。 对开发者的启示 1. 对于框架作者: 不要指望 Agent 能通过通用的“搜索”或“工具”自动学会你的新框架。提供一个标准化的 AGENTS. md 索引片段,让用户添加到项目中,是目前确保 AI 写出正确代码的最可靠方式。 2. 对于开发者: · 不要过度迷信 Agent 的自主决策能力。目前的模型在“何时使用工具”的判断上仍然很弱。 · Context is King。与其花时间调优复杂的 Agent 工具链,不如通过精心设计的 Prompt 和上下文文件直接“喂”给模型关键信息。 · 拥抱 RAG:文章中提到的“优先检索推理”的思路,本质上就是一种高效的 RAG 实践。 Vercel 团队博客 https://t.co/jcHMfvOLJt
See More
Last Seen Users on Sotwe
Best Gay Kiss
Seen from
France
nirmini💦
Seen from
Turkey
Zona Malam
Seen from
United States
nanda
Seen from
Indonesia
گل لیلہ
Seen from
Pakistan
suka.Ass
Seen from
Indonesia
AlSAFFEL🔥
Liars & Cheaters 🔞
Seen from
Saudi Arabia
Fearmydagger
Seen from
Turkey
FLVSH ⭐️⭐️
Seen from
United States
Trends for you
1
GTA 6
Under 10K tweets
2
New Zealand
Under 10K tweets
3
Good Wednesday
Under 10K tweets
4
Hump Day
Under 10K tweets
5
Happy Hump
Under 10K tweets
6
APEC
Under 10K tweets
7
Xbox
Under 10K tweets
8
Grimes
Under 10K tweets
9
#WednesdayMotivation
Under 10K tweets
10
#Xiaomi18ProSeriesxLenaMiu
Under 10K tweets
Most Popular Users
1
Elon Musk
@elonmusk
240.6M followers
2
Barack Obama
@barackobama
118.7M followers
3
Cristiano Ronaldo
@cristiano
114.5M followers
4
Donald J. Trump
@realdonaldtrump
111.9M followers
5
Narendra Modi
@narendramodi
107M followers
6
Rihanna
@rihanna
98.7M followers
7
NASA
@nasa
92.2M followers
8
Justin Bieber
@justinbieber
91.8M followers
9
KATY PERRY
@katyperry
90M followers
10
Taylor Swift
@taylorswift13
84M followers
11
Lady Gaga
@ladygaga
75.5M followers
12
Virat Kohli
@imvkohli
73.4M followers
13
Kim Kardashian
@kimkardashian
70.8M followers
14
YouTube
@youtube
68.7M followers
15
Neymar Jr
@neymarjr
66.4M followers
16
Bill Gates
@billgates
65.2M followers
17
Selena Gomez
@selenagomez
63.1M followers
18
The Ellen Show
@theellenshow
62.1M followers
19
CNN
@cnn
61.7M followers
20
X
@x
60.6M followers
Olivia
Online
✨
⭐
💫