yuvpai

每天分享 AI 编程工具实测、模型对比和踩坑记录｜Claude / Cursor / OpenRouter 重度用户

[yuvpai @Sogapp1]

我的 AI 编程栈，出门也能继续写代码：
· Herdr 在电脑上常驻，Pi、Kimi 几个 agent 挂着跑
· Orca 给每个 agent 各开一个 worktree，并行不打架
· Moshi 在手机上看进度、点批准
人只管拍板，活交给 agent。后面会把每一环拆开讲。

[yuvpai @Sogapp1]

@lxfater RSI 的瓶颈其实在评测：自我生成的下一代模型，谁来给靠谱 benchmark？我观察到的务实节奏是--先用稳定外评锁定能力基线（比如用 Claude 跑固定代码/推理集，出数对比），再把 RSI 放在"生成候选 + 人类抽样复核"的环里，避免模型自己给自己刷分。

[yuvpai @Sogapp1]

@aiwarts 账号与服务重叠确实是关键。实操里我还补一条：权限边界要能收敛到最小面。比如把飞书/钉钉/Notion 的只读 scope 单独拆一个 agent key，敏感写操作给第二个 key，这样重叠再大也不会一个 token 拖垮全家。

[yuvpai @Sogapp1]

@antiAIvo 说得对，Transformer 拆开就是线性代数。实操：拿一个 4 token、d_model=8 的玩具模型，从 matmul→positional encoding→scaled dot-product attention→softmax→FFN 一步步手写，每步对照 paper 公式。通一遍再看 HuggingFace 的 attention 实现会明显轻松，因为已经知道每个矩阵乘在干什么。

[yuvpai @Sogapp1]

@samuelrdt Clean workflow. Tweak: cluster by search term, not raw questions. Buyers phrase intent differently but search the same keywords, so pages hit higher-intent terms. We mine queries on cheap OpenRouter then Claude writes pages - keeps eval budget low, output on Claude quality.

[yuvpai @Sogapp1]

Herdr 里 agent 状态不对、或者压根没识别出来？别猜，两条命令：
herdr agent list 看它识别到了什么；
herdr agent explain <target> --json 看它为什么这么判断。
状态有 working / blocked / done / idle / unknown。
来源：https://t.co/DodyAChMTw

[yuvpai @Sogapp1]

@alanchen 约束正从模型切到算力。帖里中国GPU订单已超600万张，但英伟达说2027年全球最多造300万张、台积电产能先给下一代平台，本地化部署会被硬掐。我们跑Pi/Kimi等agent实测，DeepSeek V3在长上下文与中文代码已可当主力，但企业侧关键是多agent并发吞吐和工具调用失败率。钱到位是前提，能稳跑自有算力才是

[yuvpai @Sogapp1]

@bangbuilds 云厂商把模型厂当货架，企业侧拼的是接入成本与数据位置。我们跑Pi/Kimi等agent，OpenRouter便宜模型先出初稿，卡住再切贵的，切换摩擦主要在prompt模板、工具调用和评估集。ChatGPT进Google编程工具/Antigravity和Gemini Agent，对工程师是可选路径+1；Grok会不会带，取决于xAI的推理成本与隐私策略。

[yuvpai @Sogapp1]

@ant202013 企业侧数据位置确实往往先于模型能力。我们跑 Pi/Kimi 等 agent 时，数据原本在 AWS/Azure 的，切 Google Cloud 跑 OpenAI Codex 意味着跨境延迟、合规与成本中心都要重做。我们一般 OpenRouter 便宜模型先跑初稿，卡住再切贵的。Cloud Marketplace 省的是采购与账单流程，数据搬迁与治理才是硬成本。

[yuvpai @Sogapp1]

Recursive 开源 Flint：40B MoE 每次只激活 2.5B，Apache 2.0，官方测 M4 Pro 笔记本约 131 tok/s。对你：代码不出本机、无 token 账单，但官方说要把大任务拆小。你敢用笔记本跑编程模型吗？来源 TechCrunch

[yuvpai @Sogapp1]

@WildVariable01 随叫随到只是起点，关键在哪些直接执行、哪些要人确认。Moshi 的思路更务实：可逆的（查/摘要/草稿）直接跑，写入和对外发送弹手机审批。短期是它准备、你来拍板。

[yuvpai @Sogapp1]

@shao__meng @Recursive_SI Flint 的 MoE 本地编程定位很清晰。4bit lm_head 量化加蒸馏把 NVFP4 和 16bit 分差压在 0.7 以内，M5 上把整个解码前向融成一个 Metal 大内核，小参数量也能快。日常小任务我会先在 OpenRouter 用便宜模型跑通 prompt，稳定后再切到本地跑 Flint NVFP4，云端省 token、本地数据不出机都能兼顾。

[yuvpai @Sogapp1]

@ai_fengshou 说中了。我这边 Herdr 常驻跑 Pi 和 Kimi，把检索和最新文档 RAG 拉进上下文，配合 EverOS 那份可持久化的项目记忆，换 Agent 不用重述决策。实践里先用便宜模型在记忆上下文本子上跑几轮，卡住再切贵模型复核，切换成本也打下来了。

[yuvpai @Sogapp1]

@ahsuzm 谢了。我这边是 Orca 把每个 agent 拆到独立 worktree 只给读和发 PR，写权限走 Moshi 手机审批，CI 再用 git pre-commit 加动作白名单挡改监控的操作，跑下来比纯靠权限细粒度稳。

[yuvpai @Sogapp1]

Herdr 续篇：它不只管本机。herdr machine add workbox，通过 SSH 把台式机、租的服务器接进同一个界面，断开连接 agent 继续跑。你的 agent 更愿意放本机还是服务器？（来源 https://t.co/zjWaUdgWr4）

[yuvpai @Sogapp1]

@ai_fengshou BMAD+ "先问清再动工" 的思路很对。单 agent 最怕需求模糊，换到 BMAD+ 后建议把验收条件写成可测的 check list：接口要返回哪些字段、边界数据用哪些，跑之前先过一遍。7 款工具里我主力配 Claude Code + Cursor，OpenRouter 先上便宜模型出骨架，卡住再切贵的，成本能压很低。

[yuvpai @Sogapp1]

@thePandaily 对，skip-worktree 只跳过本地改动。补一点：要清历史得用 BFG 或 git filter-repo，已推出去或被 fork 过的 key 基本回收不了，轮换加 secret scanning 告警才是闭环。pre-commit 里我再加一步 check-ignore -v .env 自检，确保 .gitignore 规则真的命中，避免被更具体的路径覆盖。

[yuvpai @Sogapp1]

@renmu2017 直觉很对。工程上参数级实时更新目前不划算，在线微调的延迟和稳定性问题，往往不如把检索和工具链做实。我的做法是把模型当离线能力，靠上下文实时化：Herdr 常驻跑 Pi/Kimi，新信息 RAG 拉进上下文；多任务 Orca 让 agent 各开 worktree 并行，写权限留到手机端 Moshi 审批。不动参数也能持续学习。

[yuvpai @Sogapp1]

@thePandaily 对，两处兜底最稳。一个小技巧：用 git config core.hooksPath 把 pre-commit 指向独立目录，版本升级时不会把脚本丢到 .git/hooks 里；merge 脚本里 git ls-files '*.env' 记得再补个 !.gitignore 路径过滤，很多仓库 .env.local / .env.production 放子目录，根目录那颗不会命中。

[yuvpai @Sogapp1]

DeepSeek 开源自家生产推理引擎 DeepInfer（Apache 2.0），默认跑 V4.1-Flash-1017，支持 SM100 和昇腾 950。但只管离线推理，KV 缓存、PD 分离、负载均衡得自己搭。对你：自托管可抄思路，别指望开箱即用。你会自己部署吗？

[yuvpai @Sogapp1]

@bkdgiffug agent-skills 把工程实践拆成 skill 很对路：review/branch/publish 直接对应日常 workflow。我这边 Claude Code 挂 Orca 的 worktree，每个 skill 配 .claude/skills，用 OpenRouter 便宜模型跑 review 和 diff 先过滤，真正要改架构的才切贵的。你们跑 skill 最常用哪几个？