人工智能
快来分享你的内容吧～
- 10-15 11:07前言 近期GitHub开源项目REA（Reverse Engineer Anything）短时间斩获17万星标，登顶GitHub Trending。它作为MCP服务端，把Ghidra、IDA、Hopper等逆向工具封装成AI Agent可调用接口，让Cursor、Claude Code等AI智能体自动完成二进制逆向分析。工具能力强大，但存在明确法律边界，仅可用于授权范围内的安全研究。查看全文czheng：⚠️ 免责声明本文仅为开源项目技术科普，仅供学习交流。逆向工程有严格法律边界，未经著作权人书面许可，禁止逆向商业闭源软件，禁止用于破解、盗版、盗用逻辑等行为，相关法律责任由使用者自行承担。REA 输出结果存在 AI 幻觉，所有逆向结论务必人工复核；涉密文件禁止接入云端大模型。评论区不讨论破解相关内容。642分享
09-24 10:10·后端
09-23 17:34·Java后端- 09-23 14:15·后端5 大案例实战测评全新 Claude Opus 5.5 和 GPT-6 Sol 模型的 AI 编程和办公写作能力，2 大全新模型谁更强？谁的性价比更高？查看全文Coder_Ming：我在想，既然opus5.5写作有人味，那是不是可以拿它来写小说呢，然后把它写的小说做成AI 2D动漫小短剧，然后吸取意见建议后，做成AI 真人短剧，然后再看反响，最后做成AI大电影，有没有搞头1142分享
- 09-21 16:11·后端全网爆火的 Jev 模型是什么？有什么用？怎么使用？怎么接入 AI 编程工具？效果真的好么？傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦查看全文加油鸭：太棒了！深入浅出讲透Jev的创新点和实战价值，结构清晰、案例扎实，还附赠可直接上手的调试工具——这份分享既有技术深度又有落地温度，真·程序员良心干货！17712分享
- 09-20 10:00·后端GitHub 上爆火的神级 AI 万用 Skill「我有多动症」，真的能节省 Tokens 么？日常办公 + AI 编程开发任务实战测评，带你掌握一个实用的 AI 编程 + 省 Tokens 技巧查看全文加油鸭：鱼皮的实测太扎实了！把技术原理、真实效果和适用边界都讲得清清楚楚，这份深度分享真的帮大家避坑又提效～532分享
- 09-18 14:47·后端
07-17 10:40·全干的耄耋之神，老登的年纪且登味为0，只
06-21 17:01·后端开发我昨天凌晨两点还在跟 Deepseek 较劲。就为了一篇奶龙按摩椅的小红书广告文案，我改了八版 prompt，从 "写个爆款文案" 到 "标题必须带数字，正文不超过 300 字，结尾要有行动号召，要像小红书博主那样说话"，结果它要么标题不带数字，要么写了 400 多字，要么结尾就是 "快来购买吧" 这种干巴巴的话。 帅哥美女们帮我的掘金点点赞呗 完整文章地址：https://juejin.cn/p查看全文加油鸭：太酷了！把 prompt 工程升维成 Loop 工程，思路清奇又扎实，代码简洁、踩坑真实、总结透亮——这才是真正把 AI 当系统来用的高手思维！9611分享
MCTS + CNN 自对弈强化学习实战总结
# MCTS + CNN 自对弈强化学习实战总结 > 本文是对一个五子棋自对弈强化学习项目（GomokuCnn）的完整复盘。 > 项目在一台 RTX 3060 Laptop 上，用 AlphaZero 式"自对弈 → 训练 → 评估" > 循环从零训出强 AI：最终模型对战传统 NNUE 引擎 > [rapfi](https://github.com/dhbloo/rapfi)，先手执黑基本保持 100% 胜率。 > 训练方案参考了 [zhoukangyang233/Gomoku](https://github.com/zhoukangyang233/Gomoku) > （nn_012 管线），在此之上做了大量机制研究与工程优化。 > > 项目已开源：<https://github.com/YorickFin/GomokuCnn> 这个项目最有价值的部分不是"训出了一个能下棋的 AI"，而是过程中沉淀的 几条**反直觉结论**——它们大多来自失败的 run，每一条都有实测数据背书： 1. 标签质量不来自 sims 数，来自标签生成机制；棋力不来自单轮精度，来自总轮次； 2. 双盲期不是要"解决"的问题，而是要"穿越"的阶段； 3. 物化 D4 对称增强是强 AI 的信息论硬约束，Online D4 + 经验回放无法替代； 4. 防杀能力不生活在搜索里，它生活在训练标签里； 5. 跨轮持久的低学习率是棋力退化的隐形杀手。 下面按管线逐一展开。 ## 一、管线总览 整体是标准 AlphaZero 架构的轻量版： ``` 自对弈（MCTS + 当前模型生成对局数据） ↓ 标签生成（全节点收集 + prior/Q 分层重分配） ↓ 物化 D4 八倍对称增强 ↓ 训练（每轮重建 Adam + ReduceLROnPlateau 轮内调度） ↓ arena 竞技评估（对 champion 胜率 ≥52% 晋升） ↺ 回到自对弈 ``` 关键配置（低 sims 三支柱，缺一不可）： | 支柱 | 配置 | 作用 | | --- | --- | --- | | 低算力搜索 | 30 sims/步 | 单轮快 → 总轮次多 | | 标签机制 | 全节点收集 + 分层重分配 | 低 visits 数据可用 | | 小网络 | 32 通道 / 5 残差块 | 容量匹配噪声标签 | 三支柱是绑定的。只搬其中两根会得到最差组合：首次启动时曾用 128ch/6blk 大网络配 30 sims，单轮 8 分钟（大网络吃不动 28 万全收样本）， 且大容量在噪声标签上只会过拟合——128ch 的训练段计算量是 32ch 的 19 倍。 换 32ch 后全程平均约 22 秒/轮（自对弈 ~6s + 训练 ~15s）。 ## 二、低 sims 的经济学：总轮次 > 单轮标签精度 选择 30 sims 是一场明示的赌注。自对弈训练的总学习信号可以分解为： ``` 总学习信号量 ≈ 总轮次 × 每轮数据量 × 每样本信息密度 ``` 高 sims 管线的每样本信息密度高，但每轮慢；低 sims 管线的前期标签 基本是噪声（30 次模拟摊在 20 个子节点上，每个 1~3 次访问，毫无分辨力）， 但换来的是 7 倍以上的轮次吞吐。 一组真实的对照实验： - **run_8**：800 sims，268 轮——arena 胜率停在 59% 天花板，且其 base 本身停滞后，新 run 只能摸到 base 的水平； - **nn_012（参考管线）**：30 sims，约 20000 轮——训出强 AI，对弈仅需 200 sims 就能稳定防杀。 轮次差 7.5 倍，sims 差 27 倍，结果完全倒挂。**单轮标签精度的短板 可以靠机制补（见下文重分配），总轮次的短板没有任何东西能补。** 代价也要有预期：低 sims 的双盲期更长（30 sims 树深约 3 层，搜不出 战术序列，战术能力只能等网络从数据里"背会"棋形）。这是设计内风险， 不是 bug。 ## 三、双盲期：定义、诊断与穿越 ### 什么是双盲期 自对弈冷启动阶段，对局双方（同一模型的自我复制）都弱到数据分布中 **不含任何有意义的对抗行为**——双方都不堵、不攻，谁先随手连五谁赢。 模型从这样的数据里学不到进步方向，形成自我强化的低水平均衡： ``` 模型弱 → 搜索树里没有战术信号 → 训练数据里没有"防守收益"的正例 → 模型学不会防守 → 模型依然弱 ``` ### 诊断指标（不要靠肉眼感觉） run_1 实测的双盲期指纹： | 特征 | 实测值 | 说明 | | --- | --- | --- | | 对局极短 | ~3.5 s/100 局 | 折合每局仅 ~10 手搜索 | | 胜率暴涨假象 | arena 对随机 base 99:1 | 赢随机对手不需要会下棋 | | value/policy 分离 | val value 0.088→0.029，policy 反而恶化 | 终局信号先教会 value 头；policy 无信号可学 | 三个关键判据： 1. **对局长度**（最灵敏）：防守涌现 = 互堵 = 对局拉锯变长。自对弈 耗时**台阶式上升且不回落**才是涌现（平台期单次冲高不算数）； 2. **arena 对 champion 的持续区分度**：50~60% 震荡且晋升不断 = 代际 进步；长期 45~50% 停滞 = 警惕； 3. **val value loss 在降**：说明逃逸引擎在转。注意 val policy loss 不能当判据——重分配标签是移动靶（value 变准 → 标签本身变锐）， run_1 全程 policy loss 没有掉头向下，模型照样逃逸了。 ### 穿越手段 按"重要性 × 容易被忽视"排序： - **随机开局**（opening_max_moves=20，保留空盘开局概率）：纯空盘自 对弈的开局标签退化成"先验 top-k 摊平"，且所有对局开局段高度相似。 随机预落子把对局起点推进中盘，并用网络估值筛选最均势局面。踩坑 提醒：每个候选必须独立采样——参考实现曾把 shuffle 放在循环外， 1000 个候选实际只有 ~11 种不同局面； - **温度**：每局随机 0.1~0.8，让整个数据集覆盖从贪心到乱下的行为谱 （固定两阶段温度会导致中后期轨迹趋同，中盘残局偏弱）； - **根节点 Dirichlet 噪声**（α=0.1，混合比 0.25）：只加在根节点， 防止搜索被先验锁死； - **层次重分配标签**：这是低 sims 可行的支点——30 sims 的原始访问 分布是噪声，但每个子节点下方的树内 Q 是连续信号，把访问概率 按"Q 对比 + prior 层级"重新分配给树认为更好的分支，配合全节点 收集（visits 门槛设 0，可信度进样本权重 √（visits/sims)）， 低 visits 数据不用丢弃。双盲期里它救不了命（Q 也是噪声），但 **value 头一旦变准，policy 标签立刻变准，不用等数据分布先改变** ——这把逃逸正反馈链的长度砍了一半； - **value 头是逃逸的正反馈引擎**：终局胜负 z 是唯一永远真实的监督 信号。逃逸链条：终局 z → value 变准 → 树内 Q 变准 → 重分配标签 变准 → policy 学会堵活三 → 对局拉锯 → 数据出现真战术 → 正循环。 ### run_1 完整逃逸时间线（1200 轮，约 12 万局，8.4 小时） | 阶段 | 轮次 | 自对弈耗时/轮 | arena 表现 | 状态 | | --- | --- | --- | --- | --- | | 双盲期 | r0~99 | ~3.6 s | 频繁晋升（假进步） | 随手连五 | | 长平台 | r100~799 | 3.6→9.6→5.5 s 冲高回落 | 晋升频繁但幅度小 | 行为在变 | | 深平台 | r800~1049 | ~3.4 s | 胜率 50% 无区分 | 全程最像"失败" | | 逃逸启动 | r1050~1149 | 3.5→5.0 s | 场均 82.5%，连续大胜 | 突破 | | 巩固 | r1150~1379 | 稳定 7~8 s | 54~63% 震荡晋升 | 中等 AI 强度 | 最深刻的教训：**深平台段（胜率 50% 无区分 + 耗时回落到双盲水平）是 全程最像"该止损"的阶段，但它恰恰是逃逸前夜**。防守是模式识别问题， 网络需要"见过足够多活三/冲四被惩罚"的对局——run_1 逃逸时累计约 12 万局，与参考实现的 20 万局同一数量级。数据量门槛真实存在，管线 优化只是压低它，没有取消它。 ## 四、物化 D4：强 AI 的信息论硬约束 逃出双盲期之后，下一个瓶颈是**自对弈闭环的对称性破缺**： ``` 模型有微小方位偏置（如左上角着法略多） → 自对弈生成的局面里，左上方战术出现频次更高 → 训练后偏置被巩固甚至放大 → 下次自对弈继续生成偏置数据 → 闭环正反馈：偏置永久固化，盲点永远存在 ``` 关键在于这个偏置发生在**数据生成端**。训练端的 Online D4（取样时 随机翻一个方位）只翻已有的偏置数据，改变不了模型下次下棋的偏置。 ### 硬约束 vs 软约束 - **物化 D4**：每个原始局面物化 8 份方位副本，8 个方位在**同一次 forward/backward** 里一起反传——梯度直接竞争，模型没有任何机会 选择性忽略某个方位； - **Online D4 + replay_rounds=7**：数字上等效（每样本训练 24 次， 方位覆盖 ~96%，Coupon Collector 问题），但 8 个方位分散在不同 epoch、不同轮次，每次训练步模型权重都不同——梯度永远不直接 竞争，偏置有充分的生存空间。且 replay 旧数据的重分配标签是 历史 value 头生成的，已经过时。 ### 分阶段收益 | 阶段 | 核心瓶颈 | 物化 D4 收益 | 性价比 | | --- | --- | --- | --- | | 冷启动期 | 标签全是噪声 | 8 份噪声平均，信噪比 +√8 | 差（每轮样本 ×8） | | 逃出冷启动后 | 闭环对称性破缺 | 打破偏置正反馈，消除盲点 | **极高** | 所以正确的姿势是：**没学会防守之前 Online D4（省钱熬双盲期）， 学会防守之后必须物化 D4（强 AI 的关键）**。这个约束与 sims 数 无关——高 sims 管线标签干净后，同样会被闭环偏置卡在强 AI 门槛前。 ## 五、value 标签前缀重分配：防杀能力住在标签里 这是全项目最硬的一条结论，证据来自一次搜索预算完全倒挂的对抗测试： - 参考管线：约 2 万轮训练，对弈 **200 sims**——稳定防杀； - 新管线：6000 轮训练，对弈 **3600 sims**——反复失守。 18 倍搜索预算差距。修复前的新管线对强算杀对手呈现出两个不对称： ``` 对手的杀点落子之前：树里完全搜不到 10~20 步杀（3600 sims 如同不存在） 对手的杀点落子之后：立刻判断对面胜率 99%（一次前向就完成） ``` "下之后"只是模式识别（威胁已成型，CNN 一眼可见）；"下之前"需要的 是前瞻推理，MCTS 能算深杀的唯一前提是 **value 头在杀路早期节点上 给出强烈负值信号，引导搜索分配模拟**。而嗅杀能力是训练标签教出来的。 ### 问题出在 value 标签的"半套重分配" 原管线只重分配了 policy 标签，value 标签仍用访问量加权树 Q： ``` 子节点 A：prior=0.7（正常回应），Q=+0.2，访问 7 次 子节点 B：prior=0.2（潜伏杀点），Q=+0.99，访问 3 次 访问量加权 Q：(7×0.2 + 3×0.99)/10 = 0.437 → 杀点信号被访问占比稀释，再被平庸回应平均掉 前缀 max 重分配：value ≈ 0.551，杀点权重 0.44，远超其 0.3 访问占比 → max 结构保证极端值不被平均掉 ``` 更尖锐的情况：杀点只被访问 1 次时（30 sims 常态），旧标签里它的 权重是 1/30 ≈ 3%，信号基本消失；前缀 max 里只要它 prior 靠前， 包含它的层级价值就**全额**等于它的极端价值。 修复方法：value 标签与 policy 标签从**同一个分层循环**产出——按 prior 降序逐层差分切分概率预算，每层的前缀 max 价值以同源权重累入 value 标签。数学上有 telescoping 恒等式保证权重和恰为已访问 prior 之和，标签是子节点取反 Q 的凸组合，恒在 [-1,1]，与 tanh 输出域对齐。 为什么堆数据补不上这块？自对弈闭环会系统性饥饿这类样本：双方都 看不见长杀 → 树内 Q 没信号 → 对局在杀路成型前就结束了 →"被正确 标注的潜伏威胁"样本极其稀疏 → 模型更看不见。与 D4 闭环偏置同构： **数据生成端缺失的东西，训练端技巧补不齐**。前缀 max 有效恰恰是 因为它不需要额外数据——它把树里已经存在但被埋没的信息以正确权重 暴露出来。 教训：**3600 sims 防不住的，36000 也防不住**——搜索预算由 policy 先验驱动分配，杀点先验低的前提下，堆预算是无效堆砌。 ## 六、学习率：一次退化的教训 run_2 曾采用"余弦下降 + 谷底停留 + arena 驱动跳回"的跨轮 LR 状态机， 结果是：前 324 轮 9 次晋升后，LR 长期压在谷底 lr_min=1e-5 长达 460 轮，期间 arena 对 champion 胜率 45/49/39/50/51%（含明显连败）， 棋力巅峰停在前 300 轮。 根因：**跨轮持久优化器 + 谷底低 LR = Adam 动量长期累积 + LR 过低， 双重退化**。 最终方案（nn_012）极其朴素： ```python # 每一轮训练（每次调用）都重建优化器与调度器 optimizer = optim.Adam(model.parameters(), lr=1e-4) # 每轮回 1e-4 scheduler = ReduceLROnPlateau(optimizer, mode='min', patience=2, factor=0.5) # 每个 epoch 用当轮验证损失 val_total = 2*val_value + val_policy step 一次 ``` 优化器每轮重建带来三个性质：LR 每轮回到 1e-4、Adam 动量不跨轮累积、 scheduler 每轮重置。与旧方案的本质区别：旧方案在**固定评估集**上做 跨轮调度（锚定 base，结构上跟踪不了进步）；新方案在**当轮新鲜自对弈 验证集**上做轮内调度（3 个 epoch 内动态下调）。 另外一个相关教训：固定评估集 loss 与模型进步是结构性脱钩的——模型 变强后会偏离 base 的着法偏好，考卷 loss 反而上升。它可以留着看趋势， 但永远不能驱动 LR 调度和早停。 ## 七、工程优化速览 消费级显卡上跑通这套管线，工程优化占了一半功劳： - **C++ MCTS 核心**（pybind11）：树操作加速 33.9 倍，端到端 2.18 倍； - **批量叶子推理**（infer_batch_size=16）：30 sims 树浅，批 64 会 覆盖整棵树导致 Q 反馈进不了访问分布； - **bf16 autocast 训练 + channels_last**：batch 2048 下 3.64 倍； - **fp16 + channels_last 推理**：forward 2.49 倍； - **4 worker 并行自对弈**：~20 分钟/100 局训练轮（优化前配置下）。 ## 八、最终成果与已知短板 最终模型（models/run_6/950.pth）对战 NNUE 引擎 rapfi 的实测： - **先手执黑**：基本 100% 胜率； - **后手执白与平衡开局**：表现不佳。 短板的原因很清晰：自对弈管线的数据分布由模型自己决定，后手防守 局面与人为构造的平衡开局不在自然分布内。补强需要另做这两项的 专项训练——这本质上是又一处"数据生成端缺失"问题。 另一个值得记录的观察：修复 value 标签后，自对弈能稳定下到残局， run_5 的 6300 局里出现了 2 局和棋——终局覆盖和防守能力的改善 会直接反映在对局长尾上。 ## 九、可迁移的结论 如果把整个项目压缩成几句话： 1. **标签机制 > sims 数，总轮次 > 单轮精度。** 低 sims 的标签噪声 靠重分配机制补，高轮次的学习信号没有任何替代品； 2. **双盲期靠穿越，不靠解决。** 盯住对局长度、arena 区分度、 val value 三个指标；最像失败的深平台往往是逃逸前夜； 3. **自对弈闭环里，数据生成端缺的东西训练端补不齐。** 方位偏置 要靠物化 D4 硬约束，潜伏威胁要靠 value 标签前缀 max，后手与 平衡开局要靠专项数据——三条同构； 4. **防杀能力住在标签里，不住在搜索里。** 搜索预算由先验驱动， 先验看不见的，预算堆多少都是无效堆砌； 5. **跨轮持久的低 LR 是退化的隐形杀手。** 每轮重建优化器 + 轮内调度，朴素但有效。 ## 参考与深入阅读 - 项目仓库：<https://github.com/YorickFin/GomokuCnn> - 参考管线：[zhoukangyang233/Gomoku](https://github.com/zhoukangyang233/Gomoku)（nn_012） - 对抗测试对手：[dhbloo/rapfi](https://github.com/dhbloo/rapfi)（NNUE） 本文每个主题在项目仓库 docs 目录下都有一篇完整的机制分析， 含全部实测数据、推导过程与代码落位： - [低 sims 下棋类游戏强化学习如何逃出双盲期](https://github.com/YorickFin/GomokuCnn/blob/main/docs/低%20sims%20下棋类游戏强化学习如何逃出双盲期.md) - [自对弈强化学习成为强 AI 的硬约束——物化 D4 对称增强的不可替代性](https://github.com/YorickFin/GomokuCnn/blob/main/docs/自对弈强化学习成为强%20AI%20的硬约束——物化%20D4%20对称增强的不可替代性.md) - [自对弈强化学习的潜伏威胁盲区——value 标签前缀重分配](https://github.com/YorickFin/GomokuCnn/blob/main/docs/自对弈强化学习的潜伏威胁盲区——value%20标签前缀重分配.md)
REA | 爆火GitHub 17万星标，MCP服务端，AI Agent自动逆向二进制程序
## 前言 近期GitHub开源项目REA（Reverse Engineer Anything）短时间斩获17万星标，登顶GitHub Trending。它作为MCP服务端，把Ghidra、IDA、Hopper等逆向工具封装成AI Agent可调用接口，让Cursor、Claude Code等AI智能体自动完成二进制逆向分析。工具能力强大，但存在明确法律边界，仅可用于授权范围内的安全研究。  ## GitHub爆火REA：17万星标的AI逆向工具，大模型自动分析二进制 最近GitHub一个逆向工程开源项目REA（Reverse Engineer Anything，逆向一切）快速出圈，短时间收获17万星标，成为安全与AI Agent圈讨论热点。很多人误以为它是一款全新反编译引擎，实际上REA更像一座**桥梁**，打通大模型与传统逆向工具。 项目仓库：`morluto/rea`，MIT协议，2026年4月创建，10月迎来爆发式增长。核心定位是**MCP服务端**，将Ghidra、Hopper、IDA等经典逆向工具封装成标准化工具能力，直接对接Cursor、Claude Code这类AI编码Agent。使用者无需手动在逆向软件中点来点去，可让AI自主规划并执行逆向任务。 ### ✨ 核心能力 REA无需源码，支持17类文件逆向：原生二进制、APK、JS/Electron程序、HAR抓包文件等。 整套自动化逆向流程： 1. 自动调用底层逆向引擎，执行静态反编译，提取伪代码、函数、字符串与调用关系； 2. 支持动态行为观测、内存读取、IPC和网络协议追踪； 3. 由大模型整合信息，输出带证据的分析结论，甚至生成参考复刻代码，并主动标注分析短板。 分工逻辑很清晰：**AI负责思考、规划、解读伪代码；Ghidra/IDA负责底层二进制拆解**，两者配合完成逆向。 ### 🛠️ 快速上手安装 **前置依赖** Node.js 22.19+/24.11+/26+；底层逆向引擎三选一（免费推荐Ghidra；Hopper、IDA为商业软件，需自备授权）；APK分析额外安装JDK+JADX。 > REA不会自动下载Ghidra/IDA，需要本地提前安装并配置环境变量。 体验推荐用npx直接运行，无需全局安装： ```bash # 引导安装，自动注册至Cursor / Claude Code npx rea-agents setup # 环境自检 npx -y @morluto/rea doctor # 启动MCP服务，供AI Agent连接 npx -y @morluto/rea mcp ``` 全局长期使用： ```bash npm install --global rea-agents rea setup rea doctor rea mcp ``` CLI直接分析文件（不调用AI）： ```bash rea decompile /path/to/your_binary 0x100003f20 rea analyze /path/to/target.apk ``` 安装完成重启AI Agent，MCP自动注册，即可直接对话调用REA。 ### ⚖️ 重点：合法使用边界 依据《计算机软件保护条例》第十七条：软件合法复制品所有人，**为学习研究软件设计思想原理，可实施逆向**。但场景有严格限制。 ✅ 合法使用场景 - 自己拥有完整版权的程序，用于漏洞自查、逻辑审计； - 获得著作权人书面授权，开展安全审计、兼容性开发； - 恶意样本威胁情报、安全研究（禁止传播恶意程序）； - 软件互操作、开发兼容插件； - CTF竞赛、教学靶机学习； - 开源二进制审计，校验编译产物和源码一致性。 ❌ 严禁使用场景 - 逆向商业软件破解激活、DRM，制作注册机、盗版； - 未经许可提取算法逻辑直接商用； - 逆向竞品游戏、App用于不正当竞争； - 利用逆向成果实施入侵、爬虫、服务器攻击； - 逆向带有NDA保密协议的软件； - 公开发布逆向得到的密钥、核心算法。 ### ⚠️ 风险与局限 1. **AI幻觉**：REA只提取伪代码，AI的分析结论会存在幻觉，**所有结果必须人工复核**。加壳、高强度混淆程序，分析效果会大幅下降。 2. **数据安全**：二进制、反编译内容会进入大模型上下文，**涉密内部文件禁止接入云端大模型**，只能搭配本地大模型使用。 3. **商业工具版权**：Hopper、IDA是付费软件，REA不提供授权，使用盗版逆向工具本身违规。 ### 📌 小结 REA最大价值是**降低逆向工程的操作门槛**，把大量重复手动逆向操作交给AI Agent自动调度。对安全研究员、逆向学习者而言是高效辅助工具。 但工具本身没有善恶，门槛降低同时也带来版权滥用风险。使用REA务必守住法律底线，仅在授权场景内使用，同时不能完全信任AI输出，人工复核必不可少。 > 项目地址：[https://github.com/morluto/rea](https://github.com/morluto/rea)
AI 桌面换装视频火了，1 分钟教你复刻！傻子可懂
大家好，我是程序员鱼皮。 最近 AI 桌面换装视频突然爆火，Twitter 上随便一条就是百万播放。  视频里一个虚拟美女坐在电脑桌面上，你让她换什么衣服她就换什么衣服，还能对话。  果然，歰歰是第一生产力啊！ 为了锻炼自己的 AI 视频制作技术，而不是出于兴趣，我也搞了一条试试。  怎么样，是不是精准复刻了原版的风格？ 三套造型切换，有对白声音、有特效字幕，全程模拟电脑桌面录屏的风格，30 秒一镜到底。  这是怎么做到的呢？ 其实非常简单！ 给我 1 分钟的时间，我来教你如何复刻，保证一学就会。 ## 1、准备工作 首先，我用到的是知名傻狗 `程序员鱼皮` 开源的「AI 桌面换装视频」生成技能。 > 开源指路：https://github.com/liyupi/ai-desktop-outfit-video  这个技能的玩法很简单。你跟 AI 说一句话描述需求，AI 就会帮你自动生成一段完整的 AI 视频生成提示词。然后复制到任意 AI 视频工具里就能出片，不用自己写又臭又长的提示词。 ## 2、让 AI 帮你写提示词 演示一下，随便打开一个 AI 工具（比如 Cursor），使用技能，然后跟 AI 说： ```markdown 我想创作 30 秒的视频 ``` AI 就会像产品经理一样主动询问你的需求：  AI 会先问你主角是谁。默认是中国古典鹅蛋脸美人，你如果有自己喜欢的角色，可以直接描述，也可以上传一张参考图。 比如我先用 ChatGPT 生成了一张参考图，并提供给 AI：  然后 AI 会问你视频的场景。默认是深蓝灰色调的房间，我跟 AI 说把场景改成安静的小酒吧。  接着 AI 会问三套换装造型是什么。我就随便说了水手服、洛丽塔、白领制服，跟个人爱好完全无关：  然后 AI 还会问你视频里的台词。如果你不喜欢默认的台词，可以让 AI 帮你修改为适配你需求的文案。  最后 AI 会问你尺度档位，软、中、硬三档可选。 我知道你们想选什么，唉……  六个问题问完，AI 就直接输出了一段完整的提示词。在这个技能的开源项目中有完整版的参考提示词。 ## 3、复制提示词，生成视频 接下来只需要把这段提示词复制出来，丢到任意一个 AI 视频生成工具里就行了。即梦、豆包、MiniMax 等等都可以，只要支持 Seedance 模型或者同级别的视频模型就行。 生成之前，有几个注意事项： 1. 比例选 16:9，因为是模拟电脑桌面 2. 时长选 30 秒（Seedance 2.5 支持 30 秒） 3. 使用默认的全能参考模式就好，不要开任何运镜预设 建议先用 720p 来试，1080p 的积分消耗真的太贵了！等效果满意了再上高清。  然后等 AI 生成完，一段桌面换装大作就出来了。   ## 4、直接调 API 生成 除了手动复制提示词之外，这个技能还支持直接调用 Seedance 2.5 的 API 来生成视频。 > 当然，你换成其他 AI 视频生成模型的 API 也是 OK 的。  只需要去火山引擎官网获取一个 API Key，提供给 AI 就行了。  AI 会直接帮你调用 API 生成视频并下载到本地，全程不用你自己打开任何 AI 视频生成工具。  生成的效果也是非常理想的。但是由于生成的视频过于劲爆，这里就不给大家完整播放了。  怎么样，是不是很简单？ 有了这个技能，你可以自定义女主 / 男主，自定义场景、台词、造型。一个爆款视频就这样被轻轻松松复刻出来了！ ## 5、核心原理 那问题来了，这个技能是怎么做出来的呢？ 其实也很简单。 我直接找到爆火的原版视频，丢给 AI，让它帮我逐帧分析视频的画面和声音，并生成简单直接的提示词。  注意，这段提示词中，我用到了 `/grill-me` 技能，AI 如果没充分理解需求，就会主动找我人工确认。 看看，这是 AI 逐帧分析的画面：  AI 帮我拆出来了整条视频最核心的「机关」。比如镜头全程一动不动，人物站起来的时候镜头不跟，只拍到腰部以下，看起来就像真的是电脑桌面壁纸。还有每次换装前都要留一秒钟的空沙发镜头，避免衣服在身上直接变形。  AI 拆解明白之后，帮我生成了一段简洁的提示词模板：  然后我直接把提示词拿到即梦里测试。结果非常顺利，一把就出了满意的效果。  测试没问题之后，我就让 AI 把整个工作流封装成了一个可复用的 Skill 技能。AI 从提问流程、提示词模板到 API 调用脚本，全部自动生成好了。  最后我直接让 AI 帮我把这个技能开源到 GitHub 上，并且自动生成了一个有图有文、甚至有 GIF 动图演示的项目 README 文件。真的爽！  这也是得益于现在的 AI 模型 Agent 能力和视觉理解能力越来越强了。整个过程从拆片、写提示词、测试、封装技能到开源发布，全程几乎都是 AI 在干活，我只需要做决策和验收。 ## 最后哔哔 看到这儿你应该能 get 到本期精髓了。下次你在网上看到某个爆款视频，完全可以用同样的方法让 AI 帮你逐帧拆解、生成提示词、封装成可复用的技能。不光是换装，AI 互动壁纸、桌面宠物、动态直播间背景，都是一个思路。 这篇文章我也会收录到我的开源教程 [《AI 编程零基础入门教程》](https://ai.codefather.cn/vibe) 中。上千张图、几十万字，从 0 开始带你学会 AI 编程，做出自己的产品、跑通变现全流程，感兴趣的同学可以看看。 > 开源指路：[https://github.com/liyupi/ai-guide](https://github.com/liyupi/ai-guide)  我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~
AI Coding 已经改变开发方式了，程序员到底还该学什么？
# 关于 AI 应用和现在程序员就业的一些看法 前段时间有朋友问我： **“现在 AI 这么火，要不要从 Java 转 AI 应用？”** 我当时第一反应是，这两个东西其实就不应该放在一起比较。 有点像几年前问： **“我要不要从 Java 转电商？”** AI 应用是一个方向，Java 是后端的一门语言，本身就不是一个维度的东西。 借这个问题，说一下我目前对 AI 应用、技术栈和程序员就业的一些看法。 都是这两年工作下来的一些个人感受，略带主观。 --- ### 1. 单一技术栈已经不太够用了 国内 Java 的存量盘依旧很大，这个短时间内不会有什么变化。 但我觉得现在只会 Java，或者把自己完全定义成一个 Java 工程师，已经不太够了。 目前后端我比较建议接触的还是： **Java、Go、Python。** Java 主要还是国内大量存量项目、企业级应用和现有团队技术栈。以后很多传统业务做 AI 赋能，也不可能把原来的东西全部推倒重来。 Go 在高并发、云原生这些场景本身就有优势。现在很多 AI 应用又恰好涉及大量并发、流式输出和长连接，用 Go 也比较合适。 Python 就不用说了。 AI 应用继续往下走，不管是 PyTorch、训练、推理还是 AI Infra，基本都绕不开。 当然我不是说三门语言都要学到一样深。 **至少有一门是自己的主语言，真正熟练，其他的能用、能看、能改就行。** 现在有 AI 以后，第二门、第三门语言的学习成本其实已经低很多了。 前端也是一样。 以前如果有人问我国内学 Vue 还是 React，我可能会更建议 Vue。 现在我会更建议 **React + TypeScript**。 主要还是国外生态更大，而且现在 AI Coding 对 React/TS 的支持也更好。 当然结合国内就业，Vue 最好还是得会。 所以我现在对技术栈的看法比较简单： **主技术栈一定要有，但没必要再给自己贴死某一门语言的标签。** --- ### 2. 一定要高强度使用 AI 这个是我目前最确定的一点。 AI Coding 已经不是“以后会不会普及”的问题了。 已经发生了。 我们目前甚至有一个真实的企业项目，基本就是纯 Vibe Coding 驱动开发。 而且不是 Demo。 项目本身是一个比较复杂的 AI 应用平台，涉及多租户、异步任务、分布式并发控制、实时通信、向量检索、全文检索、消息网关、服务监控和 CI/CD 等。 AI 这块也不只是调一下大模型 API，还涉及 RAG、多模态、ASR、视觉检索，以及 PyTorch、CUDA 相关的推理服务。 并且整个架构从一开始就是按照服务拆分、异步化和后续横向扩展去设计的。 说这些不是想证明这个项目有多复杂。 主要是想说，**这是一个有真实工程复杂度、需要长期维护的企业项目，而且大量代码确实是 AI 完成的。** 到目前为止，也没有出现所谓“Vibe Coding 到最后完全没法维护”的情况。 所以我现在觉得： **Vibe Coding 本身不是问题，问题是使用 AI 的人有没有工程能力。** 前两天我负责对接一个渠道商做兼容性的 RAD 开发。 方案、编码、测试基本全部由 AI 完成。 大概半天。 这个事情如果按照以前的开发方式，我估计至少两三周。 所以对于 AI，我没什么“要不要用”的建议。 **一定要用，而且要高强度地用。** 方案、编码、测试、Debug、Review、CI/CD，能用就用。 这已经是生产力问题了。 再说句题外话。 我现在觉得 AI 已经不只是开发工具了。 生活里很多需要搜索信息、学习、分析、做决策的事情，我都会先问一下 AI。 不一定听它的，但至少多一个信息源，多一个思考角度。 开发就更不用说了。 现在越来越多公司已经把 AI Coding 当成正常的研发工具，AI 带来的提效也是实打实的。 所以如果你长期处在一些接触不到 AI 的开发环境里，比如部分外包、纯内网、对日或者 ToG 项目，我觉得需要注意一个问题： **你损失的不只是 AI 帮你写代码的那点效率，而是在慢慢错过一套新的研发方式。** 短期当然没什么。 但如果三年、五年一直处在这种环境里，而外面的工程师已经习惯用 AI 做方案、编码、测试、Review、Debug，甚至完成整个研发流程，那两边积累下来的工作方式和效率差距会越来越大。 所以如果工作环境确实用不了 AI，我反而更建议自己在工作之外保持使用。 **可以不用 AI 写公司的代码，但不要让自己长期脱离 AI。** 这也是为什么我一直强调高强度使用 AI。 不是因为现在 AI 火。 而是我觉得，**会不会把 AI 真正融入自己的工作流，很可能会逐渐变成工程师的基础能力。** --- ### 3. AI 越强，基本功反而越重要 这一点我最近感受也比较深。 24 年甚至更早的时候，我们是真的会为了一个环境折腾半天。 碰到一些难调的 Bug，就自己看日志、翻源码、抓包、排调用链，一点一点 Debug。 现在很多问题直接扔给 AI，可能几分钟就解决了。 所以有时候我反而觉得，26 年才开始学编程的人可能更难。 不是因为工具差，恰恰是因为**工具太好了。** 很多以前必须自己经历的过程，现在可以直接跳过去。但那些过程其实会慢慢形成一些工程直觉。 所以如果你是新人，问我要不要打好基础，我的答案是： **非常有必要。** 数据结构、操作系统这些基础该学还是得学。 同时至少选一门自己的主开发语言，真正学到熟练。不是会写几个接口、会调几个框架就叫熟练，而是真的拿它做过项目、调过问题，对它的运行机制和生态有足够的理解。 因为 AI 可以写代码，也可以 Debug。 **但 AI 给你的东西到底对不对，最后还是需要你判断。** 事务、并发、幂等、异常、性能、可观测性，包括系统出了问题应该从哪里开始查，这些东西不会因为 AI 出现就消失。 反而是 AI 把编码本身变得越来越便宜以后，**这些东西才是真正能拉开工程师深度的地方。** 以前没有 AI 的时候，大家卷框架、卷 API、卷谁记得多，我觉得没什么问题，因为当时这些东西确实直接影响开发效率。 但现在很多框架层面的东西，AI 比我们记得更全，写得也更快。 所以我现在反而更建议新人把时间往基础上放一点。 当然，这个建议也不只是给新人。 **包括我自己，现在也在重新花更多精力，更专业、更体系化地去学这些基础。** 以前很多东西可能是工作里遇到了再学，或者知道怎么用就够了。但现在有了 AI，我反而觉得可以把以前花在记框架、记 API 上的时间拿回来，真正去理解一些更底层、更长期的东西。 有几本书我一直比较推荐： 1. Clean Code 2. The Clean Coder 3. Understanding the Linux Kernel 4. Head First Design Patterns 5. Designing Data-Intensive Applications 当然，书只是一个载体。 我真正想表达的是： **AI 时代不是不需要基本功了，而是以前很多“会用框架”的价值正在被 AI 吃掉，基础和工程判断的价值反而更高了。** AI 可以替你少走很多弯路，但有些路你最好真的走过。 所以我现在越来越觉得，AI 真正放大的不是编码能力。 **是判断能力。** --- ### 4. AI 应用可以转，但现在已经不是做几个 Demo 就好找工作的阶段了 我自己其实算比较早转 AI 应用的。 **25 年 10 月，我就从传统开发转到 AI 赛道了。** 所以如果提前半年或者一年有人问我： “会 RAG、做几个 Agent 项目，能不能转 AI 应用？” 我会觉得问题不大。 但现在我的看法已经变了。 不是 AI 应用不值得做，恰恰是因为**这个方向太火了，进来的人太多了。** 现在很多简历翻来覆去都是： RAG 知识库、AI 客服、PDF 问答、LangChain、Embedding、Milvus、Rerank…… 这些东西当然要会，我自己也在做。 但问题是，**会这些东西的人已经太多了。** 更现实一点说，现在如果只是拿几个这种项目去找 AI 应用的工作，我觉得已经没有以前那么容易了。 而且关于项目这件事，我可以说得直接一点： **现在国内网上能看到的大量所谓 AI 应用项目，我觉得本质上还是玩具项目。** 换一个模型、接一个知识库、套一个 Agent 框架，最后做个聊天页面。 能跑。 但离真正的企业项目还很远。 所以如果现在还准备转 AI 应用，我更建议去看： **真实业务、真实客户、真实场景。** 我前公司是做 AI + 教育的。 国内这一块真正落地的东西，无非也是 AI 答疑、AI 批改、OCR/VLM、个性化学习这些。 AI 答疑底层一样可能是 RAG。 区别只是它最后真的要面对学生、老师和学校，真的要解决问题。 所以不是不要学 RAG，也不是不要学 Agent。 **这些东西该学还是得学，只是别再把“会 RAG、会调 Agent”本身当成竞争力了。** --- ### 5. 除了业务深度，还需要一点技术纵深 上面说的是业务。 但只解决“项目别做成 Demo”这一个问题，我觉得还不够。 现在 AI Application / Agent 这个方向已经很热了，而且这个趋势越来越明显。 当大量工程师都开始做 Agent、RAG、工作流、MCP 以后，应用层的技术差异一定会越来越小。 所以除了去做真实业务以外，我现在还有另外一个建议： **适当往下走，给自己增加一点技术纵深。** 这也是我自己接下来准备深入 AI Infra 的原因。 我目前比较看好： **后端 / 分布式 + AI Application / Agent + AI Infra。** 不是放弃应用层。 恰恰相反，我觉得上层的业务经验很重要，只是在这个基础上继续往模型推理和基础设施走一点。 当然，AI Infra 也别最后学成下一个 RAG。 不是会 Docker、K8s、vLLM，再部署一下 CUDA 环境，就叫 AI Infra。 继续往下还有 Inference Serving、Batching、Scheduling、KV Cache、GPU Memory、PyTorch、CUDA、NCCL、GPU Cluster，以及监控、扩缩容、容错、成本这些东西。 这一块我自己也还在继续学，所以不展开，也不装懂。 我现在的想法其实很简单： **应用层越来越拥挤，就不要只在应用层继续横向堆东西。** 业务上往真实场景走，技术上往深处走。 至少目前，我自己准备这么走。 --- 最后其实就两个建议。 **1. 高强度使用 AI，别和生产力过不去。** 不要只拿 AI 补两行代码。 方案、编码、测试、Debug、Review、CI/CD，能用就用。 **2. 如果准备转 AI，别再堆玩具 Demo。** 去看真实业务，解决真实问题，再给自己找一个方向往深了走。 至于 Java、Go、Python、React、Vue，该用什么就用什么。 **主技术栈要有，工程基本功别丢，AI 狠狠用。** 差不多就这些。 听不听随意。
刚刚 Opus 5.5 和 GPT-6 Sol 同时发布，首发实测来啦！结果让我很意外
刚刚，Anthropic 发布了 Claude Opus 5.5，号称在大多数任务上都能打平自家最强的 Fable 5.1，运行成本却比上一代 Opus 5 还低 40%！  TNND，上周 A ÷ 不是还在呼吁 AI 前沿发展要 **放缓节奏** 么？ 明明距离上次 Claude Opus 5 的发布才过了 2 个月，官方还真有脸说「这是呼吁放缓之后发布的第一个模型」？？ 意思是如果不放缓，Claude Opus 55 都出来了？？？  然后不到 2 小时，OpenAI 也发布了 GPT-6 Sol，号称继承了 GPT-6 Astra 的大部分优势，API 价格却比 GPT-5.6 直接砍了一半！ 每百万 token 输入 2 刀、输出 10 刀，正好是 Opus 5.5 的一半。  历史似曾相识，两大顶级 AI 公司再次上演中门对狙……  这次我已经不想花时间科普跑分了，直接放一张我《AI 大模型世界网站》的对比图，大家自己看着玩就好：  简单来说，Opus 5.5 的智能程度直接冲到了第一名，GPT-6 Sol 只比上一代 GPT-5.6 Sol 多了 1 分。 要看大模型的效果，别看跑分，看鱼皮实测就得了~  这次我准备了 5 个案例，Claude Opus 5.5 在 Cursor 里跑，GPT-6 Sol 在 Codex 里跑，推理强度都开到 high，两边使用相同的提示词，全程我不会人工干预。 1. 用 SVG 画熊猫骑车送外卖 2. 300 字科普大模型 3. 3D 重庆城市生成器 4. 操作电脑画 Q 版鲸鱼娘 5. 复刻 Cursor ## 1、SVG 画熊猫骑车 AI 圈有个经典测试叫「鹈鹕骑自行车」，是开发者 Simon Willison 发明的。他让 AI 直接写 SVG 代码画一只骑自行车的鹈鹕，不许看效果，车架怎么连、脚怎么踩踏板，全靠 AI 在脑子里算坐标。  不过这道题实在太出名了，Simon 这次贴出来的推理过程里，Opus 5.5 开口第一句就是「这是一个经典的测试请求」，AI 一眼就认出来了…… 所以我换了个题目，让 AI 画一只骑着自行车送外卖的大熊猫，同样只许写代码，不许打开看效果。  两个模型都在 3 分钟内交卷了，左边是 Opus 5.5，右边是 GPT-6 Sol：  Opus 5.5 这张的完成度明显更高。牙盘、链条、脚踏板都画出来了，熊猫的脚踩在踏板上，手握着车把，车把上还挂了一杯奶茶。 它还自己加了车灯、「叮咚～外卖到啦！」的对话气泡和城市背景。而且这张 SVG 是会动的，轮子在转，链条也在走！  再看看右边，这什么玩意？！我真的绷不住了……  这一轮 Opus 5.5 完胜。 ## 2、300 字科普文案 这次 Anthropic 官方特别强调 **Opus 5.5 写东西更像人话**，我还是有点期待的。 那接下来，让两个 AI 比一比写作能力和文字功底。 我让两个模型用 300 字左右，给一个完全不懂技术的朋友讲清楚什么是大语言模型，要求说人话、不要书面腔，也不许加标题和列表。  两篇我先隐去模型名，你可以猜猜哪篇是 Opus 5.5 写的？ **A 篇** > 你可以把大语言模型想成一个读过海量文字、很会接话的助手。它看过书、网页和各种对话，从中学会了人们通常怎么提问、怎么回答，哪些话放在一起比较合理。你发给它一句话，它就根据你前面说的内容，一点点组织出回复。所以它能帮你解释问题、改写邮件、想点子，甚至陪你练习外语。 > > 不过，它不是脑子里装着一本随时翻开的百科全书，也不像人一样亲身经历过这些事。它说得顺，不代表一定说得对；有时会把不确定的事讲得很肯定，甚至编出听起来像真的细节。遇到看病、花钱、签合同这类重要的事，最好再找可靠的人或资料核实。简单说，它像一个反应很快的文字搭档：能帮你起步、理清思路，但最后拍板的还是你。 **B 篇** > 你平时用的 ChatGPT、豆包这些能陪你聊天的 AI，背后靠的就是大语言模型，英文简称 LLM。 > > 你可以把它想象成一个特别爱读书的学生。它把网上能找到的文章、书和聊天记录几乎都读了一遍，读得多了，就慢慢摸清了人说话的规律，知道一句话说到这儿，后面最可能接什么。 > > 所以你问它问题的时候，它其实是在一个字一个字地往下接，每一步都挑最顺、最合理的那个字。听起来挺简单对吧？但因为它读过的东西实在太多了，接出来的话不光通顺，还经常真有道理，能帮你写文案、做翻译、出主意，甚至还能写代码。 > > 不过它也有个毛病，就是容易不懂装懂。它追求的是把话说得像那么回事，并不保证每句都对，所以碰到它不知道的事情，它也可能一本正经地瞎编。你用它的时候，重要的信息最好自己再核实一下。 答案是 B 篇出自 Opus 5.5，A 篇出自 GPT-6 Sol，你猜对了吗？  我个人更喜欢 Opus 5.5 这篇。它先从你天天在用的 ChatGPT、豆包说起，再拿「特别爱读书的学生」打比方，然后一句「一个字一个字地往下接」就把大模型的原理讲明白了。中间还穿插了一句「听起来挺简单对吧？」，读起来真的像朋友在跟你聊天。 GPT-6 Sol 这篇也不差，最后提醒大家看病、花钱、签合同这类事要再核实，这个例子举得很接地气。但是两段话都写得太长了，而且它只说大模型会「一点点组织出回复」，怎么组织的却没讲清楚。 有意思的是，这道题 Opus 5.5 只用了 15 秒就写完了，GPT-6 Sol 反倒花了 52 秒。这也是整场测试里 Opus 5.5 唯一快过 GPT-6 Sol 的一次。 ## 3、3D 城市生成器 前面两道都是小题，接下来上点强度，让 AI 真刀真枪地写一个 3D 项目。 这个案例是之前我测 GPT-6 Astra 时用过的 3D 程序化城市生成器。这次我只留了重庆一座城市，要求层叠立交、轻轨穿楼、依山而建的高差感这 3 样必须做出来。至于编辑器怎么布局、要有哪些参数，我一个字都没写，全部让 AI 自己去参考官方的设计。 另外我还要求 AI 做完之后自己打开网页验证效果，不满意就自己接着改，直到满意再交付。  ### Claude Opus 5.5 Opus 5.5 在这道题上磨了将近一个半小时，中间自己截图检查、来回修了 7 轮左右才交卷，严重影响了我这篇文章的发布时间！ 但是当我打开主页时，我直接「卧槽」了！  夜里的渝中半岛被两条江环抱着，每栋楼的窗户都一格一格亮着灯，跨江大桥上还挂着灯带。 这个细腻度，这个质感，我感觉一切的等待都是值得的！  鼠标拖一拖就能旋转、平移、缩放，按数字键 1 到 6 还能切换视角。比如切换到俯视图，半岛的轮廓、江面和盘成一团的立交都看得一清二楚：  最让我惊喜的是细节。明明有几百栋大楼，放大之后你竟然能看到「李子坝站」的中文站牌，还有一列轻轨正从楼中间穿过去！  再把镜头推到立交桥上，一圈套一圈的匝道在空中叠了好几层，每条匝道上都有车辆在流动，感觉把重庆的层叠立交还原的栩栩如生（至少我是感受到这个立交的复杂度了……  Opus 5.5 甚至还专门做了一个「黄桷湾立交」的场景预设，备注写的是「5 层 15 匝道，导航也迷路」，AI 这个梗玩得是真懂重庆啊！ 整体来说，山、水、桥都刻画得非常细腻。右侧面板还能灵活调整地貌、山体高度、台地化程度和江面宽度。 我顺手切换到「赛博 8D」预设，立交直接拉满到 6 层 27 条匝道，霓虹灯一开，赛博山城的味道就出来了：  这个效果我直接给到夯！ ### GPT-6 Sol 再来看看 GPT-6 Sol。它只用了 12 分钟就交卷了，速度是 Opus 5.5 的 7 倍。 但是，做出来的东西就很一般了…… 整个画面是一片灰绿色的低饱和配色，楼就是一个个方盒子，我相信大家一眼就能感受到和 Opus 5.5 的差距。  整体的建模比较简陋，而且问题还不少。 这…… 这是悬空城啊？  咱就再看看刚才那个经典的李子坝轻轨穿楼，穿模问题就更明显了。车厢一头扎进了楼里，墙上却没有给轻轨留出通道……  它也支持俯视图，该有的功能也都有。但无论是 UI 效果，还是右侧菜单的丰富程度，Opus 5.5 都是降维打击。 GPT-6 Sol 的面板上只有 3 个预设和 6 个参数，Opus 5.5 光场景预设就有 6 个，参数更是有 7 组 30 多个。  ## 4、操作电脑画图 城市生成器考的是写代码，接下来换个方向，考考 AI 操作电脑的能力。 前面熊猫骑车测试中，我是让 AI 闭着眼画画，这一轮让它们睁开眼睛画，而且得像人一样握着鼠标一笔一笔画。 一开始我想让 AI 操作专业的 PS 软件画图，但软件越复杂、变数就越多。于是我先让 AI 开发了一个简易画板网页，只有画笔、橡皮擦、油漆桶、直线、矩形、椭圆和吸管这几个基础工具，连文字工具都没有，气泡里的字也得一笔一笔手写。  然后我给了一张 Q 版 DeepSeek 鲸鱼娘的参考图，让两个模型照着画出来：  提示词里我给 AI 定了一条规矩，就是只能用鼠标和键盘操作，不许写代码往画布上画。画板上的按钮怎么用、先画哪儿后画哪儿，我一句都没教，全部让 AI 自己摸索。  Opus 5.5 是在 Cursor 自带的浏览器里画的，前后花了 1 小时 17 分钟，画出来是这样的：  好家伙，怎么画成卷发了？？ 头发是一坨一坨的圆球球拼起来的，连「好模型」三个字都是用圆点一个个点出来的…… 翻了一下 AI 的执行过程我才明白，应该是因为 Cursor 内置浏览器的拖拽功能只能拖动网页元素，没法按住鼠标从一个点划到另一个点。Opus 5.5 画不出连续的线条，只能把笔刷调到 65 像素，一下一下地点，再用油漆桶填色，前后点了 270 多下。  不过即便是这样，它的构图和配色还原得挺像的，对话气泡、呆毛、白色蕾丝头饰、蓝色大眼睛、腮红和蝴蝶结都在。 GPT-6 Sol 用的是 Codex 的电脑操作能力，直接控制真实的 Chrome 浏览器来画，参考图也是靠 GPT 自身的多模态能力看的。它可以自由拖动鼠标画线，17 分钟就画完了。  怎么硕呢？ 眼睛、腮红、呆毛、蝴蝶结和白色头饰倒是都有，眼睛画得还挺有神。但「好模型」三个字就崩的太明显了，头发是一大块半透明的蓝色，上面还飘着几道莫名其妙的折线。 两张放在一起，你觉得哪张更像参考图？  我个人投 Opus 5.5 一票，即使是被 AI 工具限制了，只能一个点一个点地戳，还原度反而更高。 ## 5、复刻 Cursor 工具 最后压轴的是我测过很多次的复刻 Cursor 这个 AI 编程工具，这是一个非常考验长程任务能力的全栈项目。 提示词跟之前测 Claude Fable 5.1、Kimi K3、GPT-6 Astra 时用的完全一样。我要求 AI 克隆 VS Code 的开源代码，在此基础上做一个 Web 版的 AI 编程工具，Editor Window 和 Agents Window 两种窗口能来回切换，内置 AI 接的是 DeepSeek V4.1 Flash。  ### Claude Opus 5.5 Opus 5.5 花了 53 分钟交卷。打开网站，默认就是 Agents Window 智能体面板。 不骗大家，我刚看到这个界面的时候，真的大喊了一声「卧槽」！  左侧是按工作区分组的 Agent 列表，每个任务改了多少行代码都标得清清楚楚。中间是任务输入框，下面还有几个推荐任务，跟 Cursor 3 本尊的 Agents Window 神似。 光看到这里，你可能还没意识到问题的严重性，那如果我把文件查看器、终端、Agent 侧边栏都打开呢？  上面这些功能全都能正常使用！比如在终端里敲一个 tree 命令，项目结构立刻就打印出来了。我在右侧的 Agent 侧边栏里问这个项目有几个源码文件，AI 自己调用工具把目录列了一遍，回答是 5 个，跟终端里的结果对得上。 之前我也用相同的提示词让其他模型复刻过 Cursor，比如 Claude Fable 5.1 是之前完成度最高的，能逐个文件接受或拒绝 AI 的改动，但界面跟 Cursor 3 差得还挺远：  GPT-6 Astra 那次自己取了个产品名叫 orbit，设计感很强，但它走的是自己的产品思路，功能丰富度也差 Fable 5.1 一截：  切换到 Editor Window 编辑器模式，文件高亮、代码高亮、代码补全一应俱全，还能在右侧打开 AI 面板随时和 AI 对话。  此外，还有完整的 Git 管理面板，改了哪些文件、提交记录都能直接看到：  如果我直接把这个产品发布了，我敢打赌你绝对想不到这是 AI 一把梭的！ 夯爆了！ ### GPT-6 Sol GPT-6 Sol 只用了 27 分钟，差不多是 Opus 5.5 的一半时间。 进入主页，默认是 Editor Window 编辑器模式，也能实现代码高亮和自动补全，但从第一眼的界面上来看就已经输了。  再看看 Agents 面板，布局是合理的，但就是这个配色有点怪，给我一种 GPT 想让人看起来很牛逼、实际上很辣鸡的感觉。  任务可以正常执行，但整个执行界面也是浓浓的 AI 味儿，GPT 的风格一贯如此。  功能丰富度也远远不如 Opus 5.5，不支持搜索，没有 Git 能力，没有终端，也没有那么多布局和面板，页面上很多按钮都是死的。 原因其实也很简单。GPT-6 Sol 虽然也克隆了 VS Code 的源码，但压根没用上，而是在旁边另起炉灶，用 Monaco 编辑器加 React 自己拼了一个工作台，源码一共才 600 多行。而 Opus 5.5 那边光是自己写的代码就有 3600 多行。 跟之前测过的国产模型比一比，这是 Kimi K3 当时用同一段提示词做的版本：  说白了，我感觉 GPT-6 Sol 的水平跟目前的国产模型差不多。 不好意思，在看完 Opus 5.5 之后，只能给到拉完了…… ## 我的感受 5 个案例跑完，Claude Opus 5.5 除了速度，其他每一项都赢了。 虽然我老是骂 A 社，但不得不承认，人家的模型能力确实强。 嘴上建议大家放缓发展，自己却在那嘎嘎进步，别人都慢下来了，还怎么超过你？  Claude Opus 5.5 的能力比上一个版本提升明显多了，我甚至觉得它比 Fable 5.1 还要强，复刻 Cursor 那道题就是最好的证明。 **除了 AI 编程能力之外，Claude Opus 5.5 的写作能力也真的非常让我惊喜。** 以前我一直觉得 AI 越强，越不会说人话，所以写作基本还是用 Opus 4.6 或者国产模型。但 Opus 5.5 写出来的东西很有人味，就像前面那篇 300 字科普一样。 实不相瞒，你现在看的这篇文章就是借助 Opus 5.5 完成的，我把大纲和实测结果交给 AI 去润色，然后简单看了看、加了点自己的梗和表达，就搞出来了。 **当然，强是有代价的。** 先说速度。这 5 个案例 Opus 5.5 前前后后跑了 3 个多小时，GPT-6 Sol 只用了 1 个小时左右，除了写作那道题，GPT-6 Sol 全程都比 Opus 5.5 快。 再说花费，这个差距就更夸张了。Opus 5.5 这 5 个案例加起来花了我 600 多块钱！（本期成本巨大） 虽然 Opus 5.5 每百万 token 输入 4 刀、输出 20 刀，单价只有 Fable 5.1 的四成，但对个人开发者来说还是很贵…… GPT-6 Sol 就友好多了。之前的 GPT-6 Astra 能力是强，但额度消耗太快了，Plus 账号跑一两个项目就能把 5 小时额度耗光。这次我用 GPT-6 Sol 跑完一整套测试，才刚好把 Plus 会员的额度用完，耗时还不到 Opus 5.5 的三分之一，这才是给大家日常用的模型。 它本来就定位在 Astra 下面一档，比不过 Astra 很正常，但也确实没什么亮点。就今天测的这几个任务来看，我感觉它跟国产模型差不多是同一档（仅个人体验，叠甲）。 看到这里你应该也有自己的选择了，追求效果、预算又充足，就上 Claude Opus 5.5。图的是性价比，可以使用 GPT-6 Sol，搭配 Codex 的体验还是不错的。 最后再送大家一段由 Claude Opus 5.5 自主生成的 3D 网页动画《牛来骑车》，这一段大作花了我几十块钱，能三连回回血么？  我之前一直觉得，AI 的编程能力已经进化到不需要再进化的程度了。但每一次新的模型发布，都能刷新我对 AI 能力的认知上限，我喜欢这种感觉。 **就是希望再慢一点吧，起码中秋假期不要再 TM 发新模型了啊啊啊啊啊啊！！！** OK 就分享到这里，本文会收录到我免费开源的 [《AI 编程零基础入门教程》](https://ai.codefather.cn/vibe)，上千张图、几十万字，带你从 0 开始快速学会 AI 编程，做出自己的产品、跑通变现全流程，一次拿捏。 > 开源指路：[https://github.com/liyupi/ai-guide](https://github.com/liyupi/ai-guide)  我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注。 这俩模型可以说是新时代模型的两个门派代表了，一边是能力超强但价格贵，一边是能力全面、性价比高，你会更支持哪家呢？ 评论区聊聊吧~
全网刷屏的 Jev 模型正式开放！一手实战测评 + 保姆级教程
大家好，我是程序员鱼皮。 过去几年，不管是 ChatGPT、Claude 还是 DeepSeek，AI 大模型的目标一直都是「跟人聊天」和「帮人干活」。 但最近有个模型突然火了，它有点儿特别，**不说人话、不能跟人聊天**。 它叫 Jev，由前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI 发布，这哥们是 ChatGPT 的共同发明人之一！  我刚看到的反应是：一个不说人话的 AI，能有什么用？又是噱头吧？  **了解之后发现，还真有点东西！** 这篇文章我就从零开始，带大家搞懂 Jev 到底是什么、怎么用、到底好不好用。没有任何技术基础的小白也能看懂，看完还能直接上手体验。 ## 一、Jev 入门介绍 ### Jev 是什么？ 传统的大模型主要是跟人对话的，你问它一个问题，它回你一段话。 但这就带来一个问题，比如你想让它帮你判断一下「这封邮件紧急吗」，它不会直接告诉你「是」或者「否」，而是先给你写一大段分析，然后才给出结论。不仅速度慢、烧 Tokens，还需要你自己从回答里把答案抠出来。 Jev 就完全不一样了。你问它「这封邮件紧急吗」，它就直接告诉你「是，概率 95%」。 模型返回的是一段结构化的 JSON 数据，你的程序可以直接拿来用： ```json { "is_urgent": { "noul": 0.95 } } ``` 可以说，没有任何 AI 比它更直接、更不绕弯子。  TypeSafe AI 管这种模型叫 **System One Model（系统一模型）**，灵感来自诺贝尔奖得主 Daniel Kahneman 的《思考，快与慢》。系统一是人类大脑里负责快速直觉判断的部分，比如你一眼就能看出「这个人在生气」；系统二是负责深度推理的，比如「算一下 17 × 24」。 传统 LLM 更像系统二，Jev 就是系统一。 根据 TypeSafe 官方自测的数据，两者的差距还挺夸张的： | | 传统 LLM（如 GPT-5.6） | Jev | |---|---|---| | 输出方式 | 生成文字，需要解析 | 直接返回结构化决策结果 | | 响应速度 | 3 - 329 秒 | 70 - 500 毫秒 | | 输入价格 | $0.20 - $10 / 百万 token | $0.042 / 百万 token | | 输出价格 | 约输入价的 5 倍 | 免费 | | 结构化输出错误率 | 0.58% - 45.5% | 0%（数学保证） | 响应速度最高快了将近 200 倍，输入价格便宜了几十倍到上百倍，输出还不要钱，而且结构化输出零错误。这也太香了吧！ 那 Jev 到底是怎么用的？为什么能这么快？下面一个一个来讲。 ### Jev 能回答什么类型的问题？ Jev 的调用方式非常简单，你给它两样东西，一个是 **state 状态**，就是你想让它分析的上下文信息；另一个是 **questions 问题**，就是你想让它回答的问题。然后它就直接返回结构化的答案。 Jev 支持回答 3 种类型的问题，TypeSafe 官方把它们叫做「AI 原语」。 #### 1、Noul 是或否 简单来说，就是让 AI 做判断题，问一个「是不是」的问题，返回 0 到 1 之间的概率值。 比如你收到一封客户邮件，想判断是否紧急，就把邮件内容作为 state 传给 Jev，再加上一个 Noul 类型的问题： ```json { "state": "我连续 3 天无法连接 Stripe 账户，正在丢失销售额，请尽快处理！", "questions": { "is_urgent": { "type": "noul", "instructions": "这条消息是否传达了紧急性或时效性" } } } ``` Jev 返回的结果长这样： ```json { "is_urgent": { "type": "noul", "noul": 0.95 } } ``` 0.95 意味着有 95% 的把握认为这条消息是紧急的。你在代码里直接 `if noul > 0.8` 就可以触发告警了。 #### 2、Choice 多选一 这个就像让 AI 做选择题，从你预设的选项里选一个，并告诉你每个选项的概率分布。 比如判断一个工单该分给哪个部门，你可以把部门选项列在 criteria 里让 Jev 来选： ```json { "questions": { "department": { "type": "choice", "instructions": "这个工单应该分配给哪个团队处理", "criteria": { "billing": "付款、发票、退款相关问题", "technical": "Bug、系统故障、集成问题", "sales": "定价、账户咨询" } } } } ``` 返回： ```json { "department": { "type": "choice", "choice": "billing", "confidence": 0.8, "probabilities": { "billing": 0.87, "sales": 0, "technical": 0.13 } } } ``` 不光告诉你选了 billing，还把每个选项的概率都算出来了。目前 Choice 最多支持 255 个选项。 #### 3、Score 评分 这个就像让 AI 做打分题，在你自定义的量表上打分，分数可以落在两个等级之间。 比如判断无法登录的客户有多沮丧，你可以定义从「冷静」到「愤怒」的几个等级，让 Jev 来打分： ```json { "questions": { "frustration": { "type": "score", "instructions": "客户看起来有多沮丧", "criteria": [ "冷静，只是在陈述事实", "不满但还算礼貌", "非常愤怒，言辞激烈" ] } } } ``` 返回： ```json { "frustration": { "type": "score", "score": 1.04, "confidence": 0.94, "probabilities": { "0": 0, "1": 0.96, "2": 0.04 } } } ``` Score 1.04 表示介于第 1 级（不满但礼貌）和第 2 级（非常愤怒）之间，偏向不满。这里我定义了 3 个等级，实际使用时你可以根据需要定义 2 到 10 个等级，等级越多，评分的粒度就越细。 ### Jev 有什么特别的？ 看到这里，可能有接触过 AI 应用开发的朋友会想：我之前在提示词里引导 AI 输出 JSON，或者用大模型自带的结构化输出功能，也能让 AI 返回固定格式的结果啊…… Jev 跟它们有什么区别？  你别说，区别还真挺大的！ 首先，传统 LLM 做结构化输出，底层还是一个 token 一个 token 地「写字」，写完再校验格式。就好比让一个作文高手去做选择题，他还是会先在脑子里打一遍草稿，然后再从里面挑答案，自然就慢。而且写着写着格式就可能出错。 Jev 的做法完全不一样，它用的是 **并行采样**，不像传统 LLM 那样逐字生成文本，而是直接在预定义好的选项上输出概率分布。也就是说，前面提到的 3 种问题可以在一次请求里同时问，问 1 个和问 10 个问题的响应时间几乎没差别。  此外，Jev 的训练方式也跟传统模型不同。传统 LLM 用 RLHF 人类反馈强化学习，优化目标是让回答读起来通顺，让人类满意；推理模型用 RLVR 可验证奖励强化学习，优化目标是让那些有标准答案的问题做对，比如数学证明能不能验证通过、生成的代码能不能编译运行。 而 Jev 用的是 TypeSafe 自研的 **RLCD 校准决策强化学习**，优化目标是让模型「说到做到」，如果 AI 说有 90% 的把握，那在大量预测中这类判断确实有约 90% 是对的。  理解了这些原理，前面表格里那些夸张的数据就好解释了。 Jev 不用一个字一个字地写回答，直接并行输出所有概率分布，所以速度能快上百倍。 它也不需要生成任何输出文字，成本自然就低了。 而且输出结构在数学上就是确定的，所以结构化错误率是 0%。 更重要的是，因为 Jev 的概率是校准过的，你的程序可以直接拿这个概率来做自动化决策，比如概率高于 0.8 就让 AI 自动处理，低于 0.5 就转人工。 ### Jev 能用来干嘛？ 虽然 Jev 不能聊天，但是它的适用场景还真不少，这也是它能火起来的原因之一。 TypeSafe 官方建议把 Jev 当成一个「智能的 if 语句」，所有需要做判断和决策的场景，都可以用 Jev。 我看了网上大家的玩法，总结了几个比较典型的场景。 1）工单和消息分类 比如客服系统收到用户消息，一次性判断该分给哪个部门、是否紧急、情绪如何。社区里有人拿 Jev 给 1018 篇论文做分类，分类部分只花了 0.08 刀。  2）AI Agent 的决策中间层 比如 Codex 等 Harness 里的 Agent 每一步都要做判断，可以让 Jev 先快速决定该调哪个工具、这个操作有没有风险，只有需要写代码的时候才让传统的 LLM 上。 有人用这个思路做了 [浏览器自动化 Agent](https://github.com/browser-use/jev-ultrafast)，7.1 秒就在 Google Flights 上搜索完一次航班，成本只有 0.0039 刀。  3）内容审核和风控：比如一次性判断这条评论是否违规、属于哪种违规类型、风险等级多高，每条消息的判断成本不到 0.001 刀。 4）给 LLM 输出做质检 比如 LLM 生成了一段回答，用 Jev 快速检查有没有跑题、质量打几分，用便宜的 AI 检查贵的 AI。社区里有人做了一个[多阶段代码审查工具](https://github.com/devagrawal09/jev-review)，用 Jev 先做风险评估再逐文件打分。  5）实时游戏决策 有人用 Jev 玩地铁跑酷游戏，操作速度超过人类；有人用 Jev 控制超级马里奥，甚至还有人打通了《星际争霸》第一关！  这类对响应速度要求极高的场景，以前用传统的 LLM 根本不可能做到。 之后，**需要生成文字的场景用传统 LLM，需要快速做判断的场景用 Jev**，两者互补，可以让任务完成速度又快又准。 ## 二、Jev 实战体验 了解了 Jev 是什么之后，接下来看看怎么实际用上它。 ### 怎么使用 Jev？ Jev 现在已经正式开放注册了，直接用邮箱在 [TypeSafe 官网](https://typesafe.ai/) 注册登录就行。  注册之后，最简单的使用方式就是直接在官方 Playground 里体验，也可以通过 API 和 SDK 接入到自己的项目里。另外也可以通过 Vercel、Cloudflare 这些第三方平台来调用 Jev。 #### 方式一、官方 Playground 最简单的使用方式就是打开 [官方的在线 Playground](https://console.typesafe.ai/playground)，左边填写提供给 AI 的上下文和想让 AI 分析的问题，点击运行就能在右侧看到结果。  #### 方式二、调用官方 API 和 SDK 登录之后，可以到 [TypeSafe 的控制台](https://console.typesafe.ai/keys) 中创建 API Key。  TypeSafe 提供了 Python SDK 和 JavaScript SDK，方便开发者在自己的项目里直接调用 Jev，也可以通过 HTTP API 调用。[官方文档的 Quick Start 页面](https://docs.typesafe.ai/introduction/quickstart) 有完整的示例代码。  以 Python 为例，安装 SDK 之后几行代码就能跑： ```python # pip install typesafe-sdk from typesafe_sdk import Choice, Noul, Score, TypeSafeClient client = TypeSafeClient() # 自动读取环境变量 TYPESAFE_API_KEY response = client.system_one( state="客户说：我被重复扣款了，订单号 A-104，请退款。", questions={ "department": Choice( instructions="这个工单应该分配给哪个团队处理", criteria={ "billing": "付款、发票、退款相关", "technical": "Bug、系统故障、集成问题", "sales": "定价、账户咨询", }, ), "is_urgent": Noul( instructions="这条消息是否传达了紧急性或时效性", ), }, ) print(response.answers["department"].choice) # "billing" print(response.answers["is_urgent"].noul) # 0.95 ``` 当然，现在用 AI 编程，这些代码都不用自己写，后面会讲到怎么让 AI 工具直接帮你调用 Jev。 #### 方式三、通过第三方平台调用 除了 TypeSafe 官方的 API，Vercel AI Gateway 和 Cloudflare Workers AI 这些第三方平台也已经支持了 Jev，可以直接在这些平台上调用。 以 Vercel 为例，它的 AI SDK 专门新增了一个 `experimental_evaluate` 接口来对接 Jev 这类决策模型，详细教程可以查看 [Vercel 官方文档](https://vercel.com/kb/guide/typesafe-jev-and-ai-sdk)。  我这里还用 AI 接入 Vercel AI Gateway 做了一个 **中文版的 Jev 调试广场**，可以直接在网页上体验 Jev 的三种回复方式。  点击「运行」之后，就能直接看到 Jev 返回的决策结果和原始 JSON 数据。  ### 接入 AI 工具 上面几种方式都需要你自己写代码调用 Jev，那有没有更简单的方式呢？ 其实日常大家还是用 GPT、Claude、DeepSeek 这些大模型，Jev 更适合作为一个扩展能力来搭配使用。 TypeSafe 官方提供了一个通用的 Skills 技能包，简单理解就是一份配置文件，告诉 AI 编程工具 Jev 是什么、怎么调用、参数怎么传，这样 AI 工具就知道怎么帮你调用 Jev 了。只要安装了 Skills 技能包，所有主流的 AI 编程工具都能用。  安装方法非常简单，官方提供了一段 [现成的提示词](https://docs.typesafe.ai/introduction/quickstart)，可以让 AI 帮你把技能安装到你用的 AI 工具里。  不过官方的提示词默认只在当前项目下安装。我把提示词翻译成中文并改为了全局安装的版本，这样所有项目都能用： ``` 全局安装 TypeSafe 技能。如果你是 Codex（Claude Code），请执行 `claude plugin marketplace add typesafe-ai/skills`，然后执行 `claude plugin install typesafe@typesafe-ai`。如果你是其他 Agent，请执行 `npx skills add typesafe-ai/skills --skill typesafe-ai -g` 并选择你的 Agent。只需使用一种安装方式即可。技能文件可以在这里查看：https://github.com/typesafe-ai/skills/blob/main/skills/typesafe-ai/SKILL.md ``` 比如我在 Codex 中执行这段提示词。它的原理就是根据你用的 AI 工具，执行对应的命令把技能文件从 GitHub 仓库拉取下来。  安装完成之后，还需要在环境变量里配置好 TypeSafe 的 API Key，AI 工具才能帮你调用 Jev。 直接让 AI 帮你配置就好：  配好之后，你就可以在 AI 编程工具里直接使用斜杠命令 `/typesafe-ai` 来触发技能，AI 会自动帮你调用 Jev 来完成判断和决策。  你也可以在对话中直接告诉 AI「用 Jev 来帮我做判断」，AI 同样会自动加载 TypeSafe 技能并调用 Jev 的接口：  ### Jev API 实战测评 学会了怎么使用 Jev 之后，咱们来通过实际的测试来看看 Jev 的表现到底怎么样。 我分别用 Jev 和 DeepSeek V4.1 Flash 来完成同一个任务，对比两者的速度、价格和准确度。 #### 1、用 Jev 实时玩数字华容道 数字华容道是一个经典的滑块拼图游戏，4 × 4 的棋盘上有 15 个数字方块和 1 个空位，目标是把所有数字按顺序排列好。 每一步 Jev 需要判断「空位应该往哪个方向移动」，这对决策能力的要求很高。  开始测试，左边是 Jev，右边是 DeepSeek V4.1 Flash，两边同时开始，实时展示每一步的决策时间、累计消耗的 token 数和价格。  最终，Jev 在完成速度上遥遥领先 DeepSeek V4.1 Flash，而且输入 token 和累计价格也更低。 #### 2、用 Jev 批量分类 1000 封邮件 第二个测试更贴近实际业务场景。假设你公司的邮箱每天会收到大量邮件，需要快速判断每封邮件的优先级、紧急程度和该转给哪个部门处理，这个任务就可以交给 AI。 我模拟了 1000 封不同内容的邮件，让 Jev 和 DeepSeek V4.1 Flash 分别对每封邮件做优先级分类、紧急程度判断和部门路由，两边拿到的邮件列表完全一样。  最终结果，Jev 用了 15.6 秒处理完 1000 封邮件，平均每秒处理 64 封，累计花费 0.0177 刀；而 DeepSeek V4.1 Flash 用了 48.9 秒，平均每秒 20 封，累计花费 0.0207 刀。Jev 在速度上快了接近 2 倍，价格也略低一些。  ### AI 工具 + Jev 实战测评 除了直接调用 API，我还试了一下把 Jev 接入 AI 工具之后的使用效果。 这次我用的是 Codex 工具 + GPT 模型，装好 TypeSafe 技能之后直接让 AI 干活。 #### 1、用 Jev 玩连连看 连连看大家都玩过吧？ 这次我用 Jev 来玩连连看，可以测试它在实时决策场景下的反应速度和判断准确度，游戏逻辑用代码处理，每一步选哪对方块消除的决策交给 Jev。 在 Codex 中使用 `/typesafe-ai` 技能，然后跟它说： ```markdown /typesafe-ai 帮我用 Jev 模型玩连连看游戏 ``` Codex 加载了 TypeSafe 技能之后，会自动分析页面结构，识别出方块的位置和图案，然后调用 Jev 来做每一步「选哪对方块消除」的决策，最后操作页面完成消除。  虽然 AI 顺利通关了游戏，但是我觉得执行速度没有达到预期。快的时候可以 2 秒消除 1 个，但经常消除几个之后会卡一会儿，总共花了 5 分钟左右才完成了整局游戏的消除。  虽然 Jev 的决策速度确实很快，但问题出在「看」这个环节。Jev 只能处理文本和 JSON 数据，没办法直接「看到」网页上方块的位置和图案。这次测试我用的是本地的连连看网页版，Codex 可以直接解析到原始的 HTML 和 DOM 结构，所以还能跑起来。但如果你让它去玩那些用 Canvas 渲染的网页游戏，如果 DOM 里获取不到足够的信息，效果会更差。 其实社区里那些用 Jev 玩游戏的博主，思路基本都是一样的，就是先用代码把游戏画面转成结构化的数据（比如读取游戏内存），然后再把数据喂给 Jev 做判断，而不是让 Jev 直接看截图。 #### 2、用 Jev 给开源教程文章打标签 前面的连连看游戏主要考察的是 Jev 的实时决策速度，这次换个方向，考察一下 Jev 对文本内容的分类和打分能力。 我让 Codex 用 Jev 模型给自己 [《AI 编程教程》](https://github.com/liyupi/ai-guide) 中的每篇文章自动打标签，包括判断文章属于什么主题、适合什么水平的读者、难度打几分。 提示词如下： ```markdown /typesafe-ai 读取 ai-guide 仓库里的文章列表，用 Jev 给每篇文章打标签。 1. 主题分类（AI 基础/提示词工程/AI 编程实战/工具推荐/行业趋势） 2. 适合的读者水平（零基础/有编程基础/有 AI 经验） 3. 内容难度打分（入门/进阶/高级） 不改动原始文章，只是最后输出一份报告。 ```  Codex 会先盘点文章范围、数量和篇幅，再按上下文限制设计可靠的批处理，批量调用 Jev 模型来判断文章的标签。 最终只用了几分钟，就完成了 697 篇长文章的标签分类！这个速度真的非常快了。  这类批量分类打标签的场景特别适合 Jev，因为每篇文章的判断逻辑是一样的，只是输入内容不同，可以批量并行处理。而且分类结果是结构化的，拿到之后可以直接用来生成目录、做筛选功能。 ## 三、Jev 使用感受 最后说说我使用 Jev 的感受。 如果把 Jev 作为决策模型直接接入到自己的应用里（比如客服分类、内容审核、数据打标签），体验是非常好的，速度快、价格低、结果准确。做了上面这么多任务，总共也才花了不到 2 块钱。  但如果是通过 AI 工具来间接使用 Jev，目前的体验还有不少提升空间，主要瓶颈在于 AI 工具对网页内容的感知能力还不够强，很多场景下没办法给 Jev 提供足够准确的输入数据。 而且 Jev 的能力有明确的边界，不能生成文字、不能做算术推理、日期比较也不靠谱。 如果你在做 AI 应用开发，想要把分类、路由、审核这类判断逻辑的成本和延迟降下来，Jev 是值得一试的。一定要确保你能给 Jev 提供足够准确的结构化输入数据，它判断得准不准，取决于你喂给它的信息质量。 我个人比较看好 Jev 在 AI Agent 决策层的应用。现在 Agent 每一步操作都要调一次大模型来判断，如果把这类快速判断交给 Jev，整体效率应该会有一个质的提升。 OK 就分享到这儿，本文会收录到我免费开源的 [《AI 编程零基础入门教程》](https://ai.codefather.cn/vibe)，上千张图、几十万字，带你从 0 开始快速学会 AI 编程，做出自己的产品、跑通变现全流程，一次拿捏。 > 开源指路：https://github.com/liyupi/ai-guide  我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~ 也欢迎在评论区聊聊：你有用过 Jev 模型么？你看好它的发展么？
我跟 AI 说自己「有多动症」，竟然能节省 Tokens？！
大家好，我是程序员鱼皮。 最近 GitHub 上有个项目涨势非常猛，短短一周涨了 1 万多个 Star，成功引起了我的注意。 项目的名字很有意思，叫 `i-have-adhd`，翻译过来就是「我有多动症」。  这是一个给 AI 工具安装的 Skill 技能，作用是让 AI 不再长篇大论地废话，每次回答都直奔主题，先给出你该执行的下一步操作，多步骤任务用编号列清楚。 之所以叫 ADHD，是因为 ADHD 人群的工作记忆比较有限，面对大段文字很容易走神，这种「先说结论、直给行动」的输出方式对他们来说更友好。  虽然名字叫 ADHD，但并不是只有 ADHD 人群才能用。任何希望 AI 回答更简洁高效的人，都可以试试。而且理论上因为输出变简洁了，每次对话消耗的 tokens 也会相应减少，长期用下来能省不少钱。 那这个技能到底效果怎么样？真的能省钱么？能省多少？会不会因为输出太精简，反而影响了任务的完成质量？ 下面我分别用 Cursor 和 ZCode 做了实测，带大家看看到底能省多少。 ## 怎么安装？ 安装方式非常简单，直接让 AI 帮你装。 随便打开一个支持加载技能的 AI 工具，把下面这段提示词复制粘贴到对话框中，发给 AI 就行： ``` Install the i-have-adhd skill/plugin from https://github.com/ayghri/i-have-adhd, refer to the repo's AGENTS.md for instructions. ``` 比如我在 Cursor 里执行这段提示词：  AI 会自动去读取 GitHub 仓库的安装说明，然后帮你完成安装。 安装完成后，技能文件会存放在电脑的 `~/.agents/skills` 目录下，这个路径是主流 AI 工具都能扫描到的通用技能目录：  之后在对话时输入斜杠命令 `/i-have-adhd` 就可以激活这个技能了：  Skill 装好了，接下来就该验证效果了。 ## 实测对比 我设计了两类测试任务，一类是日常技术问答，看看回答知识类问题时能省多少；另一类是从零开发一个复杂的 3D 互动页面，看看写代码的场景下 Skill 的效果和质量会怎样。 ### 1、日常技术问答 我先用 Cursor + Claude Opus 5 这个顶级模型的组合来测试，问了一个 AI 领域大家都听说过的概念： ``` 请深入讲解 AI 领域的 Harness Engineering 是什么？包括它的核心概念、和传统 Prompt Engineering 的区别、实际应用场景，以及目前主流的最佳实践。 ``` 看看下面这张图的测试结果，左边没有开启 ADHD 技能，右边开启了。可以看到对话消耗的 tokens 从 48.7K 直接降到了 27.5K，**减少了将近一半**！  再看看回答的内容风格。左边没开 ADHD 技能的时候，AI 先是搜了一圈资料，然后洋洋洒洒地分了好几个章节来展开讲，篇幅很长。 右边开了技能之后，AI 的回答明显更直接，上来就给出核心定义，然后用编号列出可执行的最佳实践，按落地成本从低到高排序，用户读完立刻就知道该干什么。  有点像你跟 AI 说「别绕弯子，直接告诉我怎么做」，效果确实不错。 按 Claude Opus 5 的输出价格来算，单次对话大概能省几毛到一块钱，如果你每天跟 AI 聊几十上百轮，累积下来就是一笔可观的开支了。 这么看来，日常问答使用这个技能是可以省钱的。但 AI 编程的核心场景是写代码，如果是更复杂的开发任务，效果又会怎么样呢？质量会不会打折扣？ ### 2、开发 3D 互动页面 这次我让 AI 从零开发一个《清明上河图》的 3D 互动展示页面： ``` 帮我开发一个完整的清明上河图 3D 互动展示页面。要求：页面加载后呈现一幅可以横向浏览的长卷画面，具有 3D 景深效果，让用户仿佛身临其境地走进画中世界。用户可以通过鼠标拖拽或滚轮左右浏览，鼠标悬停到画中的建筑或人物区域时，会出现高亮效果和简介弹窗。请直接给出完整的可运行代码。 ``` 先看 Cursor + Claude Opus 5 的对比。下图的左边没开技能，工作了 37 分钟，总共消耗了约 242.8K tokens；右边开了 ADHD 技能后，只用了不到 14 分钟，tokens 降到了 178.9K。 **时间快了将近两倍，tokens 省了 26%**。  不过光看数据还不够，得看实际效果。先看没开 ADHD 技能的版本，整体的古画意境还不错，有虹桥、有行人、有河面，悬停弹窗也做了出来：  再看开了 ADHD 技能的版本。整体布局和交互也都实现了，不过从细节上来看，我觉得还是没开技能的时候更好一些。 比如你仔细看，右侧有些人物直接站在了水面上，而且人物配色花花绿绿的，有点破坏整体的水墨意境（我瞎说的）：  不过说实话，两个版本的效果都只能算一般…… 毕竟这提示词是我瞎七八写的。 刚才用的是顶级模型，模型能力越强，越容易把简单的事情搞复杂。接下来换一个更轻量的工具 ZCode + GLM Flash 模型来看看效果。 下面是 ZCode 的对比图，左边无 ADHD 用了约 15.2 万 tokens、36 分钟，右边有 ADHD 用了约 14 万 tokens、34 分钟。GLM Flash 本身就比较精简，所以开不开技能的差距没那么大：  再对比下成品效果，先看看没开技能的成品，桥面和河船都渲染出来了，整体还行，但背景比较单调：  再看开了 ADHD 技能的效果，差别就比较明显了。桥面和行人倒是有了，但你注意看画面底部，怎么还出现了几个巨人？这一看就知道是渲染层级出了问题：  综合来看，ADHD 技能确实能有效减少 AI 的输出量、节省 tokens 和响应时间，在日常问答和简单任务上效果很明显。但在复杂的开发任务中，它有可能因为过度压缩输出而影响代码质量。所以我的建议是，日常问答和代码片段类的场景可以开启这个技能，遇到需要 AI 仔细思考的复杂项目时，就不要用它了。 ## 这个技能是怎么实现的？ 看完测评效果，你可能会好奇这个技能到底做了什么？ 其实原理非常简单！ 整个技能的核心就是一份 [提示词文件 SKILL.md](https://github.com/ayghri/i-have-adhd/blob/main/skills/i-have-adhd/SKILL.md)，里面定义了 10 条输出规则，AI 在回答时会遵循这些规则来调整自己的表达方式。  这 10 条规则可以简单总结为： 1. 先说下一步行动，不铺垫背景，直接告诉用户该做什么。 2. 多步骤任务用编号，每一步只做一件事。 3. 以一个具体的下一步收尾，而不是「有问题随时问我」这种空话。 4. 抑制离题内容，有其他问题就单独提出，不要在当前回答里夹带。 5. 每轮对话重述当前状态，比如「第 3 步完成，共 5 步」，帮用户保持进度感知。 6. 给出具体的时间估计，用分钟来衡量，不说「一会儿」这种模糊表达。 7. 让完成的工作看得见，明确说出「登录功能已经可以用了」，不说「做了一些调整」。 8. 就事论事地报告错误，直接说原因和修复方法，不用「哎呀出问题了」的语气。 9. 每个列表最多展示 5 项，信息太多时先分组，优先展示最相关的。 10. 不写开场白、回顾和结束语，禁止套话。  ADHD 人群的核心困难在于工作记忆容量有限、启动行动的门槛高、对时间的感知比较模糊，这套规则刚好针对这些痛点逐一给出了应对方案。而对非 ADHD 用户来说，这些规则同样有效，毕竟没有人喜欢 AI 在回答里夹带一堆废话。 ## 最后哔哔 这个项目最让我有感触的一点，是作者把一个特定人群在阅读和执行上的真实困难，转化成了一份所有人都能受益的技术方案。好的产品往往就是这样，从关注少数人的真实需求出发，最终让更多人受益。 如果你也天天在用 AI 编程工具，不妨装上试试，也许你会发现 AI 的回答早就该这么简洁了。 OK 就分享到这里，这篇文章我也会收录到我的开源教程 [《AI 编程零基础入门教程》](https://ai.codefather.cn/vibe) 中。上千张图、几十万字，从 0 开始带你学会 AI 编程，做出自己的产品、跑通变现全流程，感兴趣的同学可以看看。 > 开源指路：[https://github.com/liyupi/ai-guide](https://github.com/liyupi/ai-guide)  我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~
我做了个网站，随时掌控 500 个 AI 模型的动态！
大家好，我是程序员鱼皮。 - 什么？又有新模型发布了？ - 现在最好的文本模型是哪个？ - DeepSeek 有多模态模型了么？ - 国外模型是不是真的把国内开源模型远远甩在了后面？ AI 模型发展得太快了，你有没有这样一种感觉，仿佛天天瘫坐在原子弹上看椅子爆炸。 一段时间不关注 AI，就会开始迷茫，觉得自己好像和时代掉队了。  那有没有一个工具，能让我随时随地，从上帝视角快速全面地了解地球上 **所有 AI 模型** 的现状和发展过程呢？ **很抱歉，没有。** 不过没关系，作为一名 AI 编程博主，我掏出我的豆包（bushi  掏出顶级模型，运用我从自己 [《AI 编程教程》](https://ai.codefather.cn/vibe) 里学到的高超 AI 编程技巧，输入一段看起来很牛批、实际上非常无脑的提示词，然后等着 AI 疯狂输出三天三夜。  我的「AI 大模型世界」网站就这么诞生了！ 指路：https://bilibili.com/toy/ai-model-world 本文视频版：https://bilibili.com/video/BV1eCe36GELv ## 1、进门先看今日格局 进入这个世界，你能最直接不绕弯子地看到当下最聪明、最会编程、性价比最高、最新发布的 AI 模型分别是谁。  每块牌子底下都写清楚了凭什么。比如最聪明那位 GPT-6 Astra，综合智力指数 166，是 206 个受测模型里的第一名；最划算的 DeepSeek V4 Flash 0731 智力全球第 31，价格却远低于同级。 顺便说一句，这些分数没有一个是我自己拍脑袋定的，全都来自 Epoch AI、LiveBench 这些第三方公开评测，网站只负责把它们抓回来、对齐、排好队。 ## 2、分类查看模型 往下滚动网页，能看到按类型划分的模型。  文本模型 226 个、视觉模型 239 个、全模态 44 个，图像生成、视频生成、语音模型也都单独成组。点进任何一类，就能看到这一类里目前排名最靠前的模型。 ## 3、国内外有哪些模型 再往下，世界被分成了国外和国内两个区域，国外有 27 家模型厂商。每个模型都是这个世界里的一个像素小人。名字下面那四根能力条分别是聪明、编程、记性和便宜，条越长越强，右边还标了它在全球的排名。  国内有 13 家模型厂商：  小人的长相也全是数据算出来的。体型对应模型规模，参数量越大块头越壮；身上的装饰越华丽，说明它的调用价格越贵；家里的书架越高，它能读的上下文就越长；右边那台电脑代表编程能力，没有公开编程成绩的模型，电脑上直接盖着一块防尘布。 ## 4、模型搜索 先问问看，大家现在最喜欢的是哪个模型呢？ 我个人非常喜欢鲸鱼（娘），所以想把它家的模型一次性看个够。不用翻页找，直接在顶部搜索框里敲几个字母就行。  搜索功能非常灵活，支持按照模型名、厂商名，还有模型能力搜索。比如你输入「多模态」，它会把所有多模态模型列出来；输入「deepseek」，第一条就是深度求索这家厂商，底下跟着它的 24 个模型。 点进厂商页，DeepSeek 的进化过程就按时间线铺开了。  一路往下翻，能看到它每个月都发布了什么。翻到最底下，2025 年 1 月那一排里躺着当初全网爆火的 DeepSeek-R1。  到现在已经过去一年零八个月了。爷青回啊…… ## 5、查看单个模型的一生 点开最新的 DeepSeek V4.1 Flash，先看到的是它的身份卡。  这是一个视觉模型，中等价位、能读长文、会看图，而且开放权重。上面那条小时间线告诉你它是从 V4 Flash Vision Exp 这个视觉实验模型进化过来的，属于同一个系列的第二代。 右边的能力条里，记性那一项是满的，上下文窗口 100 万 tokens。网站还给了个换算，说这个长度一次能读完《哈利·波特》全七部，比干看一个数字有感觉多了。 继续往下，能看到 AI 的身世和战绩：  发布日期、知识截止、开源许可、输入输出价格都列在左边，右边是各项专业测试的评分。V4.1 Flash 刚发布不久，几个学术榜单还没收录它，所以这里老老实实写着「未参评」。 这一点我专门跟 AI 强调过，没有成绩就写没参评，绝对不许用估算值把空缺填上。一个模型没被测过，不代表它不行。 页面最底下，还能刷到各位 UP 主对这个模型的评测视频。 > 对了，下图第一个评测视频的博主是狗 🐶  这些视频是用 B 站公开的搜索接口抓回来的，搜索词就是模型名加上「测评」两个字，抓到的结果按播放量排好序存进仓库，页面直接读，我完全不用手动挑选视频。 至于第一条为什么是我自己的视频，因为站长的视频会置顶，算是我给自己开的一个小后门，很合理吧？ ## 6、几百个模型的发布史，一条时间线看完 看完 DeepSeek，别的模型又是怎么一步步发展过来的呢？ 切换到「时间线」，全世界 556 个主流 AI 模型，按发布月份从新到旧都排好了！ > 彩色名字表示这个模型有第三方综合评测成绩  光是 2026 年 8 月这一个月，就有 33 个模型发布，密密麻麻铺满了大半屏，太卷了！ 一路往下翻，最早的记录停在 2023 年 3 月。也就是说，从 AI 全面爆火到现在，满打满算才三年半，AI 的进步真的是太快了。 ## 7、模型排行榜 如果你好奇现在哪些模型能力最强，哪些模型性价比最高、适合日常办公，那就去看排行榜。  这里一共有 81 个榜单，综合智力、性价比、上下文窗口、最便宜，还有 SWE-bench、Terminal-Bench 这些专门测编程能力的。 榜单上方可以按地区、开源闭源、模型类型来筛选，非常灵活~  开源赛道的冠军是国内的 Kimi K3，综合智力 157.6，放到全球总榜上排第 11，已经很逼近国外顶级闭源模型的水平了。 更有意思的是前十名里有九个都来自国内厂商，月之暗面、深度求索、智谱轮着上，国产加油！ ## 8、数据是怎么来的 做这个网站的时候，我给 AI 定的第一条规矩就是：**上线之后不能靠我人工维护**。 所以整套数据都是脚本自动同步的。利用 GitHub Actions 自动化，每 12 小时跑一次，从 Epoch AI 拿综合智力评测、从 models.dev 拿模型规格和价格、从 LiveBench 拿各项能力成绩，合并之后生成一份快照提交进仓库。 新模型发布之后，最快半天就会自己出现在 AI 大模型世界里，我不用动一根手指~  ## 最后哔哔 这个网站我已经完全开源了，代码和数据都在 GitHub 上，你想自己部署一份、或者改成你喜欢的样子都没问题。 > 开源指路：https://github.com/liyupi/ai-model-world  同时它也部署到了 [B 站的 Toy 平台](https://bilibili.com/toy/ai-model-world)，完全免费、免登录、免注册，打开就能用。  说真的，这个项目技术上没什么难度，就是一堆数据抓取加一个静态页面。但在有 AI 之前，光是把几百个模型的参数和评测成绩整理成表格，就够我折腾一整个周末了。现在我只要把想法讲清楚，剩下的交给 AI，几天就能做出一个能自己跑起来的完整产品。 如果你也想试试用 AI 做点自己的小工具，我写了一套免费开源的 [《AI 编程零基础入门教程》](https://ai.codefather.cn/vibe)，上千张图、几十万字，带你从 0 开始快速学会 AI 编程，做出自己的产品、跑通变现全流程，一次拿捏。 > 开源指路：https://github.com/liyupi/ai-guide  我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注哦~
耄耋专属AI Loop全自动编码器技术笔记
> 写给想了解「多AI Agent 在大LOOP时代怎么真上线」的同学 ## 一句话 **Loop Engineering 时代，别只在聊天里写代码——用多 AI Agent，跑一条自己干活的交付 Loop。** 先给这套 Loop 代码编排器定一条简单主线： **需求 Issue → 多角色 AI 协作 → 脚本验证与独立审阅 → 合并 → 固定脚本部署 → 看板盯进度。** 人定目标和验收；AI 负责中间大部分实现与自检；模型不直接登录生产。 --- ## 为什么不只「开个 Cursor 窗口」 聊天式助手擅长帮你改文件，但上线仍要人拉分支、补测、发版、盯结果。Loop 把这些环节收成固定流水线： | | 聊天式 AI 编程 | Loop | |---|---|---| | 起点 | 粘贴上下文 | Issue / 看板目标 | | 过程 | 人来回追问 | 多角色自动推进 | | 质量 | 靠自觉 | 脚本验证 + 独立审阅 | | 上线 | 手工发版 | 确定性发布脚本 | | 可见性 | 对话记录 | 看板阶段与应用入口 | 一句话：**助手帮你写；Loop 帮你把需求送到可点开的版本。** --- ## 技术骨架：三层分工 ```text 触发层 Forgejo Issue（ai-ready） / 看板「新建项目」 编排层 Worker + loopctl + Hermes 五角色 Profile 落地层 verify.sh → PR 合并 → SSH/Compose 发布 → sslip 域名跳转 ``` - **触发层**：习惯还是 Git Issue；新产品也可在看板填「仓库名 + 目标」一键建仓。 - **编排层**：分析 → 架构 → 编码 → 测试 → 审阅；审阅打回最多返工 3 轮；单阶段约 30 分钟超时。 - **落地层**：过门后由脚本部署，看板只监控和跳转，不托管业务前端。 密钥只在服务器 `secrets/`，不进仓库。 --- ## 多 Agent：故意「拆开」，不让一个模型既当运动员又当裁判 | 角色 | 做什么 | 典型产出 | |---|---|---| | 分析 | 收成可验收目标 | `spec.md` | | 架构 | 拆任务、定边界 | `plan.md` | | 编码 | 改业务代码与测试 | 仓库 diff | | 测试 | 独立补测、跑验证 | 测试报告 | | 审阅 | 只评不改，给通过/打回 | `review.json` | 执行侧用 Hermes 多 Profile，工具集刻意收窄（文件 / 终端 / 必要时代码执行），并设轮次上限，避免一轮对话无限烧 Token。 模型也可分层：编码侧重代码模型，测试用更快模型，审阅用更稳的模型——**质量门与写代码的人不是同一个「脑」**。 ## 配置落在哪 ### 编排层（仓库） `config/loop.json` 只规定： - 五角色各自用哪个 Profile 名 - 工具集（分析 / 架构 / 审阅：`file,terminal`；编码 / 测试再加 `code_execution`） - 单阶段轮次上限、YOLO、返工次数、超时 其中 `hermes.models` 可以按角色覆盖模型名；**留空则用 Profile 默认值**。 ### 执行层（服务器 Hermes） 真正的模型 ID、`base_url`、API Key 写在各 Profile 的 `config.yaml`（例如 `/root/.hermes/profiles/loop-coder/config.yaml`）。 线上现行大致是： | 角色 | 模型 | |---|---| | 分析 / 架构 / 编码 | `ark-code-latest`（火山方舟选GLM5.2） | | 测试 | `deepseek-v4-flash` | | 审阅 | `deepseek-v4-pro` |  ### 小技巧 如果想真正的分饰多角，完全可以多买几个便宜的Agent Plan分别挂不同对应角色能力的**LLM**，但这里由于成本控制的原因，最少两个**LLM**对应不同能力就可以完成基本工作了。 ### 人格层（SOUL） 仓库 `roles/*.md` 同步进各 Profile 的 `SOUL.md`，约束「只做什么、不做什么」： - **模型**负责能力 - **SOUL**负责边界 ### 调用链 ```text Issue Worker → loopctl → 对应 Profile 的 Hermes（--oneshot，瘦工具集）→ 该 Profile 配置的模型 ``` --- ## 有边界的自治（比「全自动」更重要） **会自动做：** 读仓、改码、跑校验、开/合 PR、按脚本部署。 **不会自动做：** 没目标乱开需求、跳过质量门上生产、把密钥写进 Git。 **人能介入：** 看板看卡点、一键重跑；紧急可停 Worker。 发布永远走 `release.sh` / SSH 一类确定性路径，而不是让 Agent 临时拼命令登生产。 --- ## 看板：把黑盒变成进度条 看板回答三件事： 1. 现在跑到哪（分析 / 架构 / 编码 / 测试 / 审阅 / 发布） 2. 有没有被打回、卡在哪 3. 应用在哪打开（当前交付 + 历史项目各自地址） 多项目时：**一仓一应用、独立端口、独立 `*.sslip.io` 域名**。改哪个程序，Issue 就开在哪个仓库。   --- ## 一次真实路径长什么样 1. 看板新建，或在目标仓开 Issue 并打 `ai-ready` 2. Worker 领取 → 工作区拉出 `ai/issue-N` 分支 3. 五角色流水线跑完，产物落在 `.loop/current/` 4. 质量门通过 → PR 合并 5. `deploy_once` 部署 Staging/Production，写好跳转域名 6. 打开 `{项目名}.xxx.sslip.io` 验收 试点里我们用这条链路交付过多智能体对话应用、内容创作平台等——从「一句话目标」到「浏览器能点开」，中间大部分由流水线完成。  --- ## 适合什么，不适合什么 **适合：** 中小功能、脚手架增量、内部试点、需求边界写得清的迭代。 **暂不适合：** 无人值守改核心账务、无评审的大重构、强合规唯一发布通道。 产出质量仍然取决于：需求是否写清、模板是否匹配、模型额度与提示词。 ## 目前Loop编排器自动完成的项目展示    --- ## 结语 Loop 的技术选择可以概括成三句： 1. **角色分离**，降低「自写自审」幻觉； 2. **脚本守门**，模型负责想和改，脚本负责过不过、能不能上； 3. **看板可见**，自动跑也不变成黑盒。 它不是取代工程师，而是把重复的「领任务 → 改代码 → 验证 → 发版」收成一条可观测流水线，让人把时间花在目标与验收上。
别再跟 AI 死磕 prompt 了，我写了个 Loop 让它自己改到满意为止
> 我昨天凌晨两点还在跟 Deepseek 较劲。就为了一篇奶龙按摩椅的小红书广告文案，我改了八版 prompt，从 "写个爆款文案" 到 "标题必须带数字，正文不超过 300 字，结尾要有行动号召，要像小红书博主那样说话"，结果它要么标题不带数字，要么写了 400 多字，要么结尾就是 "快来购买吧" 这种干巴巴的话。 **帅哥美女们帮我的掘金点点赞呗😘👍 完整文章地址👉：https://juejin.cn/post/7653409231857287231** > 我盯着屏幕，手指悬在回车上面，突然觉得特别荒谬。我这是在干嘛？不就是生成、检查、不满意、调整 prompt、再生成吗？这不就是个循环吗？我一个写代码的，为什么要自己当这个循环的人肉执行器？ 就在这个时候，我刷到了那条 OpenClaw 开源项目创始人彼得·斯坦伯格发布的 780 万浏览的推文。  ## 原来我一直在做最笨的事 说实话，看到这句话的时候我愣了一下。我一直以为用好 AI 的关键是写好 prompt，是把话说清楚，是用各种技巧让 AI 理解我的需求。结果人家开源大佬说，别写 prompt 了，写 Loop。 我翻了翻评论区，发现 Claude Code 的作者也在下面附和，说他现在也不写 prompt 了，只写 Loop。 我突然反应过来，我每天和 AI 的交互，本质上就是一个手动的循环。我给 AI 一个指令，它输出结果，我检查结果是否符合要求，如果不符合，我就修改指令，再让它输出一次。这个过程，除了 "检查" 这一步需要人的判断，其他都是机械重复的。 那为什么不把这个检查也交给 AI 呢？ ## Loop 到底是什么？说穿了就是三件事 我之前对 Loop 的理解，就是 for 循环、while 循环，就是重复执行一段代码。直到我看到这张图，才突然把这个概念想透了。  ### 任何一个有用的 Loop，都必须回答这三个问题： #### 1. 从哪里开始？ #### 2. 重复做什么？ #### 3. 什么时候停止？ 就这么简单。你炒菜的时候，从洗锅开始，重复 "炒一下、尝一口、加点盐" 的动作，直到味道合适了就停。你写报告的时候，从第一页开始，重复 "写一段、读一遍、改一改" 的动作，直到领导满意了就停。 缺了第三个问题，就是死循环。程序会一直跑下去，直到内存溢出或者你的 API 额度烧光。 我之前的手动循环，停止条件就是 "我满意了" 或者 "我累了"。现在我要做的，就是把这个停止条件变成代码能理解的规则。 ## 原来大模型自己就是这么学会的 更有意思的是，我们现在用的所有大模型，本身就是用 Loop 训练出来的。  你看，AI 训练的逻辑，也是一个完美的 Loop： * 给模型看一批数据 * 计算它的预测和正确答案差了多少 * 根据这个差值调整模型的参数 * 再拿一批新的数据，重复上面的步骤 万亿次这样的循环之后，AI 就学会了对话、写作、写代码。 那我们用 AI 的时候，为什么不用同样的逻辑呢？让 AI 自己生成，自己检查，自己调整，直到满足我们的要求。 ## 我写了个能跑的最小 Demo 说干就干，我花了半小时搭了个最简单的项目结构。  因为 Deepseek 的 API 兼容 OpenAI 的格式，所以我直接用了 openai 这个包，省得自己写请求了。 ```javascript import { OpenAI } from 'openai'; import dotenv from 'dotenv'; dotenv.config(); const client = new OpenAI({ apiKey: process.env.DEEPSEEK_API_KEY, baseURL: process.env.DEEPSEEK_API_BASE_URL, }); // 注意这三个参数，坑了我半小时 const limit = { maxRound: 5, // 最多循环5轮，防止死循环 maxToken: 2000, // 最多消耗2000token，防止烧钱 sameStop: 2 // 连续2次输出相同内容就停止，防止AI摆烂 } const task = { desc: "奶龙按摩椅广告文案", rules: ["标题带数字", "正文 < 300 字", "大爆款", "结局有行动号召"] } let round = 0, totalToken = 0, sameCount = 0, lastText = ""; // 循环的停止条件，三个满足任意一个就停 function needStop(){ return round >= limit.maxRound || totalToken >= limit.maxToken || sameCount >= limit.sameStop; } // 生成文案 async function gen() { const res = await client.chat.completions.create({ model: process.env.DEEPSEEK_API_MODEL, messages: [ { role: "user", content: `假如你是一位小红书资深广告文案博主，写一篇${task.desc}，严格遵守：${task.rules.join('、')}，只输出文案` } ] }); console.log(`消耗token: ${res.usage.total_tokens}` , `\n生成内容：\n${res.choices[0].message.content}`); return { text: res.choices[0].message.content.trim(), token: res.usage.total_tokens }; } // 检查文案是否符合要求 async function check(text) { const res = await client.chat.completions.create({ model: process.env.DEEPSEEK_API_MODEL, messages: [ { role: "user", content: `请检查文案是否符合要求：${text} 严格遵守：${task.rules.join('、')} 仅输出 JSON {pass: 布尔, fail: 数组}` } ] }); return JSON.parse(res.choices[0].message.content.trim()); } // 主循环 async function runLoop() { console.log('AI Loop 开始运行'); while(!needStop()){ round++; console.log(`\n===== 第 ${round} 轮 =====`); const { text, token } = await gen(); totalToken += token; // 检查是否连续输出相同内容 sameCount = text === lastText ? sameCount + 1 : 0; lastText = text; const { pass, fail } = await check(text); if(pass){ console.log(`\n✅ 文案符合要求，通过检查！`); console.log(`最终文案：\n${text}`); return; } console.log(`❌ 文案不符合要求，问题：${fail.join('、')}`); } console.log(`\n⚠️ 触发刹车机制强制停止，最后一次生成的文案：\n${lastText}`); } runLoop(); ``` 然后在.env 文件里填上你的 Deepseek API 密钥和模型就可以跑了。 ## 我踩过的那些坑，你别再踩了 说实话，这个 demo 我写了三遍才跑顺。 第一版我只加了 maxRound，结果有一次 AI 生成的内容一直不合格，循环到第五次就停了，输出的还是一堆垃圾。我当时就想，不行，万一 AI 前五次都没做好，第六次突然开窍了呢？但如果不加 maxRound，万一死循环了怎么办？ 后来我想到了加 maxToken，根据你的预算来设置，比如我设置的 2000token，大概也就几毛钱，就算死循环了也损失不大。 最坑的是 sameStop 这个参数。我之前没加这个，结果有一次 AI 连续三次输出一模一样的内容，它自己还觉得没问题，一直在那循环。我看着控制台刷刷刷地跳 token，赶紧把进程杀了。后来才明白，AI 有时候会摆烂，当它觉得自己怎么都满足不了你的要求的时候，就会输出同样的内容敷衍你。这时候就必须有个机制来检测这种情况，及时停止。 `一定要设置这三个停止条件！一定要设置这三个停止条件！一定要设置这三个停止条件！不然你早上起来可能会收到一张几百块的 API 账单。` ## 这个方法到底好在哪？又有什么问题？ 我跑了几次这个脚本，效果超出我的预期。以前我要花十几分钟反复改 prompt，现在我只需要写好任务描述和检查规则，然后去喝杯咖啡，回来就能拿到符合要求的文案。 它最大的优势就是把你从重复的劳动中解放出来。你不用再盯着屏幕等 AI 输出，不用再一字一句地检查，不用再绞尽脑汁想怎么把 prompt 写得更清楚。你只需要告诉 AI"什么是合格的"，剩下的交给循环。 但它也不是没有缺点。最明显的就是 token 消耗高。因为每一轮都要调用两次 API，一次生成，一次检查。我这个 demo 跑一轮大概要消耗 300-500token，跑 5 轮就是 1500-2500token。虽然 Deepseek 的价格很便宜，但如果是更复杂的任务，token 消耗会非常可观。 所以这个方法更适合那些有明确规则、可以量化检查的任务。比如写广告文案、生成测试用例、格式化数据、检查代码规范等等。如果是需要非常有创意、没有明确标准的任务，比如写小说、画插画，这个方法就不太适用了。 ## 最后说几句我真正的收获 昨天晚上写完这个脚本，我躺在床上想了很久。 以前我总觉得，AI 是一个工具，我给它一个指令，它给我一个结果。如果结果不好，那就是我的指令写得不好。所以我一直在研究怎么写更好的 prompt，怎么用更精准的语言描述我的需求。 但现在我明白了，AI 不是一个一次性的工具，它是一个可以迭代的系统。我们不应该追求一次就得到完美的结果，而应该设计一个循环，让 AI 在这个循环里不断地自我修正，直到满足我们的要求。 这大概就是那条推文真正想告诉我们的道理。 如果你也写过这种 AI Loop，或者有更好的停止条件设计，欢迎在评论区告诉我，我也想学习一下。