我
1 分钟
我用同一个项目测试不同Agent
前两天我又做了一轮小实验。说实话，不是那种特别正式的测评，也不是把一堆功能表摊开，看谁支持什么插件，谁上下文更长，谁号称更聪明。我现在越来越不爱这样学工具。因为在AI这个阶段，工具变化太快了。今天这个功能很强，明天另一个又补上来了。你如果只看介绍，很容易陷进去，最后变成收藏了一堆教程，订阅了一堆产品，却还是不知道自己到底该怎么用。 所以我现在的办法很笨。你想想看，我会找一个自己已经比较熟的项目，结
0%
内容加载中...
共 302 篇文章
第 205 - 216 条，共 302 条
前两天我又做了一轮小实验。说实话，不是那种特别正式的测评，也不是把一堆功能表摊开，看谁支持什么插件，谁上下文更长，谁号称更聪明。我现在越来越不爱这样学工具。因为在AI这个阶段，工具变化太快了。今天这个功能很强，明天另一个又补上来了。你如果只看介绍，很容易陷进去，最后变成收藏了一堆教程，订阅了一堆产品，却还是不知道自己到底该怎么用。 所以我现在的办法很笨。你想想看，我会找一个自己已经比较熟的项目，结
前两天有人问我一个问题，AI都这么强了，语音写作还有用吗？ 我听到这个问题的时候，第一反应不是反驳，而是觉得，这个问题问得特别好。因为它背后其实藏着一个很真实的困惑。 很多人会觉得，过去我们练语音写作，是因为打字太慢，是因为需要把脑子里的东西快速倒出来。现在AI都能帮我们写了，我只要给它一个题目，它就能生成一大篇，那我还练什么口语表达呢？ 这个想法非常自然。但我的感受刚好反过来。 AI越强，语音写
凌晨三点零三分 凌晨三点零三分。 Hermes 的备份系统准时醒了。 这个时间是我故意设的。三点钟，绝大多数人都在睡觉，网络最安静，带宽最充裕，整个互联网都像在深呼吸。 今天这台机器要做的：遍历几个 TB 的 AI 会话数据，找出新增文件，备份到 NAS，再通过 SSH 同步到另一台机器，最后做一轮去重清理。 整个过程，不需要我在场。 我第二天起床打开手机，只看到一个消息：✅ 备份完成。 这种「暗
我看了一圈最近的AI状态，反而更确定一件事，AI并没有让人更轻松，但它一定让人更向往轻松。 这句话听起来有点拧巴。因为过去几年我们听到最多的说法，是AI会提高效率，会节省时间，会帮人处理重复劳动。说实话，这些都对。写一段代码更快了，整理一份资料更快了，做一张图更快了，写一封邮件也更快了。 但如果你真的在用AI，会发现另一个更真实的感受，事情没有变少，反而变多了。 以前一个人做不了的事，现在看起来都
这两天我一直在想一个问题。 AI 都这么强了，为什么我反而更觉得语写重要。 按理说，AI 可以直接写文章，可以总结资料，可以生成方案，可以帮我们改表达。那我们还练什么语写，好像把需求打进去，让 AI 输出就行了。 但我越用越发现，事情不是这样。 AI 越强，越需要我们把自己的真实想法快速说出来。 因为 AI 最缺的不是写作能力，而是你的现场材料。它不知道你今天为什么突然被某句话触动，不知道你真正卡
测试Agent，别只看介绍。 我现在更常用的办法，是拿一个自己熟悉、结果相对确定的项目，让不同Agent都做一遍。同一个输入，同一个目标，同一套约束，差异很快就出来了。 有的Agent适合开局，能把问题拆清楚；有的适合执行，给它计划就能一路做下去；有的适合审查，能帮你发现执行里漏掉的边界。 所以，多Agent协作不是比谁最强，而是看谁适合坐在哪个位置。 更好的方式，是让一个理解力强的Agent先写
前两天我在处理一个项目，中间忽然有一个很强烈的感受。 现在很多事情，真的被 AI 变快了。以前要查资料，要整理，要写初稿，要改格式，要做配图，要发到不同平台，听起来像一串很长的活。现在很多环节都可以被推着往前走，甚至一边说话，一边就能把东西做出来。 但也正是在这种变快里面，我反而更容易停下来问自己一句话。 我到底要去哪里。 这句话听起来有点大，但放到每天的工作里，其实很具体。说实话，比如我现在打开
本地 AI 工具为什么会卡：一次性能排查 电脑配置很好，不代表 AI 工具一定流畅。 AI 工作台的卡顿，常常不是 CPU 或内存不够，而是某个细节在阻塞：日志太大、会话太长、存储位置不稳定、复制内容过多、插件在后台扫描、外置盘响应慢。 这类问题的排查，需要从现象开始，而不是直接猜硬件。 卡顿发生在什么时候 排查第一步，是确认卡顿触发点。 是启动时慢，还是切换会话慢？是生成时慢，还是复制文本时慢
AI 对话本身不是文章。 这句话看起来很简单，但真正开始做的时候，我才发现它不是一句写作建议，而是一条工作流原则。因为对话发生在现场，文章面对的是后来的人。现场需要解决问题，文章需要留下经验。两者不是同一种东西。 一次 AI 协作里，往往会混在一起很多内容：临时判断、工具动作、路径信息、失败尝试、用户补充的新要求，还有一些只有当时才有意义的上下文。如果把这些东西原样搬上博客，确实真实，但读者会很累
从音频到正式文档：一条资料生产线的搭建 音频资料最难处理的地方，不是转写，而是从“可读文字”变成“正式文档”。 语音转文字只是第一步。转写稿通常有口语、重复、断句混乱、识别错误。如果直接当成文档使用，读者会很累，后续检索和引用也不稳定。 所以需要一条从音频到文档的生产线。 保留原文，也要生成整理版 原文版和整理版要分开。 原文版负责忠实保留表达，方便追溯；整理版负责让读者理解，方便传播和复用。两
小自动化如何提升桌面效率：以文件定位为例 真正影响效率的，往往不是大任务，而是每天重复几十次的小动作。 打开文件夹、定位文件、调整窗口大小、确认当前路径，这些动作单次只花几秒，但它们会不断打断思路。如果能把这些小动作自动化，工作体验会明显变顺。 文件定位就是一个典型例子。 自动化先解决确定动作 好的桌面自动化，不应该一开始就追求复杂。 它应该先解决那些确定、重复、低风险的动作。例如打开某个文件夹
把手工处理变成稳定流程：AI 技能优化复盘 AI 技能最有价值的地方，不是记住一条命令，而是把一套经验固化成可重复执行的流程。 很多工作第一次做时，需要大量判断：资料在哪里，先处理什么，输出到哪里，失败怎么办，命名怎么定。等做过几次后，这些判断就应该沉淀下来，变成技能规则和脚本。 否则每次都是重新解释一次。 技能要写清楚触发场景 一个技能如果只写“用于处理文档”，仍然太泛。 更好的写法，是说明什