enrolls

我发表一下看法吧。最后腾讯赢，这个是结论。理由是它拥有了强大的入口基建，借助 AI 它能更稳更牢固握住用户。

对于普通人，不见得是多少。AI 导致了“CPU 密集型”的工作没有了价值和意义，你列举的东西就是其中一环，书一出来 Transformer 两下学完，你的创意还有你的提示词，将会在下一秒因为 MODEL 的技术原因给了别人。 你觉得这是好事情吗？

“输入法密集型”的工作，120 tokens/s ，你的打字速度是多少？纠偏速度呢？低尺寸模型用速度换你脑袋的思考＋手的输出。
你以为你门槛，武林秘籍，统统没有，大家上模型，全班同学加 100 分，你的优势在哪里？“只有你用的 tokens 比别人少？你的循环次数比别人少？”，别忘了，模型会进化的，你的对话相当于在训练模型的奖励机制。

“手工密集型”的工作，你以为劳动力密集型就无伤害了吗？阿爷开放无人车的权限看看。哦？你 2026 年以后买的车不是 L2.5 自动驾驶吗？我 2019 年买的时候，已经拥有 L2.5 自动驾驶的功能了。看不懂的话，就是把物流仓/无人机/扫地机的避障功能搬到车上，无人车早就成熟了，有坎不能跨越，不准跨越。

你的生命里面，还剩下什么？剩下你下面的“生产工具”，去维持社会人口的稳定和循环。

(全文完)

腾讯军团马上来了

用我的直接搞起来，rust ，极低内存占用，除了未完善的 Trace Explorer 会导致固定内存涨到 1000 条 item 的用量外，基本上完全可以随便搭配工具 ： https://v2ex.com/t/1222071#reply3

codex 我的配置：
```
[model_providers.ingress-access-1]
name = "RelayForge-access-1"
base_url = "http://127.0.0.1:33300/v1"
wire_api = "responses"
experimental_bearer_token = "no-api-key"

[model_providers.ingress-access-2]
name = "RelayForge-access-2"
base_url = "http://127.0.0.1:33301/v1"
wire_api = "responses"
experimental_bearer_token = "no-api-key"
```

启动日志：
```
2026-10-04T15:22:01.988602Z INFO codex-shim listener bound via <经过超优的本地监听组件> listener=ingress-access-1 bind=127.0.0.1:33300 provider=Some("glm") model=Some("glm-5.3")
2026-10-04T15:22:01.989785Z INFO codex-shim listener bound via <经过超优的本地监听组件> listener=ingress-access-2 bind=127.0.0.1:33301 provider=Some("stepfun") model=Some("step-5-preview")
2026-10-04T15:22:01.996838Z INFO codex-shim HTTP listener started listener=ingress-access-1 bind=127.0.0.1:33300
2026-10-04T15:22:01.997390Z INFO codex-shim HTTP listener started listener=ingress-access-2 bind=127.0.0.1:33301
```

另外，OP 可以支持 WIN10 吗？不强求但希望在最小路径下能支持一下 lol

不错。我 review 了 Cargo.toml 和 github action 。

功能上应该可以考虑做几个视图：by 时间。
个性化：图片；音乐；疑似垃圾文件。
代码上，action 可以上 314, rust 可以上 1.100. 这是速度的极致考虑。

"02.确诊" 可以走 CHAT/WORK, 然后 step by step 地测试。确实在 gpt-5.6-luna/gpt-5.6-sol 之间出现了路由。

排序 候选模型 家族 归因概率 分布相似度
1 gpt-5.6-luna GPT
90.9%
77.2%
2 gpt-5.5 GPT
8.3%
76.5%
3 gpt-5.6-sol GPT
0.6%
75.9%
4 gpt-5.6-terra GPT
0.1%
75.3%
5 gpt-6-astra GPT
0.0%
74.9%

排序 候选模型 家族 归因概率 分布相似度
1 gpt-5.6-sol GPT
82.0%
88.8%
2 gpt-5.5 GPT
17.7%
87.7%
3 gpt-5.6-luna GPT
0.2%
85.6%
4 gpt-6-astra GPT
0.1%
86.9%
5 gpt-5.4 GPT
0.0%
87.2%

真实英文，开口工作讲的那种

Just FYI: even outsourcing roles with English interviews and English as the working language don’t have many openings right now, and there are still quite a lot of candidates.