liuchao719

liuchao719

V2EX member #579675, joined on 2022-04-29 18:12:37 +08:00
Today's activity rank 9764
Per liuchao719's settings, the topics list is hidden
Deals info, including closed deals, is not hidden
liuchao719's recent replies
readme 简中还要走一个翻译网页也是第一次见,又是人机验证又是等待翻译的。
可不可以理解为,有点笨,但自己反复纠错,最后还是能搞出来?

另外理解沟通能力你感觉咋样
未来能支持一下 watch 端查看吗,我目前还没找到类似 app
归根结底是身处在要求严谨的评价体系中,没有信心创作非严谨内容(因为这可能遭致恶评),但大众环境对结果更为看重(可以看成另一种要求结果的评价体系),两者评价体系不同,导致作者很难创作出符合另一种评价体系的内容,所以不必太过否定自己,换个环境会好起来的。
> 如果大家有时间看到这,可以给我提一些意见,告诉我如何才能在尊重 eval 和 benchmark 严谨性的同时更好的推广我的产品。 我知道用 codex 或者 claude 写一个 coding agent 很简单,但我也相信,总会有人理解 benchmark 和 eval harness 的价值。

我在这里和你有一点不同意见,原因和上面的回复类似,如果你想获得更多的 star ,更多的传播,就要从传播学/心理学入手。我认为大众在 star 或者评论转发,或者微信里讨论的时候,是不会在意严谨性的。所以如果卸下一丝严谨性的包袱,能更好的达到你的目的。一个我自己悟到的,严谨代表着能获得喜欢严谨人群的认可,但大众通常来讲是不严谨的,不是作者傲慢,是作者在满足自己的品味和达成自己的目的之间,两个都想要。
lz 的想法真是很天才的,阅读了 readme 获益匪浅,感觉可以到被 openai 和 anthropic 收购的程度(但也侧面反映了这些家伙对于 token save 一点都不在意)

我作为一个用户,讲一些我看到这个项目的心理变化,希望对 lz 的困惑有所帮助

首先我没有在第一时间理解,我要怎么用这个,它是谁的代替品。我可以像 claude code/codex ,或者是 claude desktop or Orca 还是 workbuddy 等等的产品一样使用它。(虽然我通过完整的阅读 readme 知道了问题的答案,但如果好奇为什么你声称找到了真的节省 token 的办法,我是没耐心读下去的)

其次我读完之后也并没有要安装的想法,这一方面是因为我目前对 tokne 的消耗量并不大,另一方面是,我没有直观的看出 80%,16% 这些数字对我来说意味着什么。可能是能让我多 vibe 一会儿?多产出几个项目?但是思考这些问题,就会实打实的阻碍我产生安装的动作。最直白的建议,把 token 等价的美元,在用 codex 和 tura 之间比较,告诉人们能多蹬出多少美元,这样非常直观。

最后,我想起来了我以前的一个作品,https://github.com/chaoliu719/splitpatch ,它也是把原理放在了里面,甚至放了一个示例来讲。我今天整理 github 的时候,突然觉得我写这些更适合放到 blog 中,而不是 readme 中,readme 更多的是宣传,安装,快速上手,而不是原理解释。当时我真的很想把这些讲清楚,让大家看到这个项目的价值,但今天来看,我想问当初的自己,为什么用户需要关心这些原理呢?他们只需要最浅显易懂的 CTA ,他们只是 user 而不是 developer 。我没有动力改我的项目了,因为它很小,但是我觉得你的项目真的值得好好宣传一下,它真的很有潜力。
短期内的技术门槛降低,一大波人眼红,衍生出各种场景,然后就会有各种专门的商家针对性搭建服务,精准对接一波,然后龙虾死掉。
感谢 已领
目前无论是我自己用 AI ,还是观察别人用 AI ,都有一个核心问题:当前 AI 无法感知到所有执行环境。比如一个 API 不通,究竟是网断了?还是梯子挂了?还是服务有问题?可能我们刚好忘记告诉它了某个事实,导致它在执行的过程中一遍遍尝试,浪费很多 token 和时间。但如果 AI 能够“浅尝辄止”并向上反馈,再结合自总结 skill 的机制,把人类的反馈记下来,我觉得 AI 未来应该会是很好的助手/帮手,而非仅仅是一个高效率的执行者。
@d0r1an 我有了一些新想法:
理想状况下 Agent 是一定要完成任务的,但是考虑到现实情况,有可能我们也不能清楚 Agent 能不能完成任务,只是先把任务交给它试试(比如大部分不懂技术的人用 clawdbot 的时候)。这时我们不是想让 Agent 一条路走到黑,然后告诉我他干不了,而是希望 Agent 在执行的过程中,如果过于困难,就向上请求支援。

这个机制还可以应用在多层 Agent 架构中。面对复杂问题,首先分散出一堆子 Agent 探索,子 Agent 如果过于困难,则向上汇报,主 Agent 再根据子 agent 执行结果,综合评定最小解决代价后继续灵活改变计划,或寻找其他解决方案。
About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   890 Online   Highest 6679   ·     Select Language
创意工作者们的社区
World is powered by solitude
VERSION: 3.9.8.5 · 10ms · UTC 21:37 · PVG 05:37 · LAX 14:37 · JFK 17:37
♥ Do have faith in what you're doing.