pi 你用的那些插件

@Dwayne 楼主前女友冒出这个一两百万这句话直接让我绷不住笑了，小仙女小红书没少看🤣

社区消融实验揭秘：DeepSeek V4 Pro 严重依赖首轮工具锚定，两阶段插件成功复现高分能力

DeepSeek V4 Pro 正式版发布后，因实际表现不及灰度测试预期而引发社区争议。近日，开源社区通过消融实验探针对其进行了深入分析，揭示了其性能波动的底层机制并给出了解决方案：

V4 Pro 对首轮请求中可见的 API 工具目录（ Schema Surface ）极度敏感。在暴露完整 25 个工具的 Standard 模式下，模型易陷入低效的 “Let me...” 思维链（ CoT ）轨迹，Project2 评分仅为 9192 分；而在仅提供 Shell 和 Read 的 Minimal 模式下，模型能被激活为灰测时的 “We need...” 推理轨迹，基准分回升至 9699 分。

针对 Minimal 模式缺失高级工具的问题，社区开源了 dsh-anchored-standard 插件。该方案采用“首轮锚定 + 动态晋升”策略——首次请求仅暴露 2 项核心工具以锚定优质推理轨迹，一旦模型发起首次 Tool Call ，立即在后续轮次解锁全部 25 项标准工具。

在 Windows 原生 Project2 测试中，该方案连续跑出 98 、99 的高分，成功进入 Fable 等前沿模型分数带。该实验表明，V4 Pro 的核心能力并未丢失，但可能在强化学习（ RL ）后训练阶段对特定的 Harness 脚手架与工具暴露环境存在显著过拟合。

参考：microblock_pub 、DeepSeek V4 Pro / Flash 轨迹触发机制实验 、dsh-anchored-standard


DSH 其实就是 deepseek 新模型重要的一个训练工具。另外也相当于官方告诉你这个东西就是他家的官方 harness 骨架。个人开发者拿什么背书这些东西呢😅

@zsj1029 那这个成本还是挺高的😂

缓存命中率高说明该请求读取了足够多的上下文的情况下帮你省钱了啊。

benchmark 长程任务时，缓存命中越高说明这家服务商给你的缓存时间也长。

针对一个 agent 的性能衡量有很多细节，确实不是一句缓存命中率高能概括的，但是它确实概括某一方面的某些综合能力表征。

这种不是让你老婆选吗？如果不是作为男方对这事非常感兴趣的话

你是否在找寻：opencode 2.0
目前 beta 版本

@zsj1029 你这个方案大概是多少人用

女朋友都结婚了，那么你和你老婆讨论过这件事或者类似的事情吗？她的想法是什么

如果没有持续 n 天单 session 跑什么逆天特殊任务的需求，纯写代码的角度我完全看不出有什么大统一的必要。

单个 session 无论哪家都会压缩，压缩次数多了必然 context rot 。所以日常使用中必然会新建 session ，既然新建 session 了，那么每次 handoff 一份提示词不就行了，同一家订阅的产品新开 session 也得这么搞啊😅

买房几套房？谁住？看到楼主回复，似乎楼主父母还有没房子儿子找不到对象这种急切心理。

我就说一句，如果买一套，但和父母同住，那么这个情况对于找对象的帮助可能是负分😅

很简单的道理，后端的 crud 和 web 前端的 css/js/html 还有 intra 的 k8s 这些，虽然主要都是些死知识，但对于自然人脑来说并不是能轻松就能掌握的。天天用 LLM 半年一年，对于新手来说就是个眼熟罢了😁

都是别人的体验，很难共情😁

手腕细的建议去店里看看实物再说, ultra 的尺寸对于大部分人来说都太大, 看着就像个 3 岁小孩带着个小天才手表一样😁

不少都是都是 kiro 和 antigravity 逆向出来的，拉胯得不行

@Tiger1994 我辖区大额被骗人员，95%为女士！特点：当家、管钱、自认为会挣钱.jpg


https://i.imgur.com/6oS2MJ2.jpeg

词元这个翻译真的很好, 但是没有特殊场景的话 token 完全不用翻译成中文

"词元"这个中文翻译被一个威权国家的官媒大肆报道过, 这就是这个词语的原罪

就像华为生态里, 也有一些小家电从客观上来说质量还行(哪怕是贴牌的), 但和这家公司沾边了, 那就别想得到粉丝以外的认可了😁