获得徽章 9
- 昨晚的《双越 AI 在线茶话会》第5期，5 个人聊了 160 分钟，干货满满：
AI 生成 UI 设计稿，AI 处理需求，AI 迁移 web 到小程序，AI 提供专业解决方案，CC 使用技巧，AI 编程发展历史和方向，AI 在团队内部的推广方式，AI 普及下的职业规划…
PS. 要不是腾讯会议每 40 分钟强制中断一次，还得再继续聊～展开赞过
21 - LLM wiki
gist.github.com 的设计弥补了 Skill 和 RAG 之间的空白地带。
之前 Skill 刚出现的时候，我就疑问 Skill 和 RAG 的区别是什么，查询得知 Skill 制定规范 RAG 提供数据。
但依然有很多人使用 Skill 管理数据和资料，我觉得这是不合理的，但小体量的数据又没有必要用 RAG 数据库，纠结。
现在 LLM wiki 参考了 Skill 的“目录内容拆分”按需动态加载的思路，可以管理的数据体量够一本长篇小说，足够个人和小型团队使用。RAG 数据库就用于更大的场景吧。
另外，LLM wiki 根据输入的原始文件，自动整理 wiki ，还定期检查 wiki 的合理性 —— 这是它可持续的核心，如果人工维护，数据多了就变成一堆屎山。展开赞过 评论3 - 学习 Karpathy skills 有感：
现在 AI 编程的 plan mode 就是传统软件研发流程中的《技术方案》，现象、问题、解决方案都一模一样。
之前大多程序员都觉得写《技术方案》就是浪费时间，觉得这个需求直接编码就行了，还用写《技术方案》吗？
还有人说自己不会写文档，只会写代码…
结果代码写出来发现方向错了，或者过度设计了、代码冗余了，或者踩了前人踩过的坑……
这不就像是现在 LLM 的激进行为吗？给 AI 提一个需求，它直接就开始写代码，越写越错。
我当时是这样劝大家的：
1. 如果你觉得这个需求简单，多写一个《技术方案》文档又能花费多少时间？最多 1-2 个小时吧。哪怕最后需求延期 1-2 小时上线，也不算延期。
2. 如果你万一眼高手低，憋半天写不出来，那正好提前暴露问题。连文档都写不出来，你如何写代码呢？即便写出代码，那能用吗？
现在 AI 编程也都在推广 plan mode 即先搞清楚，再写代码。不要隐藏，把你想做的都明确说出来，人工审查之后，再开始编码。展开赞过 评论3 - 我一上午时间看了 Hermes Agent 基础使用的文档hermes-agent.nousresearch.com 并没有发现它和 OpenClaw CC 等其他 Agent 有太大的区别，还是那些东西 LLM Skills Tools MCP Memory Context-files Cron Security Config Channels 等。它的特点是 self-improving 自成长，是通过自动创建 Skills 实现的 with a built-in learning loop — it creates skills from experience, improves them during use, nudges itself to persist knowledge, and builds a deepening model of who you are across sessions. 展开赞过 42
- 当 AI 写错时，不是去纠正他，而是考虑改善环境、规则和限制 —— harness 编程和 agent 编程（vibe coding）的主要区别等人赞过 34
- SDD 和 TDD 一样（所以两者可以结合使用），推广难度还是在于 spec 文件的规范化、以及和代码的长期同步，一旦忙起来、乱起来顾不上同步了，又没有强制约束，那慢慢也就不可用了。5点赞
- 这两天我用 AI 查询了一下国内 AI 生态，感觉就是“两头很强大，中间很空虚”。
1. 底层 LLM 比较强大，虽然还不如世界一线 LLM ，但可选择的有很多，能满足使用，API 价格也不贵。
2. 客户端 AI 入口很强大，千问 豆包 kimi 等，可应对生活需求（问答/消费）和常见的工作需求（文件处理），比国外那些 AI 入口功能更强大，尤其引导消费方面。
3. 中间的 AI 应用层很空虚，目前就 coze 一个能打的，其他也有…但还没有普及开来，这和国外百花齐放的生态完全不一样。至于开发框架工具啥的就更没有了。展开3点赞
gist.github.com