zhmouV2

玩梗归玩梗，X 上崔添翼帖子底下的声音还是批评居多。
这个切换只能说明 Deepseek 官方还是不适合作为 api 提供者，哪个公司会依赖这样版本管理的 api 去做产品？
（不过仅作为个人 coding 用户，我本来也用不起 dsv4 pro ，而且我早就知道切换下架 api 很快这一点，所以我并不意外，而且貌似代码相关的表现很好，所以我本身没有反感，影响不到我。）
之前会议上说用户赶都赶不走，不想做 to C ，现在这个表现又不适合做 to B 那就要问 Deepseek/梁文锋到底打算做谁的生意呢？总不能说我就是想搞研究，就是不做生意吧？

两个 llm 互相 check 吧，前者生成结果后者 check 咯，后者 check 完的结果让前者确认下。
就算是试卷类的也没有那么重要吧，国家级试卷？
只要不是小语种，我觉得可能更需要担心一下 glitch token 而不是翻译效果。如果真的财大气粗，那就请人翻译咯（
什么样的预算就接受什么样的效果嘛

你这猫帧率有点低哈哈

skills ，可按需加载的、可复用的提示词。
传入的是摘要，然后模型自己判断是否需要加载 skills 的全文。

有人说脚本，脚本也不是 skills 的本质特征啊，你不要任何 skill ，直接告诉 LLM 脚本 / 接口怎么调用，一样能调用吧，这是模型的 function / tools calling 能力。

LLM 输入输出都是 token ，这意味着大部分新名词都是换个皮的说法。譬如 context 和 prompt 之间差异，包括之前的智能体，大多数时候不也是写一段角色扮演的提示词？真的是新瓶装旧酒，利用了 LLM 极强的 few shots 能力。

进一步说，思维链一开始也只是提示词而已，就是输入上让它一步步思考。后面才发展出来专门的 <think> 标记，以及训练上鼓励这些 token 的生成还有思维链的长度奖励函数。

不过现在 openclaw 的热度不都快凉了吗？是一个啥样的 ai 产品？ ai 客服？ ai 总结分析？

虽然没用过，说几个常见的 idea
有没有手机相册 app 那种常见的面容聚类？同一个人的人像打上一样的 tag
类似时间线的时间管理维度，以及基于 exif 属性的地图钉模式
图片相似度(phash 、直方图余弦相似度)，便于用户误存重复图片时筛选质量最高的图

@coefu
你提的这几个问题很“有意思”，但是哪个都不是单独靠 harness / agent 能实现的。我倒是想听听你对解决这些问题有什么的 idea

第一条，如果要用 harness 思考，像是把 MOE 架构的路由前置到用户侧。主动思考基本上把一个小模型塞到 harness 里面，那问题又变成了，怎么决定这个主动思考的小模型什么时候唤醒？这个问题依然可以继续延伸下去。让 harness 思考这个说法本身就很怪异，仿佛我们是用 prompt 本身来思考一样。

第二条，依赖 LLM 本身的 context 。harness 本身能做的就不多，上下文压缩不可能完全摆脱 LLM：基于预设规则移除工具调用记录的输出、基于 LLM 本身的摘要总结。没听说过什么 harness 方案能让 gpt-3.5-4k 的上下文变成 1M 的

第三条，这个问题本身就像大语言模型能否思考一样抽象。harness 到底要怎么“感受”？这个问题且抛开不谈，就算问大语言模型能否 [感受] 到时间流逝也是纯纯的哲学研究，跟讨论中文房间的思想实验差不多。从理论上来看，LLM 就是无状态的，你今天提问 LLM 一个问题 和 明天提问 LLM 一个相同的问题，在输出上不会有显著的差异。一个具有时间平移不变性的物理定律能感知到时间流逝么？我们能通过某个实验现象来区别实验是今天还是昨天做的？甚至我们对时间的定义本身就是哲学思辨。

百度首页：
https://imgur.com/a/6jCHZjq

另外 acid3 是个比较老的测试标准了，html5test.co 按照支持特性打分目前是 381 / 588