Liftman 最近的时间轴更新 Liftman 最近的时间轴更新 |
LiftmanV2EX 第 493197 号会员，加入于 2020-06-04 17:00:48 +08:00今日活跃度排名 8945 |
| macos 卡顿的问题一直无解 macOS • Liftman • 97 天前 • 最后回复来自 PainAndLove | 33 |
| Grok3 推理和深度搜索调研功能已经推送了，收集一些大家的经典问题来做测试 分享发现 • Liftman • 174 天前 • 最后回复来自 Liftman | 6 |
| 悲伤，欧版 s25u 不支持电信或者移动 5g。联通没试。。。 分享发现 • Liftman • 187 天前 • 最后回复来自 moefishtang | 7 |
| 买了个欧版 S25U，我看 imei 是质保已经在 2 周前被激活？ 问与答 • Liftman • 189 天前 • 最后回复来自 Liftman | 6 |
| Cursor 半小时写好的小程序上架了 分享创造 • Liftman • 160 天前 • 最后回复来自 ungrownxiaohao | 92 |
| Cursor 半小时写好的小程序备案通过上架了，给大家看看。 Chamber • Liftman • 205 天前 |
| 微信小程序个人备案多久能通过啊。 Chamber • Liftman • 211 天前 |
| 年会礼品有什么推荐吗？ 问与答 • Liftman • 236 天前 • 最后回复来自 bxm | 26 |
| parallel desktop 共享区域权限问题。 问与答 • Liftman • 180 天前 • 最后回复来自 xieyingli | 5 |
| apple watch 服务抽风了？无法正常使用任何功能 WATCH • Liftman • 272 天前 • 最后回复来自 zhpalt | 3 |
Liftman 最近回复了
7 小时 7 分钟前 回复了 dajj 创建的主题 › 程序员 › 现在大家对 AI 编程的感觉怎么样 ？ |
其实就一个问题。你用的 ai 是否是目前的 sota ？。。。如果每天使用 gpt-5 和 gemini 和 grok4 和 opus4 的人我觉得不会问这些问题。。。。如果你还在使用落后的模型。那这个问题完全没有意义。完全不同步，不在一个频道。说锤子呢。。。。。
10 小时 50 分钟前 回复了 dsd2077 创建的主题 › 程序员 › Cursor 让我越来越失望 |
@cwang22 有插件可以看当前用的 api 总价。哪怕算了缓存的情况下，依旧远超会员费了。。。200 刀的会员目前最高记录一个月网上的，是薅了几万刀。。。我们现在开发有一个积极性很高的地方就是，他们会很乐衷于往死里用。。。周末喜欢疯狂挂并行任务干点额外的开发。 绝对赚啊。如果你们老板心疼。可以 200 刀 2-3 个人一起用。。他暂时还没管控这块。但是月底开始可能会有一些限制了。。
10 小时 51 分钟前 回复了 skyrim61 创建的主题 › 程序员 › 给出关键词, 以现在 AI 的水平, 可以写出一个类似 navicat xshell 等替代软件吗? |
@dong12138 有插件可以看当前用的 api 总价。哪怕算了缓存的情况下，依旧远超会员费了。。。200 刀的会员目前最高记录一个月网上的，是薅了几万刀。。。我们现在开发有一个积极性很高的地方就是，他们会很乐衷于往死里用。。。周末喜欢疯狂挂并行任务干点额外的开发。
1 天前 回复了 kingpo 创建的主题 › 程序员 › 利用 AI 辅助编程有什么高效方式减少迭代的次数？ |
因为豆包不是个 coder 模型。ds 的上下文非常短，也没有 coder 版本。qwen 略微搞笑。说句不好听的，你在拿 3 个不成熟的玩具尝试进行正经工作。
目前能打的模型只能 claude sonnet 和 opus 。而且只有 cc 和 augment 的个别 vibe coding 工具靠谱。
目前能打的模型只能 claude sonnet 和 opus 。而且只有 cc 和 augment 的个别 vibe coding 工具靠谱。
1 天前 回复了 dsd2077 创建的主题 › 程序员 › Cursor 让我越来越失望 |
claude code max 欢迎你。而且我觉得不管从什么角度来说，20 刀的会员能帮上你的大忙，那要么是工作难度太低，要么是见鬼了。不能太指望了。换 cc max 。一天回本。
1 天前 回复了 skyrim61 创建的主题 › 程序员 › 给出关键词, 以现在 AI 的水平, 可以写出一个类似 navicat xshell 等替代软件吗? |
首先，这不是几个关键词能完成的工作，任何 vibe coding 都是大量的提示词对话构建的。当然不否认你可以用 agent 架构，让 plannar 去负责构建提示词和系统架构。但是颗粒度还是取决于开发者到底懂不懂要做什么。
其次我看评论区很多人可能甚至都没有用过 claude 或者 claude code ，对 ai 编程的印象还在八国联军那会。和我最近面试的很多应届生差不多。挺可悲的。
最后，我觉得如果只是想实现替代性功能，单纯的实现功能，不考虑复杂交互和 ui 的开发是可以实现的。
因为我觉得大家要明白一个问题，楼主提的软件都是为了人的操作而开发的，而如果未来的目的是给 ai 进行操作，是完全可以类似 claude code 走 cli 路线，这样反而是最适合 ai 的。抛弃所有的交互界面，因为最终目的也可能是只是用于某个 mcp 。
PS. 目前我们团队都是用 claude code max 会员，而且都是一天回本。如果靠 api 编程，那真是天价。但是给予的回报也是对应的。我在尽可能的让每个开发都进行独立的项目，最多 2 个开发并行。其实对于我们普通公司的开发团队而言，根本不可能遇到什么高级的复杂的开发任务，大部分还是业务的对接，细节的拉扯。只要能够站在总体开发角度，能够足够的拆碎开发需求，能够明确目标，vibe coding 的输出是很稳定的。别扯什么上下文太短，目前来说绝对不短了。不够用只能说你要么没有能力足够细化，要么就是还是一知半解的乱用 ai 。
其次我看评论区很多人可能甚至都没有用过 claude 或者 claude code ，对 ai 编程的印象还在八国联军那会。和我最近面试的很多应届生差不多。挺可悲的。
最后，我觉得如果只是想实现替代性功能，单纯的实现功能，不考虑复杂交互和 ui 的开发是可以实现的。
因为我觉得大家要明白一个问题，楼主提的软件都是为了人的操作而开发的，而如果未来的目的是给 ai 进行操作，是完全可以类似 claude code 走 cli 路线，这样反而是最适合 ai 的。抛弃所有的交互界面，因为最终目的也可能是只是用于某个 mcp 。
PS. 目前我们团队都是用 claude code max 会员，而且都是一天回本。如果靠 api 编程，那真是天价。但是给予的回报也是对应的。我在尽可能的让每个开发都进行独立的项目，最多 2 个开发并行。其实对于我们普通公司的开发团队而言，根本不可能遇到什么高级的复杂的开发任务，大部分还是业务的对接，细节的拉扯。只要能够站在总体开发角度，能够足够的拆碎开发需求，能够明确目标，vibe coding 的输出是很稳定的。别扯什么上下文太短，目前来说绝对不短了。不够用只能说你要么没有能力足够细化，要么就是还是一知半解的乱用 ai 。
14 天前 回复了 mfsw 创建的主题 › OpenAI › chatgpt，又被降智了。大家都是怎么伺候这个祖宗的？ |
@mfsw 就普通的厂就行啊。搬瓦工啥的。但是协议记得搞对。不然秒封 ip 。换一次 7 美金。
15 天前 回复了 mfsw 创建的主题 › OpenAI › chatgpt，又被降智了。大家都是怎么伺候这个祖宗的？ |
自己租一个 vps 就行了。自己架一下也就五分钟。。不要考虑 peo 。官方的预设提示词，内置的工具是无法比拟的。。。。纯 api 效果很拉跨。
28 天前 回复了 kiritoyui 创建的主题 › NAS › 优雅访问家里内网服务的方式讨论 |
我买的懒猫。。。因为我懒。
29 天前 回复了 mythjava 创建的主题 › 问与答 › 什么叫垂直领域模型?领导让我弄一个用来获取政策支持 |
你不需要微调。其实最简单就是 2 个角度。1 。做成智能体。限制他回答其他通用问题。2 。加个知识库，塞点领域内的文本就行，不要管质量，只要数量。
然后这样吹：“
我们打造了一款面向 XX 行业的垂直领域大模型，它不仅是一个“懂行业”的大语言模型，更是一种对通用智能架构的深度垂直重构。
在数据层，我们整合了 超过 XX 万条高质量行业样本，总规模 XX 亿字的标注语料，覆盖了流程文档、结构化记录、实操指南、用户对话、异常日志等多个维度，形成完整的行业知识图谱与行为链路。
在模型层，我们基于当前主流的 Transformer 架构，引入了动态稀疏激活的 MoE （ Mixture of Experts ）机制。通过在推理过程中动态选择不同专家路径，我们实现了模型在不同子任务间的能力分化与局部最优，每次前向仅激活 16%的参数，在显著提升性能的同时，大幅降低推理成本。
不仅如此，我们通过对行业任务进行标签驱动的专家路由学习，将模型专家层显式绑定到业务流程的不同模块，实现了“专人专岗”的智能推理路径。
同时，我们对模型进行了蒸馏与剪枝优化，在保留领域任务强表现的前提下，砍掉了超过 70%的冗余通用权重，使模型体积精简至原始的 40%，同时显著提升了加载速度与边缘部署能力。
更重要的是，在微调阶段，我们全面剥离了原始通用模型中与目标行业无关的知识残留，通过负迁移抑制 + 正则对比学习，显著提升了模型在行业问答、决策辅助、故障推理等核心场景下的稳定性与可解释性。
最终，这款模型在多个真实业务任务上交出了优异答卷：
• 召回率提升 32%
• 行业意图理解精度提升 29.4%
• 推理延迟降低 65%
• 平均部署成本下降 58%
然后这样吹：“
我们打造了一款面向 XX 行业的垂直领域大模型，它不仅是一个“懂行业”的大语言模型，更是一种对通用智能架构的深度垂直重构。
在数据层，我们整合了 超过 XX 万条高质量行业样本，总规模 XX 亿字的标注语料，覆盖了流程文档、结构化记录、实操指南、用户对话、异常日志等多个维度，形成完整的行业知识图谱与行为链路。
在模型层，我们基于当前主流的 Transformer 架构，引入了动态稀疏激活的 MoE （ Mixture of Experts ）机制。通过在推理过程中动态选择不同专家路径，我们实现了模型在不同子任务间的能力分化与局部最优，每次前向仅激活 16%的参数，在显著提升性能的同时，大幅降低推理成本。
不仅如此，我们通过对行业任务进行标签驱动的专家路由学习，将模型专家层显式绑定到业务流程的不同模块，实现了“专人专岗”的智能推理路径。
同时，我们对模型进行了蒸馏与剪枝优化，在保留领域任务强表现的前提下，砍掉了超过 70%的冗余通用权重，使模型体积精简至原始的 40%，同时显著提升了加载速度与边缘部署能力。
更重要的是，在微调阶段，我们全面剥离了原始通用模型中与目标行业无关的知识残留，通过负迁移抑制 + 正则对比学习，显著提升了模型在行业问答、决策辅助、故障推理等核心场景下的稳定性与可解释性。
最终，这款模型在多个真实业务任务上交出了优异答卷：
• 召回率提升 32%
• 行业意图理解精度提升 29.4%
• 推理延迟降低 65%
• 平均部署成本下降 58%
Select Language