wdhwg001

@sampeng 不是特化训练，是泛化不够。它的训练语料大量来自于 Claude Code ，以至于你让它背诵一些已经不存在的 Schema ，它如数家珍。很可能是 RLHF 在 Claude Code 里训练任务完成所需的 Token 总数，然后训成了特化，因为 Claude Code 会还原 cwd 。

任何第三方 Harness 都要尽可能地去还原原生行为，包括名字、schema 、各种提醒，否则数不尽的坑在面前。

难道要趁此机会欣赏自己的鸡巴吗？

@BestEicky 这是原本的内置功能被全局禁用，灰度恢复。

@KJH subagents 可以锁到 Opus 的

@guin Opus 3 时代老号就算 IP 全球来回跳，时区在中国，聊天用中文，都没问题。

@BestEicky

8 tasks (3 done, 1 in progress, 4 open)
◼ 当前任务 1
◻ 后续任务 2
◻ 后续任务 3
◻ 后续任务 4
◻ 后续任务 5
… +3 completed

这个东西。

@windliang 其实当时明眼人都知道偷了 Cursor Rules 里的可选规则，但是 Cursor 没想着拿它造生态。

@chenyongchanggg 板着脸认真说事情的时候可能会有点过拟合吧…就隐约带一点 AI 味道，但是是真人没毛病嗯

@Jinmu24 没啥求教的，我觉得也不需要上一个 ADR ，在该 Reflection 的点提醒，然后 Reflection 结果持久化，去调优 Reflection 就行了，没啥必要去翻倍 usage 审查，事实上 LLM 对于自己犯的错误非常敏感，这是 RLHF 的核心部分。

狠狠摔一跤就是指，你要让它去犯错和挣扎，而不是要让它去预先怀疑。因为怀疑是普适性的，它会怀疑每一件事，导致任务完成时间拉长，而如果让它对着怀疑去 reflection ，它不会有把 finding 记录下来的东西，你给它套上一个 sidecar LLM 也没用，如果不踩坑，两者大概率都不响，因为 base model bias 摆在那里，两个模型之间会倾向于认同彼此，你要让它响才行。

提高怀疑本身也是很难建立平衡和 metrics 的，而 Reflection 思路则容易很多，很多时候开发任务是需要人来做这个 reasoning 的，任务完成时间是刚需，而提高怀疑的代价清晰，收益不确切，预测收益困难，策略只能是全用上，就像越来越依赖 xhigh 一样。