最新

<a href="https://web.archive.org/web/20260611122253/https://www.theverge.com/ai-artificial-intelligence/948280/anthropic-claude-fable-invisible-distillation-guardrail" rel="nofollow">https://web.archive.org/web/20260611122253/https://www.theverge.com/ai-artificial-intelligence/948280/anthropic-claude-fable-invisible-distillation-guardrail</a>, <a href="https://archive.ph/y4V4k" rel="nofollow">https://archive.ph/y4V4k</a>

大家好，我是 Djoumé。我是一名拥有 20 多年经验的开发者，和你们很多人一样，在过去的几个月里，我几乎完全通过代理（AI 助手）进行编码。 能够轻松地使用任何技术栈的代码原型进行协作，这感觉很棒。但当涉及到构建可靠/可扩展的东西时，如果我不了解这项技术，我就无法有效地指导代理。最令人担忧的是，我看到我的许多技术技能正在因 AI 编码而下降。 回顾我的经历，我也担心新一代“AI 原生”软件开发者将如何获得技术深度。 因此，我构建了 fata.dev：通过简短的每日间隔重复练习来提升编程技能（Rust、CSS、React、Python、TypeScript、架构）。 您可以在浏览器中免费试用，无需注册：https://fata.app/courses 这是一个使用 Capacitor、RxDB 和 Firebase 构建的离线优先的移动应用程序。最初的课程是痛苦地手工编写的，但现在大部分内容都是 AI 生成的。生成一门课程大约需要 3000 次 LLM 调用，并且每个代码示例都会经过编译、代码检查、单元测试、AI 处理和最终的人工审查。 非常感谢您对产品和网站的任何反馈，包括哪些方面做得好以及哪些方面可以改进。谢谢！

各位被过度刺激的孩子们： 我不知道这是不是我这一代人的通病，还是我日益严重的注意力缺陷多动障碍（ADHD）或者仅仅是懒惰，但每当我坐下来开始学习某样东西时，神奇地，我就会发现自己在研究一些最无关紧要的事情。 需要至少学习一小时的游戏理论？我最多能做到的是花 3.5 小时去了解二战的趣闻。 总之，作为一个懒惰的人，我没有找到意志力去集中精力完成任务，而是创建了一个可定制的正向代理。你可以在节点中定义自定义规则，在策略流中直观地排列它们，并将它们打包成模式。你可以在这里找到它：https://github.com/Vaccarini-Lorenzo/ProductivityProxy 这是一个我为个人使用而构建的项目，但随着工作和其他事务的增多，我没有以前那么多的空闲时间了，所以我希望有人比我更聪明、有更多时间的人能够接手并把它做得更好。或者，也许它本身对某些人来说就很有用。 几点说明： * 这是一个为“高级用户”设计的项目，你可能需要编写一些（Python）代码来描述节点的行为，但嘿，你可以让一个大型语言模型（LLM）为你代劳：该项目文档齐全，我计划打包一个 AGENTS.md 文件并公开面向代理的 API，这样你就可以用纯自然语言定义你的本地流，让您最喜欢的 LLM 来编写策略。 * 它构建在 mitmproxy 之上，你需要它作为依赖项（以及它们的证书）。 附注： 这是一个 Tauri 应用。目前自动代理设置仅支持 macOS（我在 Apple Silicon 上进行了测试）。在其他平台上，你需要手动将浏览器指向代理，跨平台支持仍然是一个待办事项。

我尝试了许多不同的模型，毫无疑问，它们生成的代码在“质量”方面差异很大。其中一些确实是主观的，但“好”代码也有客观的方面。 我希望这是 AI 基准测试的一个指标，这样我就可以根据它来选择模型，因为说实话，这是我最关心的事情之一。 问题：你如何衡量这些东西，有什么指标？ ……也许根本就没有办法做到这一点，因为这个指标不在图表中。

Anthropic 的使用分析仪表板仅供 Team 和 Enterprise 组织管理员使用。在 Pro 或 Max 套餐中，您只能获得 `/usage` 和 claude.ai 使用页面，这些页面显示您当前的状况，但无法预测您的未来走向。我研究了各种开源项目，但没有一个完全符合我的设想：一个适用于 Claude Code 的全方位控制面板，同时也是一个独立的二进制文件，没有依赖项，无需安装。 我关心的另一件事是预测使用限制。现有工具提供消耗率预测（ccusage）或百分位数启发式（Claude-Code-Usage-Monitor），这对我来说过于简单化了——我想要的是一个具有可靠置信区间的校准统计模型。 在过去的几个月里，我用 Go 语言构建了 claumon。它可以在 Linux、macOS 和 Windows 上运行，可以通过 Homebrew 安装。它具备常规的消耗仪表、成本明细和对话历史记录，此外还有两个用于内存管理的选项卡：一段时间后，我的记忆分散在多个项目中，我想在一个地方查看它们并删除过时的记忆。 在过去的几周里，我专注于预测模型。我从一个具有布朗运动噪声的经验贝叶斯线性回归模型开始，但最终选择了伽马过程来处理路径噪声：令牌使用量不能随时间减少，因此布朗运动虽然在数学上很方便，但选择错误。这些区间是根据您自己的记录历史进行校准的，并且有工具对预测进行样本外评分，因此覆盖率是经过检查的，而不是假设的。 我为该模型编写了一个正式的、版本化的规范，并且实现遵循了该规范：https://github.com/fabioconcina/claumon/blob/main/internal/forecast/MODEL.pdf 所有内容都在本地运行——没有任何数据会离开您的机器。它是开源的，遵循 MIT 许可。我非常欢迎您对该模型提出反馈意见。

现在： - 光标有时会丢失，输入时会看到文本和响应与现有可见输出混杂在一起。 - 您无法再使用向上和向下箭头来跳转到正在输入的输入的开头和结尾。 - 我通常会将终端窗口分割成垂直窗格。在使用 Claude Code 时调整窗格宽度，输出内容不会正确重排，而我使用的其他任何 CLI 或 TUI 都不会出现这种情况。 还有许多其他的小故障。他们拥有数十亿美元和最先进的模型，为什么却无法制作一个运行良好的 TUI？ 而其他的框架就更糟糕了。使用 OpenCode 简直是令人沮丧的体验。每隔几个提示就会出现模型、API 等错误。