最新

你好，我是一名全职软件工程师，有大约六年的工作经验（研究生毕业后）。我现在每天有一半的时间都在使用 Claude Code，如果停止使用 AI 辅助编码，我将无法跟上团队的进度。我感觉自己“效率更高”了，但大脑却不像以前那样敏锐了。我很好奇其他人是如何保持思维敏捷的，也许我需要重新分配时间来学习新东西，但我想知道其他人是如何应对这种情况的。谢谢！

作为一个最近才开始接触编程（vibe coding）的新手，我非常惊叹于市面上如此多的免费工具。<p>就像 ffmpeg（我用它已经很久了）一样，它完美诠释了“如果你能搞定，就是免费的；如果你搞不定，我可以卖你一把铲子”的道理，几乎所有的视频下载工具都在使用它。我以前以为下载 4K 文件有硬性限制，直到我发现了 yt-dlp 和 ffmpeg。<p>另一个例子：我今天才知道 Bluesky 的 Jetstream 协议是完全免费的，这让我非常惊讶，因为你可以从中获得大量数据和推理（虽然像谷歌地图和 X 这样更大社交数据集的类似 API 并不是免费的）。<p>似乎在过去二十年里，许多有用工具的入门门槛就是最基本的编程能力。既然这个门槛已经降低了，您能否分享一些最棒的工具，供我们这些愿意尝试代码、数据或仅仅是出于好奇的人使用？<p>当然，我并不反对为开发者提供便利而付费。但我希望更好地了解免费层级的世界，因为它确实改变了我对这个领域经济的一些看法。

在使用大型语言模型（LLM）时，我通常会构建一个提示，然后得到一个结构不太好、需要人工审核才能验证结果质量的输出。而LLM的非确定性是导致这种情况的主要原因。 我看到一些使用LLM、视觉语言模型（VLM）等技术的解决方案，它们能够完成之前已经解决的问题（例如OCR、解析，甚至代码生成）。它们能很好、很快地解决这些问题……但通常只能达到90%的准确率。我该如何搭建一个框架，让我能够对我的解决方案有100%的信心（即100%确信我 *知道* 它会做什么）？ 在传统的机器学习中，我可以通过置信度分数来判断是否接受一个输出。而且，通常情况下，它们是确定性的（即给定相同的输入，我总是会得到相同的输出）。而对于LLM等模型，我感觉这方面是缺失的。