阿里的 deepseek 限流非常严重，TPM 1.2M token

1：没有顺序。Agent 的本质就是 ReAcT 这篇论文。
2：目前流行的 Agent 都是“反框架”的。
4：没有顺序，他们分别只是不同的能力。你说你是先学走路、先学吃饭还是先学说话？都要学，但哪个先学都可以。
5：OpenCode 就不错
6：没有突出的，或者说大家都一样。Agent 这个东西他就没有客观评价体系。主观的输入 + 主观的引擎 = 主观的结果。

能想到的需要自开发 Agent 的场景，要么就是要限制权限（模型调用，对话内容，工作区限制等），要么就是要搜集数据（比如把员工的 Agent 操作流程和行为抽象成 skill ）

电力公司为何要跟模型公司谈判……
强者要主动跟弱者谈判吗？

另，目前 LLM 根本就不是如何计费的问题，目前的问题是，很多模型产品，压根消费者就没权利知道消费详情。
模型公司说你烧了多少钱，就是多少钱。

一般的 OPC 不是真的“一人”，只是人力极少。
出圈的基本都是 3~5 人这个规模。

核心就是一个人销售（公共关系、客户关系）、一个人运营（公司管理、成本控制）、一个人开发（业务实现，方案支持）。

这种东西不讨喜的，因为无法证伪。

很简单，谁定义谁负责。
他用 AI 出方案，你用 AI 实施。

靠开源 agent 找工作：很难，agent 只有大厂有兴趣，本质上就是借 agent 这个入口做数据飞轮。
而大厂其实对你做了什么完全不感冒。除非你是行业头部 top3 ，比如你是 hermes agent 、openCode 的核心作者。即便如此，他们看中你的也不是你的 Coding 技能，而是你作为头部的业务资源。

code agent 是不是太卷了：不是卷，是门槛太低。随便一个阿毛阿狗都可以三分钟复刻一个 Agent ，而且 ReAcT 像模像样。你怎么证明你和他们不一样？
本质上就是 agent 这个东西，几乎不能独立自证自己架构的价值。可能你今天的表现很棒，但是第二天结论就翻覆了。

你花几个月的时间打磨适配给世界第一厨师的炒锅，第二天厨师手断了，或者老年痴呆了，又或者厨师改做法不用炒了，你的炒锅和其他几十块钱的有什么区别？

提需求的人怎么会管技术选型呢？你吃馒头你要管他用什么锅蒸吗？

工程学当然是谁定方案谁负责。

这跟智力没什么关系，单纯的就是后训练的审查边界太低。
这就像是谁都知道女孩着急上厕所可以去闯男厕，她们之所以不去不是因为智商不足想不到，而是因为道德和心理约束。

至于说为何“审查边界低”，那就不得而知了。我只知道审查边界低有助于模型的表现上限。

量化交易的核心不是“量化”吗？

都靠 LLM 主观了还量化个毛线？

我反而觉得低代码如果能够跟上时代转型，会活得更好。

1 、用户很难用语言描述他们的产品需求，有规则限制的图形化（不管是流程搭建还是 UI 搭建）能更好的帮助用户表达自己的需求。我举个简单的例子，一个普通人如何用自己的语言陈述“模态窗口”。

2 、过去的低代码被人诟病灵活性太差，甜区太窄，一旦需求溢出甜区，实现难度指数级上升。这些劣势在 AI 时代完全不存在。

3 、低代码的确定性和规则，很好的解决了普通人用 AI 因为提示词过于笼统，LLM 脑洞大开，导致需求直接跑飞的问题。

@nc 所以没有规模化，或者说没有产业化的“淘宝”还是“淘宝”吗？
如果一个 input 框放在屏幕正中就可以叫“谷歌”的话，那我觉得确实所有人都可以，甚至不需要 AI 。

软件工程的本质就是精准把控需求，从而展现业务信息化实现的最佳性价比甜点，并最终落地。

如果说抛去所有专业化的东西，只求东施效颦的话，我抓起听诊器就是大夫，拿起笔就是作家。

看了这行字，接下来的 5 分钟，你一定会呼吸

这个没人能回复你，Claude 整个产品线都不开源。

OpenCode 是一致的，底层引擎的版本号都同步。

不会的，因为其实软件工程的核心竞争力就是精准定义需求。“给我做一个淘宝”这叫许愿。

@apkapb 如果只用 v4-flash ，是没影响的

其实问题不是否认 harness 的价值，而是如何做才是更有价值的 harness 。如何衡量每个机制、改动对于最终的产出到底是正向，还是负面作用。费效比是提升还是下降了。