maolon

@Chuckle 我觉得现在还在早期阶段，至少市面上还没有一套完整的，业内公认的 agent 工作流出现（就是怎么理解任务背景，怎么拆解任务内容，怎么执行，和怎么用测试验证防止出现你提到的这种经典错误），不过前两天刚出的 aws 的 kiro 有点那么个意思了，搞不好今年底或者明年初这套流程就能定下来，定下来之后大家统一按照流程走和优化流程，估计复杂度高的业务也能拿下了

我觉得本来就不应该把大部分精力放在怎么写上面，
而且下一代开发可能一入行就是 ai 辅助代码的环境了，会不会写对他们来说可能真没这么重要

你不试一试 gemini 2.5 pro 和 o3/o4 mini high 还有 grok4?
你选的那几个做题都一般

ai 应用发展的最快的是程序员应用的原因只是因为程序不是一个 open ended question ，有明确的结果可以预期和判断，所以 1. 这个方便了基模训练和对齐的过程 2. 也方便基于基模的应用引入自己的工具进行增强，所以程序员应用的体验是最好的，发展也是最成熟的，而不是交互模式这种理由

@iorilu vibe coding 不是要你啥都不想，而是让你不要再关注怎么“写”这种没有意义的“术”的层面的东西，更多的解放你的思维关注你说的这些核心要点（产品，架构，用户体验，快速迭代），我一直觉得 karpathy 啥都好，就是取名取的太有误导性，取个 vibe 这个词好像啥都不用关注一样

我觉得主要问题是这种场景下，甲方并不是程序员或者项目经理，可以很清晰准确的表达他们的需求，也就是
1. 需求很模糊
然后之前的 text2img 模型又有一个很大的缺陷就是他们是靠关键词生成图像（“念咒语”）而不是语义化的理解需求，也就是
2. 自动化生成需要很精确的需求描述
最后就是现在模型依然有的局限，没办法很好的对图像内容进行准确的评估，所以
3. 自动化评估很难实现
这几个点不解决就是文里面说的，只能完成 80%，后面就得靠人工，迭代也带靠人工，估计真正接近 95%的全自动流程得等到现在的语义化 text2img 和 vllm 的能力再提高才能实现了

维护？ 按 andrew ng 前些时候的演讲，他公司一个月内换了三次架构，有问题就重写重构，代价已经是历史上最低的时期了，而且以后还会更低

你这啥都谈了就是不谈输出速度，kimi 官方 api 的输出速度才 15 t/s 左右，拿来写码不嫌慢么，claude 4 再慢也有个 50 t/s 往上的速度，cc 切了谷歌模型更是能到 200+ t/s 以上的速度