marquina

@jacketma #7 隆基绿能用 5 年的时间从 60 跌到 18 ，万科 A 用 5 年的时间从 30 跌到 5 ，快手用 5 年的时间从 400 跌到 70 ，怎么分辨是“价格洼地”还是“价格陷阱”呢？

另外，llm 打分+向量数据库的方案疑似有点太简陋了。
既然是为用户服务的，llm 的打分就需要和用户（不停变化的）偏好对齐，不然用户想看的是低分、不想看的打高分，那就玩不转了。
向量数据库也只能解决最基本的相关性问题，现实世界要复杂的多，要想做的好的话需要考虑图数据库，包括实体（时间/地点/人物/事件）、实体属性、实体之间的关联，不然就永远只见树木不见森林，没法形成一个好的内容框架。

我对推荐算法了解不多，但看到的观点更多是：基于 LLM 的生成式推荐在顶尖团队手里确实能发挥很大价值，但也有不少局限。中小公司因为数据/技术能力有限，最好不要轻易尝试。

[生成式推荐！推荐系统新范式还是新噱头？ - 知乎]( https://zhuanlan.zhihu.com/p/1931701983313630556)
[[笔记] 从 Tokenization 视角看生成式推荐（ GR ）近几年的发展（ 2025 ）]( https://arthurchiao.art/blog/large-generative-recommendation-tokenization-perspective-notes-zh/)

回到 OP 这个帖子，给我一种强烈的大炮打蚊子的感觉……

非常棒的思路, 用录制来替代 AI 操作页面元素, 解决了效率和可控性问题.

当然从长期来看, 我觉得端到端才是唯一答案, 录制没法解决泛化性的问题.

感谢，用两个号领了两张

@macwenbo #89 OP 问的是“大家每个月在 AI 工具使用上花费多少”. 我使用的是 AI 工具, 使用方法并不局限在 IDE 里.

google ai pro, 之前免费领的学生会员, 开销 0
vscode copilot, 特殊渠道白嫖, 开销 0
qwen code, 每天 2000 次免费请求, 开销 0
claude code, 公司报销, 开销 0
豆包/元宝, 免费产品, 开销 0

这些服务对我还是挺有帮助的, 打包起来我愿意每月支付 100~200 CNY

我用 beancount 比较多, 对多币种的支持比较好.
单条记账记录里同时包含币种和数量, 然后再单独记录每个货币在不同时间点的转换价格.
[境外和外币消费帐 | Beancount Magazine | Beancount 杂志]( https://quaily.com/beancount-magazine/p/overseas-and-foreign-currency-consumption-accounting)