> 目前提效更多的是一些体力活，比如命名、预测相似的逻辑等
> 生成速度的我感觉很慢，深度思考更慢，几十秒到几分钟不等
我用的 cursor 的预测，性能非常好，很多时候只要改掉一个地方马上就会举一反三帮我改其他地方。
深度思考的话我现在用的 gemini 2.0 flash exp ，主要是贪免费。

昨天突发奇想要做一个识别视频里文字位置的项目，直接问 AI 怎么做，AI 告诉我 tesseract 能搞，花了一个晚上让他帮我用 Python 写了个脚本，ffmpeg 读视频转图片，喂给 tesserocr ，拿到数据处理完写入 json 。然后再让他帮我用 lua 写了个某软件的插件，读取 json 然后操作文件。

今天这脚本已经进生产了。我是一点儿也没认真读代码，具体细节实现全是 AI 写的。Python 和 lua 我都不懂，全靠写注释和伪代码然后让 AI 自己转成代码，跑起来炸了就把错误信息扔回去让 AI 自己想。

这不是说程序员的能力就不需要了。扎实的功底依然是玩转 AI 的前提要求。比如 AI 抓 ffmpeg 的 stdout ，然而 ffmpeg 的 log 都是写 stderr 的，然后就 blocking pipe 了，这种 AI 发现不了，得你自己发现了处理。剩下的那些没有技术含量但又非常花时间手写的地方才是 AI 发挥本事的地方。

对普通用户来说内核是操作系统版本的一部分，没事不乱升级系统的话内核也不会多动。

思考模型和非思考模型的区别（

@sagaxu

Community Edition is free to use for personal and commercial development.

一眼带毒老毛桃。

向 elon musk 学习，人家直接站在总统办公桌旁边，想怎么样就怎么样。
你又做不到站在最高领导人旁边，又要操最高领导人才能操得动的心，就很难了。

@TigerS 数学方面我就不清楚了。这种情况的话最好就是多个模型换着用。
比如现在流行让 R1 专门负责思考，做一些规划上的东西，规划完了以后切到 sonnet 根据规划的文档去写实际代码。

不记账，反正钱除了日常开销都交房贷了。

缺点：completion 要小钱钱，一个月 20 刀。
爽是真的很爽，各种无缝补完，我脑子里想的啥，打个开头，就给我自动写完了。

@TigerS Claude 质量普遍是更好的，cursor 默认就是用的 Sonnet ，唯一要担心的就是价格。
Claude 3.5 Sonnet 是 3&15/M ，对比 Gemini 2.0 Flash Exp 是完全免费，就算用正价版的 Flash 也只有 0.1&0.4/M ，价格差距是 30 倍。要是要我自己掏钱，那我选便宜点的，顶多反复多问几次。

gemini flash 挺便宜。要高质量又不怕花钱的话可以上 claude 这些。

别说电子邮件了，别人去邮局给你寄信也能把发件人写成你自己呢。

这几天简单尝试了一下拿 cursor 辅助写代码，给我的感觉就是要我自己写可能等我退休了也写不出来这样的。
把一个项目里读写文件的部分和原本的业务逻辑解构出来单独拉到一个文件里，做成简单的接口，返回文件结构，然后找到其中最慢的那些函数调用然后让 AI 重写成性能更好的版本。
一共花了差不多两天时间，性能大概提升 4 倍左右，可读性大幅提升，PR 已经交出去让人审了。

先写 prompt 让 AI 生成代码，然后再让 AI 根据生成的代码写注释（

随便搞个华硕的机子，7940 或者 8845 或者 300 系，装个 g-helper ，想暴力就暴力，想安静就安静，我平时把功耗降到 15W ，风扇曲线全拉静音，基本没噪音，日常开发也绰绰有余，要性能的时候放宽到 25W 或者 30W ，风扇曲线拉上去，性能也不差。而且这些都可以在 g-helper 里一键切换，调好预设以后按一下就行了。

你结婚的目的是什么啊，为了结而结吗？感情一点都没看到，分财产倒是精打细算。

这边还是建议

分