OP 挺好的，见识过你就懂了。倒也不用封心锁爱，勇敢去爱，然后不合适就分开就行了。你最终会找到合适你的那个人的。

加了后训练的数据集，模型本身肯定比裸开源模型要好的。即使基座是一个很小参数的开源模型，只要业务上有价值，我感觉很多公司都会跟进然后训练自己的模型然后进一步提升效率。

如果每一个结果真的到了毫秒级别的响应了，那就是另一个 level 的应用了。如果考虑准确度不敢接入业务系统的话，在内部工具里面用用肯定没问题的。

如果着急用钱，拿就拿出来。如果本来就是闲置资金，并且没有很好的新的投资标的，那就放着呗。同上，祈祷式炒股本质上就是赌博，和买大小没啥区别。

商业项目，选生态好的语料足的，确保 AI 不会写一些邪门歪道的代码。
个人项目，选你觉得最酷的。

基本上很像我自己日常的工作流，比较好奇 smoke 为什么需要人工？

@suikatw 这个不重要吧。内容有用，没什么车轱辘话就行。

顺便点赞，非常有帮助！

取决于你的项目会有多大。如果自己写着玩的，无所谓了，单文件只有一个函数模型也能搞定。

但凡你要考虑 scale ，多花点时间在模块设计，分层上，后面和 AI 协作起来会更加的高效和流畅。

glm5.3 或者 deepseek v4 flash 做 worker ，astra 做 plan 和 review ，基本上是一个甜点区间。

别听那些只要睡够了，作息无所谓的言论。对大多数人来说，早睡早起是刻在你基因里面的正常作息。而且科学角度来说，清晨的自然光引起的褪黑素减少带来的自然唤醒是身体最舒适的起床方式。忍住不玩手机，或者不到一两点就睡不着只是习惯问题。要不要改掉这个习惯取决于你有多在意自己的长期健康。

1. 同上，身体是革命的本钱。不过度透支身体的情况下，再想如何多挣钱。跑得久比跑得快更重要。
2. 注意力是财富。
3. 多掌握阅读带来的复利，多从书本中学习一手知识。
4. 暴富是不现实的，财富也不是通过某一个选择就突然到来的。做好每一个不起眼的微小选择，你最终就不会太差。

spec 不应该关注代码细节而是关注你的 goal ，goal 包含业务需求，架构设计以及其他非功能性的部分。其他的代码细节在这次实现中不需要也不应该需要太关心。如果实在是看得不爽想要重构或者需要治理的，单独开一个 spec 去做重构，在那个里面聊你想聊的代码细节。

同意，AI 是一辆极速行驶的车，能很快开到终点，也能很快撞毁。大型项目如果纯靠 vibe 不去定期治理，总有一天会摁下去一头冒起来一头，或者再高的上下文窗口也没办法分析完一个问题。

herdr 或者 tmux 直接 agent 调用 agent

手冲，胶囊，半自动意式机都用过。结论就是试过意式机器之后就回不去了。一次性投入个 1-2k ，回报还是很高的。我的机器已经用了两年了，依旧非常满意。

如果你的系统和工作流并没有很好的适配 AI ，那么你会发现 AI 很多时候会帮一些倒忙。

拿 UI 来说，如果你们没有 design system ，那么细枝末节几个 pixel 的对齐，即使 figma 导出带所有样式和结构的对象树，也很难完全复刻。相反如果你的 design system 做的很好，糊 UI 简直跟玩一样。包括测试也是，有 design system 的前提下，基于 playwright CLI 或者 agent browser 把 accessibility tree 做一份 component tree 的映射，把你需要肉眼验证的 UI 转变成结构化的数据，测试起来就完全没问题了。

再就是楼上也说过，设计和开发交接，使用 HTML 或者 SVG 而不是直接是设计稿或者图片，尽可能把设计稿转换成 AI 可读，可以很好理解的结构，这样协作起来效果也会更好。

学习英语，不要迷信各种学习 app ，不要背单词，不要打卡。

如果你要练习阅读，你就尝试把一篇文章中译英，然后英译中。先做，不管能翻译多少，然后 AI 帮你 review 。
如果你要练习口语，你假如认识外国人，你就去找他闲聊。不认识，你就去找 AI 对话。
如果你要练习听力，你就去听感兴趣的播客或者看 YouTube ，然后自己自己把听到的内容写下来然后做对比。

打卡或者背单词，很多时候你追求的是任务闭合，你追求的是一天要完成这个任务，其实很多时候已经偏离学英语的目的了。而且很多 app 的所谓的记忆曲线复习，根本不是这么回事。大多数情况是，你在 app 上学习了，app 给你输入了很多信息，但是这些信息没有过你的脑子，你该忘还是忘。

用实践代替纸面上的学习，非常关键。说出来 > 写下来 > 读一遍.

wise 解君愁