@asd999cxcx 梯子问题

@iwdmb yes

@cmos 有道理

@YanSeven 进 4 个月 ai 基建（电力和数据中心）涨幅平均都有 200% 认为过热的言论很多

@importmeta 我不觉得是泡沫

@neal1986 方案都是自己想或者问 gpt 的 ai coding 负责把方案翻译成代码

@kursk codex 写后端（几乎不出错 且代码风格很赞） copilot+figmamcp 写前端（因为便宜大碗）

没必要看，这些书会加深完美主义，让你忽略 验证和满足需求这个目标。ai 时代应该远离前后端和传统软件(本质是结构化数据处理)，研究更有探索性和非结构化的 agent 和产品设计

@triptipstop 英文字母格式的，和 V2EX 昵称差不多

@billlee 是这样 的

@WithoutSugarMiao 看了这个仓库，大部分组件是 for 工程上的安全或成本控制，gemini-cli 里还有这个文章的更清晰的实现，但从学习角度来讲，gemini-cli 的实现，非常痛苦，核心 loop 和前端交互代码混杂在一起；为了保证稳定性的代码远多于实现功能的代码。

我发这个帖子就是为了干掉这些 为了“使用稳定/成本”才有的优化，专注于实现功能本身

不知道为什么 cc 效果好，我猜核心是一套评测系统，以此优化 prompt, 和写的代码代码应该关系不大（我猜的）。anthropic docs 花很长篇幅解释了评测系统。换个说法，即使知道 cc 牛逼的原因用处也不大，关键要知道可量化的评测。

多喷，我爱听
但凡研究过 claude-code 这类 cli 工具就说不出这话，还有人用 memory 和 commit 来反对，这就像别人送一朵花，却有人喷叶子长得不好看
有十几个哥们点了 star 的，我相信他们也认为 简单>复杂，逻辑>优化

感兴趣可以研究一下知名仓库的逻辑:
https://minusx.ai/blog/decoding-claude-code/
https://github.com/google-gemini/gemini-cli

这篇文章和我观点一样:
https://www.reddit.com/r/AI_Agents/comments/1myms7e/agents_are_just_llm_loop_tools_its_simpler_than/

agent 的逻辑由 llm(data) 驱动而不是代码(固定逻辑)

ui 问题 建议先用其他 ai 生成 figma 设计图，再用 mcp 连上 figma

1. 他很简单 2. 他能工作；

@cabudon 开帖细说

@HENQIGUAI 据我观察、涨粉快的人 reply 别人比较多、但我不太认同这种涨粉方式

@acehinnnqru x 的算法开源的

如果对你有帮助，请回复一下