@Cynicsss ocr 行数少跳过 plan ，但主审查会继续跑。实际情况是只改了 1-2 个文件的 1-2 行，但是牵涉到另一个内容很多的文件，subagent 还是会把这个内容很多的文件看一遍，并发设计又要等所有 subagent 返回，每次跑还都是独立操作，缺缓存和复用，就出现这种奇怪的情况了。

谢谢！有用的项目。做训练的时候是调阿里的 Document Mind 接口转结构化，然后自己处理 RAG 。这个 knowhere 相当于把 RAG 也做好了，企业内部知识库这类场景节省很多工作量。

@andrewTeller 外网访问是把 URL labfile.oss-cn-hangzhou-internal.aliyuncs.com 里的 oss-cn-hangzhou-internal.aliyuncs 这段替换成 shiyanlou
纯演示项目，给没网络的读者 vcrpy 重现请求用的，在他们虚拟环境里能下载。

谢谢！同样的痛点——网上小程序广告太多，又都是中文。
看了下这个项目还支持多语言，非常贴心了。

看描述真是疑难问题了。是说 Bing 能正常抓取 sitemap.xml ？是不是可以排除连通性问题。

这个 GSC 的提交失败 Status 一直不成功，是[失败]？在 GSC 顶部的搜索栏直接输入 sitemap.xml 的地址是绿色吗

上规模就考虑多站点。

要是小一些的站，直接用子分类。父分类地区，子分类菜系。缺点是子分类也要手动建。
还要一点灵活性的话，可能注册 taxonomy 会更好。

这条推支持反对的都有，有说让 CEO 深入技术细节不如让他们专注于商业判断。也有说不用 AI 构建产品的 CEO 正在管理一家他们实无法理解的公司，“理解力”无法转交给下属。
AI 应该还没到完全颠覆企业流程的阶段，CEO 下场 vibe 没什么问题，但如果不是技术背景或者之前从来不参与，贸然干涉已有开发流程可能不是明智做法。

多人协作的目前最容易落地的应该是“中间产物”和“共享上下文”。前者就是在“意图”和“代码”之间，有一个记录，将自然语言意图编译为可读、可编辑且受版本控制的结构化中间表示，根据团队成熟度用 Spec 文件，用图（转 spec ），用自己实现的其他格式都有。“共享上下文”是项目里用 AGENTS.md 、.cursorrules 、architecture.md 控制好大的约束，然后用其他记忆管理比如 mem0 动态记录项目变化，比如一个配置文件用 TOML 写了被记录到记忆里，另一个人像用 YAML 写，在上下文里发现冲突就能拦掉。

猪队友——文明一点叫低效协作者，影响主要集中在倾向于快速接受 AI 生成的第一个“能跑”的方案。降低方式主要是人工审核了，另一个实践是引入发散性思维的显式脚手架，就是让低效协作者在接受这个方案之间，先让 AI 多给一些其他方案做选择。

如果一直都是 vibe coding ，“能跑”会累积成复杂的缺陷，传统的单测被认为会失效。有一种实践是强制要求 AI 生成一个映射表，将 Prompt 中的每一句话（业务意图）精确映射到具体的代码行（类/函数）和具体的验证点上。审查这个会比审查代码细节更能发现早期的规范缺失。我前两天还 share 了一个做法，也是一种可供参考的实践： https://v2ex.com/t/1216271

至于“最佳”估计很难说，毕竟去年刚提出来的概念，模型也还在更新。

@andrewTeller 演示项目 llmrec 那个 tar 包吗？稍等我问问他们客服，放的是内网链接。

@409164 不同的大模型是能缓解。也提出对抗独立性是结构层面，最好能有形式层面的独立。大模型训练的数据高度重合，还需要增加非 LLM 的验证机制，比如静态代码分析、形式化验证，最终的人类业务逻辑审查。

@andrewTeller 谢谢，重新看第三章是有问题，本来是推荐系统的图增强检索。都去写 RAG 了基本没提到。我再补充些内容。

mbp m4 ，当时只记得加内存了。
买的 [雷电 4 硬盘盒+NVMe M.2 1T] 的组合，用了 2 年多。等新款出来换更大硬盘

好玩，想起之前看过的一个研究：vetbench.github.io Can Vision-Language Models Solve the Shell Game
它是用三仙归洞的案例，和 [遮挡+目标跟踪] 这个类似。不过它是想说 LLM 对于状态记忆的问题，提出了 SGCoT ，类比麻将就是记住牌的 [物体的运动轨迹] 。40 张麻将牌要复杂得多，我不是做 CV 的，不太懂。

这两家是各种模型——chat/image/video 都有，支持起来才有意义吧。Responses api 做的事情多，还要处理状态，估计兼容成本也不低。

@zhongmingzi 不想有广告嫌疑所以没带地址。要的话这里：lanqiao.cn/courses/52658/ 邀请码：51TA6JLJ

比较标准的选型了。就 AntD + tailwindcss 不太常见，配置不好容易样式冲突。
有个很类似的数据分析的 admin ，是用 Python 开源的 redash 改的，相当于带了一套 BI 了，做内部的分析 admin 平台可以考虑，不过它是 Flask 。