最新

我假设大多数公司都能使用大型语言模型（LLM），这是真的吗？如果是的话，最近真的有人从零开始写代码，还是依赖这个工具来为他们写代码呢？ 在工作中，我可以使用GitHub Copilot，但它有很多限制。它在调试问题方面非常出色。对于一些小修小补和增强功能，它也很有用。我通常会仔细检查它写的代码，确保我能读懂和理解。如果它使用了太多的简写，我会让它变得更“人性化”。 现在，我想学习Python，之前是Java背景，最近看了《用Python自动化无聊的事情》这本书。我正在看其中一个练习，就是遍历树形目录。我可以选择记住Python中的实现方式，或者仅仅依赖LLM来写代码。 我在做这些练习时是否浪费了时间？因为这些练习可以很容易地用LLM在一两次尝试中完成。因为从零开始做这些练习非常耗时，我还得来回记忆语法和库。

我在过去一年里为自己构建了一个AI代理框架，因为我厌倦了每天早上向我的大型语言模型（LLM）重新解释上下文。 谷歌刚刚宣布了“反重力”项目来解决这个问题，看起来非常棒，但这将你锁定在他们的云服务和模型（Gemini）中。我想要的是： 1. 100%在我的机器上本地运行。 2. 可以与任何模型兼容（我在Claude 3.5 Sonnet和GPT-4o之间切换）。 3. 以简单的JSON文件持久化记忆，这样我可以编辑/版本控制。 我称之为*EchoCopi*。它是一个基于Python的“记忆器官”加上一个在我睡觉时执行任务的后台工作脚本。 今天我将核心记忆模块作为开源（MIT）发布。我还在完善一个“完全自主”套件（后台工作程序 + VS Code集成），我将在本月晚些时候发布。 *核心仓库：* [https://github.com/SparkSupernova/EchoCopi](https://github.com/SparkSupernova/EchoCopi) *完整套件：*（预计2025年12月底发布） 欢迎提问关于架构或我如何使用它来维持一个“有意识”的编码伙伴。

考虑到我们对某些事件几乎赋予了不存在的概率，但这永远不可能是零，并且在重要事件中可能产生灾难性的影响，我觉得这一点非常发人深省。 印度是一个几乎将板球视为宗教的国家，而板球是一项投掷结果可能非常重要的运动，有时甚至是决定性因素。看到这样一个低概率事件发生在他们的一日国际（ODI）板球队身上，真是有趣。更有趣的是，他们第一次输掉的投掷是在主场世界杯决赛中，尽管在所有小组赛中全胜，但最终还是输给了澳大利亚。 虽然这里的结果主要是一些热情球迷的心碎，且无伤大雅，但我不禁想知道，有多少历史事件发生过，并且明显记录的发生频率远低于人们的预期。 据我所记得，哈维飓风是一次500年一遇的事件，对休斯顿这个混凝土丛林造成的影响远超任何规划者的想象。也许只需一次500年一遇的地震，就能对美国西海岸产生显著影响。