yesterday

AI coding 的时候，如果想用推理模型，有条件尽量还是 o1 . 不用推理尽量还是 claude sonnet 3.5 . 这个黄金组合搭配到目前为止还没有一个能动摇的（你有 o3 的话也行） 我知道是人都想省点钱，我也会切换别的模型，但哪怕是 deepseek 满血版，在多个文件里跳来跳去，该出的错，那可怕的幻觉还是一个都不会少。 你不怕麻烦可以开一堆窗口，结合着用。想省事，提高效

我觉得本地部署开源大模型只是一个美好的愿望。 基本没有人的本地机器是跑得动满血版的，即便有这样的机器，很大的概率他也不会真的只放在家庭环境，有可能还是会跑到公司内部去。 而满血版也并没有神挡杀神，佛挡杀佛，也就是接近了第一梯队的顶尖模型而已，是接近。 而在本地，如果不跑满血版，拿他能干的事情其实就更少了。在量化了之后，推理模型也没有和以前的模型差出很多来。甚至有的时候还不如。 如果是公司，

cursor 这类工具的出现，极大的拉开了“说的清楚”和“想不明白”的产品经理之间的差距。 当然在程序员之间也拉开了极大的差距。 别看吵来吵去，最后物以类聚人以群分后会发现，人群是分了，但不是按岗位来的。 那些能更好的利用这类工具的产品经理和程序员们，现在我们会发现，他们本来就是同一种人。 他们会想到一个功能实现之外用户有多少种不按预设来操作的方法和路径，他们不会讲出“正常人不会这么用

用 cursor 类工具最大的风险不在工具，在人，在于你有没有放弃思考。 到底要不要自己写代码，当前 AI 能力能辅助你做到什么地步，那些只是表象。 不管你会不会写代码，如果你放弃思考，将主动权交给他者，很容易下一步就是放弃对自己想做的东西的理解。 相比之下，过程中写错代码或者做不出来都是层级低一点的小事了。 为什么到了项目大一点，用 AI 辅助就步步掣肘？因为一个软件从来都不只是代码的堆