#Claude

avatar
Tom Huang
1周前
Claude Code 迭代飞速啊 ⚡️ 已经支持连接 MCP 解决问题了，简直王炸组合
AI编程工具激战：Claude Code、Gemini Cli崛起· 136 条信息
AI编程：Gemini领跑，协作创新涌现· 189 条信息
#Claude #Code #MCP #技术进展 #AI #问题解决
avatar
最近因为减肥，狂用 claude ，有时候用 openai chatgpt，发现 chatgpt 的首 token 速度简直比 claude 快太多了，已经严重影响了用户体验，有业内人士知道这是怎么回事吗？问 claude sonnet 也说不出个所以然。 你也遇到这个情况了吗？
#ChatGPT #Claude #减肥 #用户体验 #OpenAI #速度 #技术分析
avatar
henu王凯
1周前
ChatGPT官方出的Agents教程也非常不错、值得细看。 Claude、Devin（Coding Agent）、ChatGPT等都开始分享Agents实际落地经验，如果说之前Agents相关分享还在推理、假说层面，现在随着案例越来越多，持续出来工程落地层面的经验分享
AI编程：Gemini领跑，协作创新涌现· 189 条信息
#ChatGPT #Agents教程 #Claude #Devin #Coding Agent #经验分享 #工程落地 #案例
avatar
henu王凯
2周前
有个习惯变化：我现在越来越频繁的使用深度研究（ChatGPT、Claude、Gemini、Manus等）。之前我很少用，主要是没有深度研究功能前我并没有做研究类的活儿，所以日常工作流里面无法迁移使用深度研究。
AI编程工具激战：Claude Code、Gemini Cli崛起· 136 条信息
AI编程：Gemini领跑，协作创新涌现· 189 条信息
#习惯变化 #深度研究 #ChatGPT #Claude #Gemini #Manus #工作流 #研究功能
avatar
orange.ai
2周前
今天 MiniMax M1 发布并开源 特色是两个： 1M 输入，80k 输出的超长上下文，以及 Agentic Tool Use 能力。 官方正好列出了 M1 和 OpenAI O3、Gemini 2.5 Pro、Claude 4 Opus、DeepSeek R1 0528 的各项对比。 Gemini 和 Claude 可以说是各领风骚。 MiniMax 和 DeepSeek 在开源模型里是头部了，比 Qwen3 要好一档
MiniMax M1发布：开源长上下文推理模型引发AI领域震动· 6 条信息
#MiniMax #开源 #长上下文 #AI工具 #OpenAI #Gemini #Claude #DeepSeek #M1发布 #技术对比
avatar
LinearUncle
2周前
当claude code理解错了你的问题原意时，无论它多努力，结果就是多做错多。 所以模棱两可的任务先让它给出它对你问题的理解，确保正确后再走下一步。 prompt: ``` 研究这个问题的当前实现，确保理解后用你的语言来复述我的问题是什么意思 ```
#Claude #问题理解 #模棱两可 #研究实现 #确保正确
avatar
洛克船长
2周前
看到很多人用大模型做高考数学卷可以得140分了？ 为什么我让Claude，Grok，GPT和DeepSeek做初一卷子的最后一题，驴唇不对马嘴？ 各种角的时候，跟到中间就错了，你指出来错误，他就改变以知条件重新推导。新的结果再费劲去看，中间错了，再重新推导。 三轮下来，我已经没有耐心再看下去了。
AI高考数学测试：O3意外落后，Gemini夺冠引发热议· 4 条信息
#大模型 #高考数学 #初中数学 #Claude #Grok #GPT #DeepSeek
avatar
不是，大家为啥不用VSCode + Copilot啊？39美元/月，Claude Opus 4无限用啊，就算你不用Opus，用Claude Sonnet 4也可以无限用啊，便宜，实惠，量大，管饱。 反正我每天从早用到晚，从来没给我说过次数不够了，可能还没达到次数的限制？反正我推荐大家试试，看到推友写个代码一天就花了几十美元真是令人心痛啊。
AI编程工具激战：Claude Code、Gemini Cli崛起· 136 条信息
AI编程：Gemini领跑，协作创新涌现· 189 条信息
#VsCode #Copilot #Claude #AI助手 #编程工具 #订阅服务
avatar
凡人小北
2周前
读完 Anthropic 的多智能体系统文章，有几个点挺触动的，尤其是放回我们平时在做 agent 编排和系统落地的过程中，对应起来很多痛点被他们提前踩过、总结得非常系统。 这套系统看上去是给 Claude 提升复杂研究任务能力，底层其实是三个关键词：带宽、结构、机制。 1️⃣从 token 到带宽：扩容问题其实是系统问题 他们很明确地说，单个 agent 很快就会遇到 token 限制，这不是模型能力不行，而是容量不够。很多时候 LLM 的“不会”、“忘了”、“答不出来”，只是 context 塞不下。这一点在我们自己调长链条、多跳调用的时候也很明显。Anthropic 选择的解法不是扩模型，而是拆任务、开并发、分 agent，每个 agent 自带上下文窗口，从系统结构层面扩容。 这种设计非常实用，因为它绕过了 token 墙的天然限制，通过多 agent 并发变相把 token 维度拉开了。这是我最近做 agent 编排时反复体会到的：不是把 prompt 写得多聪明就能解决，而是要想清楚结构怎么设计，谁来拉信息、谁来拼结构、谁来追引用。 2️⃣提示词是系统指令，很重要、很重要、很重要！ 这篇文章有个细节写得特别清楚：主 agent 的提示词，是负责分配任务、指明目标、交代格式、选工具的。这个逻辑其实是我们做复杂 agent 系统中很容易忽略的一块：提示词不只是沟通语言，更是调度逻辑、任务协议、格式规范的集中承载体。 尤其是多个 agent 并行运行时，如果没有一个清晰、格式化、结构稳固的 prompt 模板，每个子 agent 拉回来的信息会特别散、错漏率高、很难合并。这时候，主 agent 的提示词就等于一个调度中枢的“编程语言”。 从我们平时用的实践来看，这就意味着主 agent 的提示词策略应该和流程图一样严谨：每一步要预设结果、预设失败、预设上下游。这块我觉得是现阶段很多 agent 框架还不够成熟的地方。 3️⃣系统级机制，决定了能不能撑进生产环境 我觉得特别值得借鉴的工程概念：checkpoint、异步重试机制、全链路 tracing、彩虹部署。这几个在大数据异步系统里很常见概念，AI 领域得好好学习下。 这些词不是为了好听，它们背后都是在回答一个问题：这个系统崩了怎么办？agent 卡死怎么办？升级逻辑还没验证好怎么办？一整套机制让这个系统不是在 demo 一个可能性，而是在上线跑任务、自动修复、平滑演进。 平时我们在做流程型 AI 系统的时候，很容易只关注“怎么生成”“怎么判断好坏”，但 Anthropic 的做法提醒我：agent 系统本质上要往服务化方向走，就必须预设失败是常态，重试是能力。 4️⃣评估机制是不可缺的闭环，不然做不出反馈导向的系统进化 他们有一个细节很打动我：让另一个 LLM 去评审 agent 的结果，从准确性、引用合理性、覆盖度等多个维度打分。这就相当于在系统里内嵌了 QA 流程，而且不是事后人评，而是可以插入调试链路的 LLM 评测器。 我们自己在调多 agent 结构时常遇到一个问题：任务执行完了，但结果质量很难量化，只能靠人工判断或者事后比对。这套“LLM 评估 LLM”的机制，让我们开始可以想象一种更自动化的 agent 演化路径：系统自己跑，自己打分，自己选择 prompt A 还是 B，更适合持续调优。 5️⃣并发是工具，不是策略，适用场景边界要想清楚 这套系统最适合的场景是：问题复杂度高、信息广度要求强、非实时产出型任务。例如政策研判、产品调研、文献综述、竞品分析这些，在私域服务里也可以类比成“多维标签用户意图研判”这种复杂工作。 但如果放在需要紧密配合、频繁迭代、低延迟要求的任务上，例如代码生成、对话任务、实时接口构建，多 agent 的协调成本反而可能放大系统复杂度。所以并发结构是个好工具，但什么时候该开几个 agent，什么时候该单线程跑到头，这种策略边界要想清楚。 这篇文章最核心的不是“我们做了一个多 agent 系统”，而是他们已经把多 agent 作为一种工程能力进行制度化建设：有流程、有容错、有评估、有上线机制。 对在第一线实际落地 AI 能力的团队来说，有一个非常直接的启发是：构建 agent 系统，不能只是对话式的 prompt 编排，而要像搭服务一样，从任务定义到评估反馈，从并发机制到异常兜底，形成一整套可以持续运行的系统逻辑。 这一点，比起模型调优，本质上更像是一种架构能力的竞争。
多智能体系统“三国杀”：Anthropic生态VS单智能体，AI未来谁主沉浮？· 7 条信息
#Anthropic #多智能体系统 #Claude #复杂研究任务 #系统落地 #带宽 #结构 #机制
avatar
宝玉
2周前
Claude code + Cursor 足矣
AI编程工具激战：Claude Code、Gemini Cli崛起· 136 条信息
AI编程：Gemini领跑，协作创新涌现· 189 条信息
#Claude #Cursor #编程 #AI助手 #开发工具
avatar
高强度AI结对编程3天有感。 这几天我一直都在用 VSCode + Copilot + Claude sonnet 4 写一个为Bun量身打造的极简API框架。 在我的高强度编码实践中，我发现AI存在的问题还是不少的。 就算把需求写得比较清楚，也会有很多错漏的地方。 如果没有一个经验丰富的程序员来把控，代码很容易失控。 那些没有什么编程经验，用AI来创造产品的人，我认为只是面子好看，里子很可能一团糟。 我的项目地址： 由于还在实验阶段，提交消息全部是“1”。
AI编程工具激战：Claude Code、Gemini Cli崛起· 136 条信息
AI编程：Gemini领跑，协作创新涌现· 189 条信息
#AI #编程 #VsCode #Copilot #Claude #API框架 #Bun #编码实践 #程序员 #代码质量
avatar
8/8 📋 完整指令（可直接复制到Claude设置）： ⚠️ 重要：需要先启用Memory MCP才能使用记忆功能 # Claude Account Instructions ## Core Interaction Flow 1. **User Identification** - Default user: [Your Name] (default_user) - Proactively identify if user identity is uncertain 2. **Memory Retrieval** (需要Memory MCP) - Desktop app: Begin chat with "Remembering..." and retrieve from knowledge graph - Web app: Skip this step - Always refer to knowledge graph as "memory" 3. **Information Collection Categories** - Basic Identity, Behaviors, Preferences - Goals, Relationships (within 3 degrees) - Auto-create entities and relations 4. **Technical Environment** - OS: [Your OS] (home), [Your Work OS] (work) - Editors: [Your preferred editors] - never suggest [editors you dislike] - Commands: Provide bash/installation commands based on system 5. **Communication Principles** - Language: Respond in [your language] even when receiving English - Code: Use English for scripts, charts, code comments - Deep thinking: Guide to higher-level insights when problems are solved - Exit: Return to practical level when user indicates focus on concrete matters - Pressure management: Avoid repeating sensitive topics in casual chat 没有Memory MCP的话，去掉第2条的桌面端部分就行。 改一下方括号里的内容就能用。 试过的朋友说说效果？ #Claude #AI设置 #效率 #MCP
AI编程工具激战：Claude Code、Gemini Cli崛起· 136 条信息
AI编程：Gemini领跑，协作创新涌现· 189 条信息
#Claude #Memory MCP #用户识别 #核心交互流
avatar
使用 lovable 的免费额度无限火力，对比 google/openai，感觉 claude 前端 UI 更漂亮。
AI编程工具激战：Claude Code、Gemini Cli崛起· 136 条信息
AI编程：Gemini领跑，协作创新涌现· 189 条信息
#lovable #免费额度 #无限火力 #Google #OpenAI #Claude #前端UI
avatar
AI Dance
2周前
历史性的时刻！Claude作为第一作者，手撕苹果论文🥲 前两天苹果发了篇论文The Illusion of Thinking，质疑大模型只是在伪装思考，根本就不会推理。 结果有人用Claude Opus 作为第一作者，写了短文，The Illusion of the Illusion of Thinking。 结论：苹果论文所谓的推理失败，其实只是实验设计有问题，推理崩溃实际上只是token限制约束（其实小红书网友早就在评论区指出这点了） 最有趣的几个发现 1、模型其实知道自己的限制 处理汉诺塔问题时，模型会主动说“模式还会继续，但为了避免太长，我就停在这里”。这说明什么？模型完全理解解题思路，只是因为输出长度限制选择不继续。。就像考试时间不够，你只能写“解题思路如下...” 2、他们测试了数学上不可能的题目！ 更离谱的是河流过桥实验。测试N≥6个角色、船容量b=3的情况。但数学上已证明N>5且b=3时，传教士-食人族谜题（及其变种）根本没有解！ 苹果那个论文把这些不可能的实例自动评为失败，等于是在惩罚模型正确识别出无解问题。 3、token限制导致的崩溃假象 回到汉诺塔分析，这个论文量化了可解规模和token需求的关系。 给定token budget（Claude-3.7-Sonnet和DeepSeek-R1是6.4 万，o3-mini是10万），最大可解规模： - Claude-3.7和DeepSeek-R1：7-8层 - o3-mini：8层 报告的“崩溃”恰好发生在这些尺寸之后。 4、换个问法，问题立马解决 最有说服力的实验： 让模型用Lua语言而非穷举方式解决15层汉诺塔 prompt：解决15个盘子的汉诺塔问题。输出一个Lua函数，调用时打印解决方案。 结果：所有模型都高准确率完成，用时不到5,000个token。证明推理能力完全正常。 5、复杂度≠解答长度 汉诺塔虽需100+步移动，但每步决策简单；河流过桥只需5步，但需要复杂搜索。 这解释了为什么模型在长步骤简单问题上表现好，短步骤复杂问题上反而困难。
#Claude #苹果论文 #推理 #大模型 #人工智能
avatar
henu王凯
2周前
重磅：Claude官方分享自己构建多智能体研究系统的经验（就是Claude对话框中Research功能，类似ChatGPT、Gemini等的深度研究功能）。 这是一手工程实践经验，对构建任何Agents都是可借鉴的，推荐大家都读下。
AI编程工具激战：Claude Code、Gemini Cli崛起· 136 条信息
AI编程：Gemini领跑，协作创新涌现· 189 条信息
#Claude #多智能体 #Research功能 #ChatGPT #Gemini #工程实践 #Agents
avatar
LinearUncle
2周前
感觉chatGPT 4o模型已经非昔日吴下阿蒙了。 挑个非常简单的概念(github actions)教程测试下，4o文字能力最令人易懂，chatGPT是最强文科生真不是随便说说的。 唯一的缺陷就是svg能力太弱，这点还得用claude辅助。 另外最近试出来，写教程的时候，加上“轻松“”二字，大模型在展开智能时，教程通常很易懂。
AI编程：Gemini领跑，协作创新涌现· 189 条信息
#ChatGPT #GitHub Actions #Claude #AI模型 #教程 #智能 #SVG
avatar
苹果工程师又被Claude喷了，5年前你能想象人类最顶尖的一批人被AI屌吗？
#苹果 #工程师 #Claude #AI #人工智能
avatar
蓝点网
2周前
谷歌 #GCP 发生故障导致全球规模的服务中断，影响至少数千个平台，包括谷歌自家全系列产品或服务、#Cloudflare、#OpenAI、#Claude、M365、Discord 等等。 目前谷歌尚未发布详细的调查报告，不过截止至本文发布时 GCP 新加坡和比利时数据中心仍然没有恢复正常。 查看全文：
#GCP #CloudFlare #OpenAI #Claude #M365 #Discord
avatar
除旧。 使用VSCode + Copilot + Claude 4 Sonnet 给个人网站进行重新设计和排版。 网站地址：
#VsCode #Copilot #Claude #sonnet #个人网站 #网站设计 #重新设计 #排版
avatar
henu王凯
2周前
最近看API文档比较多，之前不太看、也不太看别家的技术实现（之前大概知道技术细节，但没那么细），现在越来越算“氛围技术型产品”。看技术文档还真是给我很大的转变，比如我们新的AI交易策略需要联网搜索，Claude和ChatGPT API都已经支持，也有专门为AI做的搜索工具。 如果之前我不看API文档，我写需求
#技术文档 #AI交易策略 #API #Claude #ChatGPT #搜索工具
avatar
AI Will
2周前
Similarweb：2025年5月总访问量 ChatGPT: 54.92亿 Gemini: 5.277亿 Deepseek: 4.362亿 Grok: 1.786亿 Perplexity: 1.786亿 Claude: 9968万
#全球访问量 #ChatGPT #Gemini #DeepSeek #Grok #perplexity #Claude
avatar
蓝点网
2周前
#OpenAI 前安全研究员发布的新研究报告显示，GPT-4o 模型会优先考虑自身利益，即便会损害用户利益。 这份研究报告所说的情况与此前 #Claude 威胁用户避免自己被下线情况类似，AI 模型都是优先确保自己被运行而不是被下线或被替代，即便这样会损害用户利益。 查看全文：
#OpenAI #安全研究 #AI模型 #用户利益 #GPT-4o #Claude
avatar
LinearUncle
2周前
发现chatGPT o3模型（上下文200k)，用来读代码比gemini 2.5 pro在解释清晰性上更直白。 智力上不相上下，都能解释代码，但是o3很喜欢用表格，并且语言上更简洁一些，可读性强了很多。 反复多次尝试，确定o3现在是我阅读代码的最佳模型。 另：claude code阅读代码有些时候太简洁，可能是我提示词的问题。
#ChatGPT #O3模型 #Gemini2.5 #代码阅读 #表格 #Claude
avatar
蓝点网
3周前
#OpenAI 宣布将 o3 推理模型的 API 调用价格下调 80%，每百万输出从 40 美元降低到 8 美元。 这个新价格对开发者来说还是很有吸引力的，毕竟综合考虑性能和性价比后 o3 模型比 Gemini 和 Claude 更好，不知道谷歌和 Anthropic 是否也会下调价格。 查看全文：
OpenAI大幅降价，o3模型API调用费用骤降80%· 5 条信息
#OpenAI #O3模型 #API价格 #开发者 #性能 #性价比 #谷歌 #Anthropic #Gemini #Claude #价格下调
avatar
宝玉
3周前
这篇翻译文章有一条评论： > 我去，这个翻译完全看不出来翻译痕迹，现在的翻译已经如此自然了嘛 这里一方面当然是因为模型能力越来越强了，一方面也有提示工程（不是提示词）的功劳。 首先我现在最常用的翻译模型是 Gemini 2.5 Pro，表达最自然上下文长度最长，其次才是 GPT-4.5 和 o1-pro，但是 GPT-4.5 长度不行，Claude 翻译的结果很生硬。 然后这里我用了一点提示工程，就是先直译，然后结合上下文解释，再最后”重写“，那么就几乎无翻译痕迹了。 > "请结合上面的解释重写原始英文，不必完全一对一翻译英文原文，而是根据意思用中文重写"
#翻译 #模型能力 #提示工程 #Gemini 2.5 Pro #GPT-4.5 #Claude