评测驱动的刻意练习
最近在复盘 AI Coding 的 Prompt 质量,过程中发现一个问题:我一开始很容易把结论推得太满。
最近在复盘 AI Coding 的 Prompt 质量,过程中发现一个问题:我一开始很容易把结论推得太满。
最近看了一份 OpenAI 的白皮书,标题是 Codex-maxxing for long-running work。一开始我以为它会讲很多具体技巧,比如怎么写 prompt、怎么开线程、怎么安排自动化。但读完之后发现,它真正想讲的不是某个功能,而是一个更大的变化:
前阵子在 Ziron 里跑服务端 packet 切片迁移,我把整个流程拆成了一个可以自己循环的系统:每一轮提取一个 packet 组,写 fixture、跑兼容性测试、更新文档、提交、合并,然后读 STATUS.md 里写好的下一个任务,继续下一轮。这就是后来被叫做 Loop Engineering
最近在 AgentInfra 里做了一个新的 Skill,名字叫 harness-builder。
DeepSeek V4 系列支持 Thinking / Non-Thinking 双模式,thinking 默认 enabled。关闭方式:
很多人使用 CodeX 或 Claude Code 时,会直接给出类似这样的指令:
最近看到一个说法:Adversarial Quality Gate。
Skill 自进化不是“模型自己偷偷训练自己”,更像是“Agent 自动整理、测试、修改自己的操作手册”。
最近这批英语学习记录里,最明显的变化不是我多做了几道题,而是我开始把英语学习拆成几个可以反复运转的模块。
这次本来只是想解决一个很小的问题:给托福听力弱词生成一批质量还可以的音频材料。