DeepSeek-R1 到底省不省钱？我跑了两周，发现它只在两类任务上真正划算
DeepSeek-R1 到底省不省钱？我跑了两周，发现它只在两类任务上真正划算 如果把我这两周的 API 账单摊开看，最直观的变化不是“模型变强了”，而是账单终于开始往下走——但与此同时，我也悄悄把两类任务切回了原来的模型。 这件事很像换电动车：城市通勤确实省，但一旦你要跑长途、爬坡、频繁开空调，账
新人软件配置教程
未读
RAG答得像，不代表做对了：LangSmith把“检索质量幻觉”照了原形
RAG答得像，不代表做对了：LangSmith把“检索质量幻觉”照了原形 我做 RAG 的前六个月，状态其实挺像一个“自我感觉良好”的学生。 分块切好了，embedding 调了，top-k 也试过几轮；自己拿几条熟悉的问题一测，答案顺得像教科书，甚至还能顺手补两句解释。那段时间我几乎已经默认：这套
Copilot Agent 接进报价审批后，我才明白：省时间的不是“全自动”，而是“该自动的那一段”
Copilot Agent 接进报价审批后，我才明白：省时间的不是“全自动”，而是“该自动的那一段” 接上 Copilot Agent 的第一周，我以为自己发现了宝藏；第六周，我在晚上十一点手动处理了一份它搞砸的报价单。 这件事很打脸，但也很诚实：AI 自动化从来不是“接上就省时间”。真正省时间的，
可灵运镜控制到底值不值得信？我跑了 15 组测试，整理出一张可信度评级表
可灵运镜控制到底值不值得信？我跑了 15 组测试，整理出一张可信度评级表 我以为这次运镜控制会是玄学，结果发现它只有一半是。 推、拉、摇、移，已经能用了；旋转和复合运镜，还是得看模型当天心情。 如果你也在纠结一个问题——“这功能到底是噱头，还是能真干活？”——那这篇就是来交作业的，不是来写广告的。
Claude 3.7 Sonnet 的 Extended Thinking 不是自动挡
Claude 3.7 Sonnet 的 Extended Thinking 不是自动挡：什么时候该开，什么时候关 我第一次认真用 thinking，心里想的是：这下稳了，复杂问题交给模型“多想一会儿”，答案应该更漂亮。 结果很打脸。 一个本来一句话就能回答的简单问答，它先沉默了好几秒，像是在认真做数
我拿报销流程测了 Manus 和 Operator：差别不在“会不会点”，而在“能不能把事做完”
我拿报销流程测了 Manus 和 Operator：差别不在“会不会点”，而在“能不能把事做完” 我以为它在帮我操作浏览器，结果盯着看了三分钟，发现它一直在点同一个按钮。 那一刻我突然意识到：AI Agent 的浏览器自动化，最容易在演示里赢，最容易在真实流程里输。 所以这次我没选“帮我搜个资料”“
长上下文不是谁更准：我用 10 万字文档看懂 Gemini 2.5 Pro 和 Claude 3.7 Sonnet 的真正差距
长上下文不是谁更准：我用 10 万字文档看懂 Gemini 2.5 Pro 和 Claude 3.7 Sonnet 的真正差距 你把一份年报、合同，或者一整本公开报告扔给模型，心里想的往往只有一件事：“帮我把答案找出来。” 但真实工作里，最折磨人的从来不只是“找没找到”，而是这两个瞬间： 1. 模型
我亲手攻击了自己的 Agent，才发现最危险的不是“被黑”，而是“它自己点头”
我亲手攻击了自己的 Agent，才发现最危险的不是“被黑”，而是“它自己点头” 我以为系统提示写得够严，直到我开始自己攻击自己。 这不是吓人，是我最近做的一次很普通、但很不舒服的测试。 起因很简单：我想知道，如果我是攻击者，会先从哪里下手。结果第一轮就撞上了一个很典型的提示词注入尝试——一句看起来像
新人软件配置教程
未读
本地跑 Llama 4 Maverick，到底值不值得？先别急着部署，先算清这三笔账
本地跑 Llama 4 Maverick，到底值不值得？先别急着部署，先算清这三笔账 我花了三天把它跑起来，第四天才意识到：有些活，API 真的更香。 这不是一句“本地部署没用”的反话，而是一次很现实的提醒。Llama 4 Maverick 这类 MoE 大模型，能跑和跑得舒服是两回事。你以为只是多
别只盯着单价：我把周报流程切给 DeepSeek V3 两个月后，最贵的反而不是 API
别只盯着单价：我把周报流程切给 DeepSeek V3 两个月后，最贵的反而不是 API 有一天晚上，我盯着账单看了很久。 那天只是一个普通的周报生成任务：先把零散的项目记录喂给模型，再让它整理成固定格式，最后润色成能直接发给老板的版本。结果因为上下文没喂顺、格式约束又写得太松，我一共重试了 11
