版块名称： 前车之鉴


URL Slug： lessons-learned


版块简介： 这个板块用来分享各种失败踩坑的真实复盘。正如名称所示，无论是职场发展、副业暴雷、消费陷阱、情感纠葛、无效的学习方法、中途解散的项目……这里没有成功学，没有欢欣鼓舞，只有坦诚分享个人经历的错误和方式。本版块也不为了“早知道就***”等泛泛而谈和情感宣泄，我们只欢迎内容具体有细节的分享，达到有反思的帮助他人少走弯路目的


版主人选： @LeonShaw 【自荐，但希望其他佬友能够自荐参与】
* 版块规则： 本板块完全遵循 《常见问题解答》 所列出的各项规则，在此基础上初步定出以下几条板块细则
> 必须基于真实个人经历 : 禁止虚构、搬运、道听途说或以“朋友的故事”代称，如果自己还没反思好，可以暂缓分享，或者借助快问快答等板块请求其他佬友帮助
题需清晰点明领域与核心教训 : 鉴于这是一个杂烩板块，为方便信息检索，希望佬友在发帖时遵循[领域] + [关键错误/后果]的基本原则，比如 “运维时我用了弱密码刚刑满释放” 或者 “19年我卖掉了口罩厂亏损巨大”
正文需包含具体过程与反思 : 发生了什么、为什么出错、造成了什么影响、如果重来会怎么做。最佳内容应能让他人举一反三，而非仅限极端个例。拒绝流水账！拒绝纯情绪宣泄！决绝甩锅他人！拒绝攻击前公司、同事、伴侣等事件相关方！


申请理由： 正如高挂论坛页面的横幅所言



[!info]
真诚 、友善 、团结 、专业

我申请开辟这个版块的是为了请愿意分享的佬友结构化的总结自己的前车之鉴，与其他板块鼓励展示成果或者寻求帮助不同的是，本板块专门容纳“不完美”的经历，那些被忽略的失误、误判、踩坑和遗憾，强调“失败乃成功之母！”。板块规则拒绝“我有一个朋友”的叙事也是为了防止陷入虚构、匿名甩锅。只有自己踩过坑，才能描述细节，转述他人经历往往流于表面，缺乏关键上下文，无法提供可操作的避坑建议。
在当下庞大信息流的现状下，我们做出决策前往往会做检索会做分析，但是带着想要成功的执念去检索往往会得到各种各样的成功案例，但现实是大多数人的真实成长轨迹都是布满试错、犹豫和失败。我认为这些才恰恰是最有价值的学习资源。本板块将通过明确的内容规范（强调真实、细节、反思、可迁移性），鼓励佬友高质量复盘，形成“犯错不可怕,不反思才可怕”的氛围。
我相信，真正的智慧往往藏在别人踩过的坑里。恳请各位佬友投票支持开辟此板块，让我们看到更多前车之鉴的经验分享

不做推广，也不求 star 。只是我还差几个赞就三级了，一下子也不知道写点啥，就和大家介绍下我们开发了快一年的 Code Agent 项目吧，求点赞帮我上 3 级哈。
项目地址：

  

      github.com
  

  
    
  

  GitHub - neovateai/neovate-code: Neovate Code is a code agent to enhance your...

    Neovate Code is a code agent to enhance your development. You can use it to generate code, fix bugs, review code, add tests, and more. You can run it in interactive mode or headless mode.


  

  
    
    
  

  


这是一个 code agent，类似 claude code，我个人很喜欢 claude code，所以开发时也把其大量的能力和约定都带到了这个项目。包括 slash command、skills、sub agent、sdk、headless mode、plugin、output style 等，所有就功能层来说还是很全的。也兼容社区大量的 provider 和模型。更全的功能介绍见 功能特性 | Neovate 。
我个人 80% 的代码都是由他来完成的，个人感觉很丝滑，算上并行的时间，平均 6-10 分钟完成一个 bugfix 或 feature。我最早和大家一样用 cursor，然后用 claude code，等 neovate-code 开发的差不多了就吃自己狗粮，用 neovate-code 研发 neovate-code 。
去年就我 1 个人开发，外加快手的同学。没啥运营和推广资源，也不自带模型，我个人也是以功能开发为主，所以这个项目不火。但是在蚂蚁和快手内部都有基于此做二开，倒是都积累了不少用户的。如果大家有二开一个 code agent 的需求，可以考虑下他。
先介绍到这了，大家如果感兴趣，可以上官网看一眼哈。

发现使用场景完全没有啊  还是cc舒服

最近在做 AI 应用时，总有一种隐约的感受：
它回答的很快，但似乎太快了 – 问题刚提出，它已经给出结论；条件还没理清，它已经开始总结；我只是想讨论一下，它却急着把话题“收尾”。
这让我不免产生一个疑问：
为什么 AI 看起来这么没有耐心？
这里作为使用者，我做出我的一些猜想和判断，抛砖引玉：
也许“等”在训练之初就不是一个选项
一开始，我以为这是产品设计的问题。
Chatbot 追求即时响应，交互节奏偏快，自然会让人产生“被催促”的感觉。但在实际使用中，我逐渐发现，即便刻意放慢节奏、引导它一步步讨论，AI 依然很容易提前给出结论。
这让我意识到一个可能被忽略的前提：

AI 并不是选择了“快”，而是并不知道“等”是一种选项。

模型的第一目标是输出
从模型层面看，AI 的基本工作方式非常简单：

在已有上下文的基础上，继续生成下一段内容。

在这个机制下：

输出，代表系统在正常运转
不输出，会带来等待焦虑
暂停，也不会带来额外收益

人类在思考时，可以选择不说话；
但 AI 一旦“停下来”，在系统层面就等同于没有工作。
于是，当信息还不充分时，它最合理的行为，并不是等待更多条件，而是尽可能提供回答反馈。
训练数据里，没有思考的具象
这句话反过来说，所有的文字都是人类思考的结果，在结果里是没有人类思考过程中的斟酌、挣扎、权宜的实际过程。就像我们可以花半小时学会一个数学公式并熟练使用，但是无法感同身受地重现提出者的思考过程。
真实的人类思考过程，往往是凌乱的、反复的、不确定的，但这些内容很少被完整记录下来。
结果是，AI 看到的世界，几乎全部是“已经想清楚之后”的样子。
在这样的数据分布下，它自然会认为：

尽快形成一个完成态，是最合理的做法。

AI 可以模拟耐心，但并不真正拥有耐心
AI 可以写出“让我再想想”这样的句子，看起来像是在谨慎行事。但从内部机制来看，这依然只是一次文本生成。
它并不会因为不确定而暂停计算，也不会因为信息不足而主动等待。
它只是在当前条件下，继续完成一次预测任务。
AI 展示出来的耐心，更像是一种语言风格，而不是一种决策能力。
因此，各类 Agent 几乎不约而同地，选择让 AI 进入一种 「输出 → 实践 → 验证」的循环。
如果 AI 本身缺乏等待和犹豫的能力，那么最稳妥的做法，就不是要求它在“想”的阶段变得更耐心，而是尽快把想法落到现实中去检验。
与其让模型在内部反复“再想想”，不如让它尽快执行一个可回退的动作，再根据结果修正方向。
这实际上是一种思路上的转变：

从延长思考时间，转向增加试错次数。

个人觉得这是一个绝妙的想法，人类的斟酌其实就是预测和推演，现在让 AI  循环 「生成方案 → 评价方案」去暴力拆解人类直觉性的、“偷懒”性的思考达到类似的效果。

这里有必要聊一下我为什么说人类的思考是直觉性的，“偷懒”性的，
“偷懒”这个词，听起来像贬义，但在这里并非如此。人类的大多数思考，并不是严格意义上的穷举和推理，而是一种高度压缩后的近似计算。
我们会快速忽略不重要的分支，凭经验跳过大量中间步骤，用感觉替代验证，用“差不多”代替“最优”。这种方式之所以成立，是因为人类拥有大量隐性经验，可以在无意识中完成筛选。但从计算角度看，这本身就是一种对算力的节省。

所以，当我们让 AI 进入「输出 → 实践 → 验证」的循环时，本质上是在做一件事：

用可重复的试错，替代人类不可见的直觉。

这就是让 AI 把“耐心”从内部思考，转移到外部过程。

github.com
  

  
    
  

  GitHub - bfly123/claude_code_bridge: Real-time multi-AI collaboration: Claude, Codex &...

    Real-time multi-AI collaboration: Claude, Codex & Gemini with persistent context, minimal token overhead


  

  
    
    
  

  



  

      github.com
  

  
    
  

  GitHub - bfly123/claude_code_autoflow

    通过在 GitHub 上创建帐户来为 bfly123/claude_code_autoflow 开发做出贡献。


  

  
    
    
  

  



  

      github.com
  

  
    
  

  GitHub - catlog22/Claude-Code-Workflow:  JSON-driven multi-agent development framework...

     JSON-driven multi-agent development framework with   intelligent CLI orchestration (Gemini/Qwen/Codex),   context-first architecture, and automated workflow   execution


  

  
    
    
  

  



  

      github.com
  

  
    
  

  GitHub - fengshao1227/ccg-workflow: 多模型协作开发工具集 - 基于 Claude Code CLI，整合 Codex/Gemini...

    多模型协作开发工具集 - 基于 Claude Code CLI，整合 Codex/Gemini 后端能力，提供智能路由、代码审查、Git 工具等 17+ 个命令


  

  
    
    
  

  



  

      github.com
  

  
    
  

  GitHub - musistudio/claude-code-router: Use Claude Code as the foundation for coding...

    Use Claude Code as the foundation for coding infrastructure, allowing you to decide how to interact with the model while enjoying updates from Anthropic.


  

  
    
    
  

  


我只有claude+codex+gemini 这3个的api key，应该选哪个工具？

目前入坑cf，摸索阶段，各位大佬有什么好的项目推荐吗，分享一下！

最近晚上两三点就会封号 但是没有收到退款邮件了

每次电脑开机之后，ClaudeCode都会NetworkError，不仅调用不了，切换模型也失败，每次都要开机之后等好久才能用，有佬遇到过这个问题吗

今天凌晨，喜欢闷声做大事的 DeepSeek 再次发布重大技术成果，在其 GitHub 官方仓库开源了新论文与模块 Engram ，论文题为 “Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models”。
与传统的大模型架构相比，该方法提出了一种新的“查—算分离”机制，通过引入可扩展的查找记忆结构，在等参数、等算力条件下显著提升模型在知识调用、推理、代码、数学等任务上的表现。代码与论文全文均已开源。
论文地址：Engram/Engram_paper.pdf at main · deepseek-ai/Engram · GitHub
代码地址：GitHub - deepseek-ai/Engram: Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models

今天想上去小赌一把，结果发现进去以后，要账号登录，账号点进去允许后，又回到了账号登录界面，反复试了几次都不行。
微微崩溃中…
有同样问题的佬友吗？怎么解决呢？

老是碰到海外对国区的一些限制，想直接使用一个海外手机号，用于注册一些平台账号，需求不大就是用能收短信就行，低价保号

求推荐，预算不高

他自己在那哐哐干活，我怎么才能知道他让没让其他人帮忙呀