标题: 妈哟，差点快疯了
作者: #kopan
板块: #搞七捻三
编号: 1709134
帖子: https://linux.do/t/topic/1709134
时间: 2026-03-08 20:00:17
摘要:

前几天手机突然损坏，里面的Ente保存的我一堆账号的二次验证码，其中就包括LD的账号，还以为要永久性失去那些账号的绝望之际，突然在一个不起眼的角落里保存了当年默默保存的Ente的恢复码！于是我又能通过PC访问Ente的信息，然后我又能与各位佬友再次重逢了！  
亲身经历再次证明，备份的重要性！重要的事情重复一万遍都不嫌多！
亲身经历再次证明，备份的重要性！重要的事情重复一万遍都不嫌多！
亲身经历再次证明，备份的重要性！重要的事情重复一万遍都不嫌多！
感觉自己现在想捡了钱包一样开心，吼吼！

标题: 好消息，TG的 18🈲 频道禁止转发已解禁！
作者: #KeepFlow
板块: #搞七捻三
编号: 1709137
帖子: https://linux.do/t/topic/1709137
时间: 2026-03-08 20:01:11
摘要:

之前是无论群主是否设置了 允许转发 都不行，收藏夹也不行，只能在频道内转发。今天又让转了……

标题: Codex无法压缩怎么解决？
作者: # 束
板块: #开发调优
编号: 1709148
帖子: https://linux.do/t/topic/1709148
时间: 2026-03-08 20:05:22
摘要:

遇到这种问题大家是怎么解决的？

标题: AI Rewind '25：我们终于走进了那个温和的奇点
作者: #VrianCao
板块: #开发调优
编号: 1709186
帖子: https://linux.do/t/topic/1709186
时间: 2026-03-08 20:15:04
摘要:

本文写作时间跨度极大，从2026年1月一直陆陆写到现在，很抱歉鸽了这么久，也因此导致信息可能会有些滞后，但仍然希望大家可以读完！让我们进入正题
本文于我的博客同步发布：AI Rewind '25：我们终于走进了那个温和的奇点 - VrianCao

旅行者们，欢迎来到 2026！
2025 年注定是 AI 发展史上非同寻常的一年，这篇长文便让我带领大家一起来 Rewind 一下 2025 in AI
从时间轴开始梳理
让我们先来梳理一下 2025 年发布的大模型
1 月 / Jan.
1 月 20 日，一声惊雷，DeepSeek R1 开源，命运的齿轮也开始转动
R1 的颠覆性意义不用我过多赘述，这是中国 AI 发展史上浓墨重彩的一笔，说是最重要的时刻也不为过，一个 671B 的 MoE 模型，凭借着低成本、高性能与开源让整个世界地震，尽管现在看来存在或多或少的问题，但历史地位毋庸置疑，也因为 R1，AI 走进了万千老百姓的家中
1 月 31 日，OpenAI 发布了 o3-mini，在低成本推理上更进一步
2 月 / Feb.
2 月 17 日，AI 界的暴力美学——xAI 发布了 Grok 3 系列模型，模型训练基于 100 万张 H100 GPU，力大砖飞，自此开始，Grok 系列模型成为 Tool Use、Search与 NSFW的代名词（插一句：谁还记得当初老马吹的 Big Brain 模式）
2 月 24 日，Anthropic 发布其新的 Claude 3.7 Sonnet 模型，至此在 Coding 上越来越垂直，壁垒已经筑起，但也走上了一条注定死亡的不归路，但毫无疑问，Claude 3.7 Sonnet 是具有里程碑意义的，是世界上首个 Hybrid Reasoning 模型，编码性能也是断层领先
2 月 27 日，OpenAI 发布 GPT-4.5，依据第三方推测数据，这应该是世界上参数量最大的 LLM 了，前无古人，到目前为止也没有来者。凭借着堪称恐怖的参数量，GPT-4.5 成为了不可撼动的写作之神，其有着细腻的笔触和丰富

标题: 能过甲骨文的卡，什么卡比较好办理？
作者: #eaa
板块: #搞七捻三
编号: 1709210
帖子: https://linux.do/t/topic/1709210
时间: 2026-03-08 20:21:21
摘要:

感觉我好多年abc是卡不对的原因

标题: 属于数据生产的 Scaling Law 会来吗？
作者: #Humber
板块: #搞七捻三
编号: 1709214
帖子: https://linux.do/t/topic/1709214
时间: 2026-03-08 20:21:44
摘要:

起因是听到有人说人类当前的数据规模可能只能撑起1000B量级的AI模型，想听听各位佬友的意见
先说几个个人观点供佬友们批判：

当前人类已有数据量（特别是高质量数据）对未来的AI训练来说可能是不足的（LLM scaling law 所预期的模型规模增长速度 > 新增高质量数据速度）
当前的AI有生产高质量数据的能力，但当前生产速度不足，或者说反馈回训练厂商的速度不足
从 Agent 的发展历史来看，每次更自动化（更不 human in the loop）都会很大程度地增高生产力
Agent + 记忆 + 一些“基本法则”，能造出极高程度自动化、较少被上下文窗口限制的智能体

现在流行的各种 claw 是一种体现；当然其记忆系统、法则约束还非常不完备，但未来技术发展肯定可以将这种“产品”形态调好
做好基本法定义（比如有限资源竞争、投票评分KPI考核等等），“总结与识别哪些数据是高质量的”这项工作也能自动化
如果继续 Scaling，是不是可以造出层层管理的 Agent 社群，“把握发展方向与纠偏”也可以自动化（当然这个可能有点远未来了）


AI 有与自然规律交互的能力，其产出能被数理逻辑规律所检验/批判，也能及时纠偏，识别谬误探索未知

计算机科学是 AI 最容易开始探索的，软件的实现/算法优化用现有的工具/工作流就能干
很多理工科也有各自的可靠的仿真器（特别是数理逻辑类的，Matlab、RTL仿真等）
不断迭代这些工具也是 AI 能做到的


大 AI 厂的算力总有空闲的时候，如果未来的智能体有这个能力，就让它们自己去生产数据呗
待补全的数据空洞有的是，比如各学科教科书的习题详细答案、各开源软件的功能/性能/测试流优化……

个人认为上述观点在现在或不太远的未来，是完全可以实现的（至少是基础版本）
如果以上观点正确，是不是可以预期 AI 在未来不久（几年内？）能有效自主生产数据，在某些特定领域内自己解决掉数据不足这一 LLM sclaing law 的阻碍，形成（特定领域的局部）正循环？

标题: openclaw对于程序牛马来说似乎并没有太大作用
作者: #xenme
板块: #搞七捻三
编号: 1709217
帖子: https://linux.do/t/topic/1709217
时间: 2026-03-08 20:22:00
摘要:

纯程序牛马使用各种CLI开发就能满足百分之百的开发需求，openclaw更多的还是适合各种线上运营的task，作为编程AGENT的能力可能还比各种特化过的code cli差

标题: 【问题】CLIProxyAPI之类的账号轮询工具是否会导致kvcache命中率退化导致的更高收费问题
作者: #yyyaaarrrgggee
板块: #开发调优
编号: 1709221
帖子: https://linux.do/t/topic/1709221
时间: 2026-03-08 20:23:34
摘要:

显然不同家的订阅本质上背后都是给定的钱作为额度
（因为大家都说了不同复杂度/不同上下文的request消耗额度速度不一样）
所以我想问的是，现在这些订阅转api的工具，如果是完全轮询的机制，这不就导致这个长上下文的请求会跨不同的账号，而不是集中在某个号上，这样不会造成kvcache的缓存命中率退化，进而导致费用额度消耗更快呢？
有佬做过ab测试吗

标题: claude又故障了~ 你们收到通知了吗？
作者: #XingYun
板块: #搞七捻三
编号: 1709227
帖子: https://linux.do/t/topic/1709227
时间: 2026-03-08 20:25:24
摘要:

正在进行工程进度。。。突然故障。。

标题: 大家都真的需要龙虾吗？
作者: #冀辉
板块: #搞七捻三
编号: 1709230
帖子: https://linux.do/t/topic/1709230
时间: 2026-03-08 20:27:16
摘要:

我是全栈开发工程师，自从体验过龙虾之后，就再没用过他，能解决我日常工作的还是CC、Codex、Gemini，佬友们都用龙虾干嘛 。