标题: “浏览话题”一直不涨
作者: #JoeJoe
板块: #搞七捻三
编号: 2079624
帖子: https://linux.do/t/topic/2079624
时间: 2026-04-29 11:48:01
摘要:

佬们，为什么我的"浏览话题"一直不涨，请指导。

标题: v4真的不行
作者: #siri6
板块: #开发调优
编号: 2079660
帖子: https://linux.do/t/topic/2079660
时间: 2026-04-29 11:53:33
摘要:

接入cc，如果你让他改改本来就有的东西还行，让他从0到1，即使给了他大量的代码参考，做出来的只能是一坨，让他在这一坨上改更是一坨

标题: gpt plus试用到期后,网页还会弹出试用链接吗?还是说,要注册新的gpt账号才有?
作者: #ieoeurortior
板块: #搞七捻三
编号: 2079661
帖子: https://linux.do/t/topic/2079661
时间: 2026-04-29 11:53:48
摘要:

请教,gpt plus试用到期后,网页还会弹出试用链接吗?还是说,要注册新的gpt账号才有?

标题: 有方法统一管理项目下的 mcp 吗？
作者: #xioobu
板块: #开发调优
编号: 2079662
帖子: https://linux.do/t/topic/2079662
时间: 2026-04-29 11:53:52
摘要:

每个工具都要配置一遍mcp，不同项目的 mcp，又得重新配置一遍

标题: 小米MIMO接入ClaudeCode401有佬友知道是为什么么
作者: #但为君故
板块: #开发调优
编号: 2079669
帖子: https://linux.do/t/topic/2079669
时间: 2026-04-29 11:55:37
摘要:

如图，新领了小米的2e的token，想接入ClaudeCode试下效果，但是init下项目报错401呢，之前ClaudeCode接过GLM也没这个问题，有佬友知道是为什么么

标题: vibe coding了个基金持仓记录
作者: #lovexl
板块: #开发调优
编号: 2079670
帖子: https://linux.do/t/topic/2079670
时间: 2026-04-29 11:55:54
摘要:

为啥要自己弄一个？
我尝试使用excel，notion这些发现它们都不支持净值的自动更新，特别是excel即使有copilot的opus4.7也不支持特别鸡肋
那些一堆基金小程序的话，我不太想把数据放到它们那里，AI时代 vibe coding的成本几乎为0
支持哪些功能？
自动/手动刷新净值，收益自动计算
开启通知功能的话还支持每日收益通知
安全吗？
数据纯前端，净值刷新接口只拉取基金代码，不保存持仓份额/总数等
数据同步/备份到自己的webdav上
纯纯玩具，前端部署在github pages上，后端的逻辑都在workers上
地址在：Axiom Trade
gh在lovexlc/ai-dca。随便改随便玩 
通知的话也是vibe coding了个安卓的fcm。gh：lovexlc/ai-dca-andriod

标题: obsidian 阅读模式下如何获取 mathjax 源码？
作者: #Tenoto
板块: #开发调优
编号: 2079671
帖子: https://linux.do/t/topic/2079671
时间: 2026-04-29 11:56:00
摘要:

我最近在为 ob 做一个自定义语法的插件，实时预览模式下测试良好，但阅读模式下，由于需要通过 markdownPostProcessor 来处理。接收到的内容是 ob 已经渲染后的结果，对于代码段，公式段等行内内容，都已被 ob 渲染，正则无法匹配到本该被插件渲染处理的内容。
对于代码段这些，可以通过识别 <code> 标签替换为 ` 来反推出正常的代码段源码。但对于 mathjax，Ob 渲染出的 Mathjax 元素好像缺失了公式源码信息 (ai 说正常的 mathjax 渲染会包含 anotation 元素，其中包含了公式源码)。
所以有没有方法能在阅读模式下、在 markdownPostProcessor 中反推出公式源码？

标题: 关于后训练的相关解读以及对于人工智能的一些思考
作者: #meth
板块: #搞七捻三
编号: 2079678
帖子: https://linux.do/t/topic/2079678
时间: 2026-04-29 11:57:10
摘要:

首先，把自己对AI的思考贴出来，方便和各位佬讨论讨论，附件是对论文A Survey on Post-training of Large Language Models 的一些简要版的解读，方便大家快速了解。
后训练方法综述.pdf (2.6 MB)
首先就是，如何让模型训练走进寻常百姓家。目前的模型微调还是主要集中在那些大规模的大厂，需要极高的算力，那开源社区在做什么呢？在做skill，做harness工程，做tools，本质上是在为模型搭建身体。但是我们应该形成身体和灵魂的闭环，头脑为身体提供指示，反过来，身体的数据也应该反过来训练大脑

突然想起来，memory和模型的参数都类似于人类的大脑，但是推理能力让我们可以从不那么宽泛的知识来推导出更多的内容，但是memory更加类似于一个RAG的数据库，我们是否可以打通memory和参数之间的限制，让memory外挂，而让参数学会按需检索（包括去问其他的AI），类似于人类这样

接下来就是，对于不同的领域，我们对于模型的要求是不同的，比如创新领域我们需要模型更创新，但是有时候我们需要模型更保守，那么我们应该怎么让模型学会这个动态场景的自适应呢
我们也发现了，目前AI主要在代码和数学能力让突飞猛进，但是不知道你也没有想过这样的一个问题？
编程本身就是一个工具，你会软件开发只是说你掌握了编程这样的一个工具；同理，证明本身也是一个工具，是为了证明某个公理的合理性，你会做证明题只是说你掌握了数学证明这样的一个工具。那既然是工具，那就有被取代的可能。从此，软件开发变成了你使用AI编程这样的一个工具，数学证明变成了你使用AI证明这样的一个工具。所以AI的出现带来的是工具的迭代升级。
那么，我们转念一想，那AI绘画，AI视频，本质上不也是说将传统的工具进行了一次迭代吗？
所以，我们焦虑的到底是什么？我们为什么不能放心的去拥抱新的工具？
工业革命，缝纫机的出现，不就是把人类的用手缝缝补补变成了用机器缝缝补补，效率得到了提升；如今，AI的出现，把传统的古法编程变成了用AI编程这样的高效工具。
我们羡慕那些不被AI取代的领域，可是AI并非取代，AI的作用更在于带来了部分领域效率的倍增。所以，具身智能出现了，也许未来，对于搬砖这样的技能，也许机器人可以做的更好，成本更低。那这些人何去何从也许是一个值得思考的问题。
所以，我们学的是什么？传统的课程还有没有学习的必要？
有的，所谓学历史是为了用好历史，对于非信息领域，适应工具的发展，大大提高你的效率。对于信息领域，或者说对于像我一样，在AI的前沿领域探索的人来讲，我们需要知道计算机领域的发展，包括但不限于，我们为什么从单周期CPU前往了流水线CPU，我们为什么选择机制和策略相分离，我们为什么要选择层次化的设计。这将是历史的智慧，尤其是对于AI这样的新领域，一点点的历史的启发也许会带来效率的倍增。有了这些智慧，无论是训练AI，亦或者是开发Harness，其实都是在为大家开发更加高效的AI工具（比如搜素的更加高效，召回率更高）来供大家使用。

何为高效？比如搜索，你更愿意花费30s来等AI的综合搜索，还是更愿意自己用浏览器搜索。二者都是工具，如何选取，需要根据场景的不同动态的选择

但其实这一切都基于AI不会产生灵智，即他只是一种更高效的工具。比如AI不会在你没有给指令的时候完成你的COD实验，也不会在梦中突然产生灵感然后自己开始干。在这一过程中，灵感越来越重要，你的idea越新颖，你对于AI工具的使用就越惊艳。
所以，AI不能取代什么？也许只有灵感的诞生。也许你会说AI可以辅助你产生灵感，但是AI自己是没有灵感的。
如果有一天，AI有了灵感，那人类危…