想了想还是买了 Google One 的 Plus 会员。理由：
Google One 套餐里的提供的全家桶比 OpenAI 更多。性价比也非常地高。有 Google 的线上办公掏钱，Google Drive 等等一大堆。
我主要用 Gemini CLI，现在使用 Gemini 3 Pro 来氛围编程，我觉得感觉比 GPT 5.1 Code 的效果还更好——更准确，改动范围更小就能达到目的。
尽管大家说 Opus 4.5 是最好的， 但就我的实践来说，如果只是从 0 到 1 快速打造一个 MVP， Gemini 3 Pro 的其实已经和 Opus 4.5 不相上下。可能 Debug 方面是 Opus 4.5 会更好一点。
Google One 套餐里的提供的全家桶比 OpenAI 更多。性价比也非常地高。有 Google 的线上办公掏钱，Google Drive 等等一大堆。
我主要用 Gemini CLI，现在使用 Gemini 3 Pro 来氛围编程，我觉得感觉比 GPT 5.1 Code 的效果还更好——更准确，改动范围更小就能达到目的。
尽管大家说 Opus 4.5 是最好的， 但就我的实践来说，如果只是从 0 到 1 快速打造一个 MVP， Gemini 3 Pro 的其实已经和 Opus 4.5 不相上下。可能 Debug 方面是 Opus 4.5 会更好一点。
Sigull说，「在信息爆炸的世界里，故事是稀缺的原始资源——谁能将混乱压缩成可感受、可铭记的东西，谁就掌握了真正的力量。战略、运营和资金都是下游环节。」
这解释了一种广泛的产品现象：为什么用规模堆砌的产品难以成功。因为创新的源头从来不是工程本身，而是资源匮乏逼出来的洞察——常常是创始人才能拥有的直觉。功能可以被复制，灵魂无法被模仿。
这背后的启示深刻也浅显：故事的核心永远是人。而你的品味、历练和信仰，才是产品真正的主角。
这解释了一种广泛的产品现象：为什么用规模堆砌的产品难以成功。因为创新的源头从来不是工程本身，而是资源匮乏逼出来的洞察——常常是创始人才能拥有的直觉。功能可以被复制，灵魂无法被模仿。
这背后的启示深刻也浅显：故事的核心永远是人。而你的品味、历练和信仰，才是产品真正的主角。
最近在尝试 AI + 产品经理的协同方法，用了几次还可以
核心的思路就是：
1️⃣ 截图已有界面并标注，或者设计产品草图
2️⃣ 提供图片给 AI ➕ 提示词，生成产品需求文档
3️⃣ 根据产品需求文档 ➕ 提示词，生成关于逻辑介绍逻辑图（toB场景更有效）或概念场景图（toC场景更有效
希望对大家有所启发
核心的思路就是：
1️⃣ 截图已有界面并标注，或者设计产品草图
2️⃣ 提供图片给 AI ➕ 提示词，生成产品需求文档
3️⃣ 根据产品需求文档 ➕ 提示词，生成关于逻辑介绍逻辑图（toB场景更有效）或概念场景图（toC场景更有效
希望对大家有所启发
这个月依然出了个小题考考ai，计算抖音的日均vv，虽然没有公开数据，但根据行业可查数据和行业平均换算关系，推导出一个靠谱的数并不难
结果1，豆包深度思考模式，第一步最简单的计算逻辑就出现错误……
结果2，千问最新的深度思考模型，洋洋洒洒一大篇结果推出来一个完全不靠谱的数字……
结果3，Grok专家模式相对靠谱
首先，国内有些的大模型（吹的）跟海外比差距仍然有一个银河系，仅限于我常用的功能比起来，实在没发现强在哪
其次，所以目前绝不碰国内任何ai概念股和指数基金，我信你个鬼
最后，目前人针对ai的护城河依然非常深，只要你有行业非公开化的数据/信息/技能，ai目前是绝不可能取代你
结果1，豆包深度思考模式，第一步最简单的计算逻辑就出现错误……
结果2，千问最新的深度思考模型，洋洋洒洒一大篇结果推出来一个完全不靠谱的数字……
结果3，Grok专家模式相对靠谱
首先，国内有些的大模型（吹的）跟海外比差距仍然有一个银河系，仅限于我常用的功能比起来，实在没发现强在哪
其次，所以目前绝不碰国内任何ai概念股和指数基金，我信你个鬼
最后，目前人针对ai的护城河依然非常深，只要你有行业非公开化的数据/信息/技能，ai目前是绝不可能取代你
Forwarded from 小樱
This media is not supported in your browser
VIEW IN TELEGRAM
#USDT8娱乐 #信誉平台 #PG电子 #WG电子
Please open Telegram to view this post
VIEW IN TELEGRAM
总结一下，之前我提过自己通过一个 AGENTS.md 文档实现 SDD（规范驱动开发），在经过了几个项目的开发，以及比较系统的迭代之后，我将这套方法论提炼为 SPEC-AGENTS.md。并发布到 Github 上，作为开源项目，希望能够帮助有需要的人。
---如下是该项目的简短说明---
本项目受 Spec-kit、OpenSpec、Stack Workflow 启发而来，兼具「规范驱动开发」和「阶段性开发」的优势，通过简单的配置，让普通小白在氛围编程（Vibe Coding）时，提升 AI 执行任务的准确性，减少与 AI 重复输（chao）入（jia）的次数，享受成熟的软件开发流程的稳定、便利。
# 特点
- 零配置
- 自然语言沟通
- 体积小，节省 TOKEN
- 成熟的软件项目开发流程
- 支持多个编程工具
- 项目记忆
使用 SPEC-AGENTS 还相当于你的开发项目拥有了「记忆」，而不必担心切换开发工具之后，就很难再进行当前的开发进度。只要让 AI 通过阅读文档，就能够清楚地知道当前的项目状况，以及开发进度。
# 原理
与 OpenSpec 类似，SPEC-AGENTS.md 将开发分为不同的阶段，并约定「文档驱动开发」的工作流：先在 .phrase/phases/ 中用自然语言写好 spec_* / plan_* / task_* 等文档，再由代理按任务执行实现与验证，最后回写 task_* / change_* / spec_* / issue_* / adr_*，形成可追溯的闭环。
当你在项目中放置 AGENTS.md 后，支持该协议的 AI 工具会在会话开始时读取其中规则，把它视为“开发助理使用说明”：
- 所有需求与接口信息只以文档为准，而不是零散对话；
- 每次对话只处理一个 taskNNN 原子任务；
- 每个任务完成后，都在变更文档中登记验证方式和影响范围。
通过这一套约束，SPEC-AGENTS.md 把传统团队里的 spec / task / change / issue 流程，压缩成一个轻量的文本协议，让个人或小团队也能在「氛围编程」状态下享受成熟的软件工程体验。
---
查看评论区获得项目网址。
---如下是该项目的简短说明---
本项目受 Spec-kit、OpenSpec、Stack Workflow 启发而来，兼具「规范驱动开发」和「阶段性开发」的优势，通过简单的配置，让普通小白在氛围编程（Vibe Coding）时，提升 AI 执行任务的准确性，减少与 AI 重复输（chao）入（jia）的次数，享受成熟的软件开发流程的稳定、便利。
# 特点
- 零配置
- 自然语言沟通
- 体积小，节省 TOKEN
- 成熟的软件项目开发流程
- 支持多个编程工具
- 项目记忆
使用 SPEC-AGENTS 还相当于你的开发项目拥有了「记忆」，而不必担心切换开发工具之后，就很难再进行当前的开发进度。只要让 AI 通过阅读文档，就能够清楚地知道当前的项目状况，以及开发进度。
# 原理
与 OpenSpec 类似，SPEC-AGENTS.md 将开发分为不同的阶段，并约定「文档驱动开发」的工作流：先在 .phrase/phases/ 中用自然语言写好 spec_* / plan_* / task_* 等文档，再由代理按任务执行实现与验证，最后回写 task_* / change_* / spec_* / issue_* / adr_*，形成可追溯的闭环。
当你在项目中放置 AGENTS.md 后，支持该协议的 AI 工具会在会话开始时读取其中规则，把它视为“开发助理使用说明”：
- 所有需求与接口信息只以文档为准，而不是零散对话；
- 每次对话只处理一个 taskNNN 原子任务；
- 每个任务完成后，都在变更文档中登记验证方式和影响范围。
通过这一套约束，SPEC-AGENTS.md 把传统团队里的 spec / task / change / issue 流程，压缩成一个轻量的文本协议，让个人或小团队也能在「氛围编程」状态下享受成熟的软件工程体验。
---
查看评论区获得项目网址。
❤2