碎碎念
1. 我居然十分喜爱使用ghosty terminal… 发觉自己是被“simple interface“ 培训了agentic coding 的人,然后开始喜欢用terminal 因为它目前还是最efficient + multi-tasking.
当然我也还是很懒的,最终我觉得大家就都聊聊天就把事情干了就好,
2. 我突然觉得 Tesla FSD 是一个大型轮椅,因为我经常会漫无目的的让他带我这个人到处转悠,行动不便,他带我走。
1. 我居然十分喜爱使用ghosty terminal… 发觉自己是被“simple interface“ 培训了agentic coding 的人,然后开始喜欢用terminal 因为它目前还是最efficient + multi-tasking.
当然我也还是很懒的,最终我觉得大家就都聊聊天就把事情干了就好,
2. 我突然觉得 Tesla FSD 是一个大型轮椅,因为我经常会漫无目的的让他带我这个人到处转悠,行动不便,他带我走。
想让 Agent 高效,不一定是先买更贵的模型,而是先给它一套固定的工作文档。
我现在觉得最小可用系统就是 6 个文档:
1. 01_goal.md:目标是什么
2. 02_long_term_memory.md:长期偏好、稳定结论
3. 03_current_task.md:当前正在推进什么
4. 04_decisions.md:已经做过哪些重要决策
5. 05_discarded_ideas.md:哪些方向已经暂时放弃
6. 06_experiment_log.md:每次实验和真实反馈
每次任务开始前,先让 Agent 读取这 6 个文件;任务结束后,再判断哪些文件需要更新。
这样 Agent 就不会每次都从零开始,也不容易反复研究已经否掉的方向。
很多时候,Agent 的效率不是靠“更强模型”堆出来的,而是靠目标、记忆、决策和复盘系统搭出来的。
我现在觉得最小可用系统就是 6 个文档:
1. 01_goal.md:目标是什么
2. 02_long_term_memory.md:长期偏好、稳定结论
3. 03_current_task.md:当前正在推进什么
4. 04_decisions.md:已经做过哪些重要决策
5. 05_discarded_ideas.md:哪些方向已经暂时放弃
6. 06_experiment_log.md:每次实验和真实反馈
每次任务开始前,先让 Agent 读取这 6 个文件;任务结束后,再判断哪些文件需要更新。
这样 Agent 就不会每次都从零开始,也不容易反复研究已经否掉的方向。
很多时候,Agent 的效率不是靠“更强模型”堆出来的,而是靠目标、记忆、决策和复盘系统搭出来的。
👍1