【SKILLS】React 技能包 点击即送
Vercel 把 React 十年资深经验打包成了 Skill
github.com
GitHub - vercel-labs/agent-skills
通过在 GitHub 上创建帐户来为 vercel-labs/agent-skills 开发做出贡献。
7 posts - 7 participants
Read full topic
via LINUX DO - 最新话题 (author: 温州程序员劝退师)
Invalid media: image
Vercel 把 React 十年资深经验打包成了 Skill
github.com
GitHub - vercel-labs/agent-skills
通过在 GitHub 上创建帐户来为 vercel-labs/agent-skills 开发做出贡献。
7 posts - 7 participants
Read full topic
via LINUX DO - 最新话题 (author: 温州程序员劝退师)
Invalid media: image
Privnode的退款测试
1. 最近看到有很佬友发帖说 Privnode 退款慢/不理人的帖子，但是发完帖子N佬就来退款了。由于我之前也是 QQ 进行私聊退款，并得到了冷处理。
2. Privnode 增加了一个工单系统，于是乎想试试发起工单+私聊 n 佬。看看一个普通用户在不发帖的情况下，到底会不会得到回复与处理。
3. 目前已经提交工单并且私聊，下周再来更新帖子来看看到底会不会有回复与处理。
5 posts - 4 participants
Read full topic
via LINUX DO - 最新话题 (author: L l2040210.)
1. 最近看到有很佬友发帖说 Privnode 退款慢/不理人的帖子，但是发完帖子N佬就来退款了。由于我之前也是 QQ 进行私聊退款，并得到了冷处理。
2. Privnode 增加了一个工单系统，于是乎想试试发起工单+私聊 n 佬。看看一个普通用户在不发帖的情况下，到底会不会得到回复与处理。
3. 目前已经提交工单并且私聊，下周再来更新帖子来看看到底会不会有回复与处理。
5 posts - 4 participants
Read full topic
via LINUX DO - 最新话题 (author: L l2040210.)
glm4.7, minimax2.1, kimiK2 thinking选哪个！java后端开发
平时就是在idea中接入cc，做一些简单的开发，想知道现在哪个好用一点，求大佬推荐。
11 posts - 9 participants
Read full topic
via LINUX DO - 最新话题 (author: Shoy)
平时就是在idea中接入cc，做一些简单的开发，想知道现在哪个好用一点，求大佬推荐。
11 posts - 9 participants
Read full topic
via LINUX DO - 最新话题 (author: Shoy)
Antigravity这个报错怎么解决
用的Antigravity Tools换号，有两个号一个可以一个用不了，也没有限额啊，如图报错! 有佬知道什么情况吗？
2 posts - 2 participants
Read full topic
via LINUX DO - 最新话题 (author: ggboy1234)
Invalid media: image
用的Antigravity Tools换号，有两个号一个可以一个用不了，也没有限额啊，如图报错! 有佬知道什么情况吗？
2 posts - 2 participants
Read full topic
via LINUX DO - 最新话题 (author: ggboy1234)
Invalid media: image
这算通过镜子测试吗？
2 posts - 2 participants
Read full topic
via LINUX DO - 最新话题 (author: Fake)
Invalid media: image
2 posts - 2 participants
Read full topic
via LINUX DO - 最新话题 (author: Fake)
Invalid media: image
Google的cli aistudio 反重力 中gemini的限额是啥关系
cli aistudio 反重力 通过api或各种2api都能调用模型 之间到底啥关系？
2 posts - 2 participants
Read full topic
via LINUX DO - 最新话题 (author: Pajamas5951)
cli aistudio 反重力 通过api或各种2api都能调用模型 之间到底啥关系？
2 posts - 2 participants
Read full topic
via LINUX DO - 最新话题 (author: Pajamas5951)
破事水，等待新年 deepseek 发布，顺带测试了下 Gemini 的能力
gist.github.com
https://gist.github.com/Ruinique/f1e33d03810e3f90b271014df0c26e67
deepseek2cluade.js
可以实现 Deepseek 官网仿 Claude 风格。
因为是 AI 写的不是很到位，深色状态下效果会好一点
直接复制粘贴到 油猴 添加新脚本就可以用了
感觉还挺考验 AI 能力的，毕竟这个脚本的书写上，我们能从开发者工具拿到足够的信息让 AI 写这个脚本，但是即使是 One Shot 很惊艳的 Gemini3pro 也没达到一次完工的预期。
1 post - 1 participant
Read full topic
via LINUX DO - 最新话题 (author: Ruinique)
Invalid media:
image
image
gist.github.com
https://gist.github.com/Ruinique/f1e33d03810e3f90b271014df0c26e67
deepseek2cluade.js
// ==UserScript==此文件已被截断。 显示原始文件
// @name DeepSeek to Claude UI Style
// @namespace http://tampermonkey.net/
// @version 1.12
// @description DeepSeek 仿 Claude 风格
// @author DeepSeek User
// @match https://chat.deepseek.com/*
// @grant GM_addStyle
// @grant GM_setValue
// @grant GM_getValue
可以实现 Deepseek 官网仿 Claude 风格。
因为是 AI 写的不是很到位，深色状态下效果会好一点
直接复制粘贴到 油猴 添加新脚本就可以用了
感觉还挺考验 AI 能力的，毕竟这个脚本的书写上，我们能从开发者工具拿到足够的信息让 AI 写这个脚本，但是即使是 One Shot 很惊艳的 Gemini3pro 也没达到一次完工的预期。
1 post - 1 participant
Read full topic
via LINUX DO - 最新话题 (author: Ruinique)
Invalid media:
image
image
大模型的知识库落后于工具发展
大模型知识库一般都落后半年的时间，就像langgraph,langchain刚出的时候，claude也写不明白。现在skill火了，大模型训练数据还没包含很多的skills，这种情况如何用大模型去写工具？
1 post - 1 participant
Read full topic
via LINUX DO - 最新话题 (author: 英国龙虾)
大模型知识库一般都落后半年的时间，就像langgraph,langchain刚出的时候，claude也写不明白。现在skill火了，大模型训练数据还没包含很多的skills，这种情况如何用大模型去写工具？
1 post - 1 participant
Read full topic
via LINUX DO - 最新话题 (author: 英国龙虾)
没有claude MAX，你也可以使用cowork
试用了一下claude cowork，确实挺好用。
于是vibe了一个小工具： open-cowork，给没有max订阅的佬们玩耍。
open-cowork 是一个简化版的 Claude cowork，实现了最基础的桌面协作体验，可以支持多个 LLM provider（例如 Anthropic、OpenAI）。目标很简单：先把“能用、顺手、可控”这件事跑通。
Demo ：bilibili.com/video/BV1mHkTBzEfv/
项目地址：GitHub - jiji262/open-cowork
下载地址：Releases · jiji262/open-cowork · GitHub
2 posts - 2 participants
Read full topic
via LINUX DO - 最新话题 (author: jiji262)
Invalid media: image
试用了一下claude cowork，确实挺好用。
于是vibe了一个小工具： open-cowork，给没有max订阅的佬们玩耍。
open-cowork 是一个简化版的 Claude cowork，实现了最基础的桌面协作体验，可以支持多个 LLM provider（例如 Anthropic、OpenAI）。目标很简单：先把“能用、顺手、可控”这件事跑通。
Demo ：bilibili.com/video/BV1mHkTBzEfv/
项目地址：GitHub - jiji262/open-cowork
下载地址：Releases · jiji262/open-cowork · GitHub
2 posts - 2 participants
Read full topic
via LINUX DO - 最新话题 (author: jiji262)
Invalid media: image
我一定要吐槽一下今天的opencode/oh-my-opencode
从前天群里有位佬提供了解决Opencode缓存命中率的问题后，我就开始重度使用了，前天昨天两天效果非常好，但是今天也不知道咋了（应该是从昨天夜里开始），一个ftp上传的sh脚本修改的需求，从单线程改成多线程，跑了4个多小时还没完，虽然说交付的效果确实没得说，但是这速度和token消耗也太。。。今天是降智了吗？
1 post - 1 participant
Read full topic
via LINUX DO - 最新话题 (author: Stewart Minions)
从前天群里有位佬提供了解决Opencode缓存命中率的问题后，我就开始重度使用了，前天昨天两天效果非常好，但是今天也不知道咋了（应该是从昨天夜里开始），一个ftp上传的sh脚本修改的需求，从单线程改成多线程，跑了4个多小时还没完，虽然说交付的效果确实没得说，但是这速度和token消耗也太。。。今天是降智了吗？
1 post - 1 participant
Read full topic
via LINUX DO - 最新话题 (author: Stewart Minions)
基于cursor系统重构记录&skills安装
在重构项目或者基于开源项目修改时，怎样使用AI编程工具方法很好的开始，做一个记录，欢迎大家讨论指正。
skills安装
1. npm install -g openskills
2. openskills install anthropics/skills（如果失败直接git clone 复制到对应目录就好）
3. openskills sync
项目认知
1. 构建project rules，大致介绍你要干什么，项目是个什么情况，可以使用cursor帮你完善
2. 构建docs记录一些文档，同时让更新一下rules中的记录，让他每次可以找到
3. 前端样式提取（因为是新增功能，需要与原风格保持一致）
4. 在docs中创建整个项目的架构总览，因为我一般是多端同时开发，所以这个也很重要
项目开发
● 基于新的功能，单功能设计开发
1 post - 1 participant
Read full topic
via LINUX DO - 最新话题 (author: jiao qin)
Invalid media:
image
image
在重构项目或者基于开源项目修改时，怎样使用AI编程工具方法很好的开始，做一个记录，欢迎大家讨论指正。
skills安装
1. npm install -g openskills
2. openskills install anthropics/skills（如果失败直接git clone 复制到对应目录就好）
3. openskills sync
项目认知
1. 构建project rules，大致介绍你要干什么，项目是个什么情况，可以使用cursor帮你完善
2. 构建docs记录一些文档，同时让更新一下rules中的记录，让他每次可以找到
3. 前端样式提取（因为是新增功能，需要与原风格保持一致）
4. 在docs中创建整个项目的架构总览，因为我一般是多端同时开发，所以这个也很重要
项目开发
● 基于新的功能，单功能设计开发
1 post - 1 participant
Read full topic
via LINUX DO - 最新话题 (author: jiao qin)
Invalid media:
image
image
求软考系分的资源~
大佬们，有没有软件分析师的高级备考方法，资料呀
2 posts - 2 participants
Read full topic
via LINUX DO - 最新话题 (author: iyyy)
大佬们，有没有软件分析师的高级备考方法，资料呀
2 posts - 2 participants
Read full topic
via LINUX DO - 最新话题 (author: iyyy)
天天用ai写代码，感觉自己要废了
有没有什么有意思的idea
10 posts - 10 participants
Read full topic
via LINUX DO - 最新话题 (author: 喜欢大奈奈的Neo Peng)
有没有什么有意思的idea
10 posts - 10 participants
Read full topic
via LINUX DO - 最新话题 (author: 喜欢大奈奈的Neo Peng)
可以不仅仅是主持人：我如何用一些AI技巧打造一个有灵魂的海龟汤平台
----------------------
什么是海龟汤
在海龟汤中，展现给玩家的是汤面，真相被称作汤底，这个游戏至少 2 个人才能玩：有一个人是主持人，他在知晓汤底的情况下，对玩家的猜测作出判定，给出是/不是/是或不是/无关的回答。
正确答案是：
船长多年前曾遭遇海难，和船员在荒岛漂流，即将饿死。 当时，一位同伴端来一碗肉汤，说是 “海龟汤” ，船长喝了之后活了下来，但同伴死了。
多年后，他在餐厅喝到了真正的海龟汤，发现味道和当年那碗完全不一样。 他瞬间明白了：当年同伴给他吃的根本不是海龟，而是那位死去的同伴自己的肉。 出于巨大的愧疚和绝望，他选择了自杀。
从半个小时5美刀到可持续的支出
原本做这个网站，就是为了和女朋友一起玩海龟汤。于是用了谷歌的Gemini免费api，基本能应对几个人玩的需求，后来这个网站被抖音的博主发现后宣传了一波，带来了几百人进入网站。
很显然，这时候免费api无法满足需求。首先我做的是接入到之前搭建好的Gemini key池，但是仍然经不住用户的大量提问。
为了不让第一批用户流失，我果断接入了openrouter取代key池，结果不到半小时立马花了5美元。
这对我这个用爱发电的个人开发者来说，简直是破产倒计时。
痛定思痛，我开始寻找更具性价比的方案。经历了一番漫长的模型“迁徙”——从最初还在实验阶段的 Gemini Thinking Mode，转向了速度极快的 Gemini 2.0 Flash，最后锁定了 DeepSeek V3.2。
最关键的一步是，我利用了 DeepSeek 官方支持的 Context Caching（上下文缓存） 技术。海龟汤的规则、汤面设定动辄几千 token，如果每次对话都重复传输，不仅慢，而且都是冤枉钱。通过缓存技术，只需要支付一次“记忆成本”，后续的对话都能复用这段缓存，直接命中了“降本增效”的靶心。
这一套组合拳下来，成本直接降低了 90% 以上，终于让这个网站能够可持续地运转下去了。
从“人工智障”到“全知全能”的困境
海龟汤（Lateral Thinking Puzzle）的魅力在于信息差。作为主持人，你必须全知全能（知道真相），但又要守口如瓶（只能回答“是/不是”）。
最初，我直接通过 Prompt 把汤面和汤底塞给 AI：
1. 如果开启思考模式，主持人反应很慢，而且token消耗翻倍
2. 如果不开思考模式，AI回答的逻辑性很差，很多海龟汤的汤面充满了叙述性诡计。汤底一般都有着复杂的逻辑和人物关系，AI很难在500ms内构建出严谨的逻辑防线
在几十轮的测试后，我意识到：让一个 AI 既要理解复杂的谋杀诡计，又要构建严谨的逻辑防线，还要扮演生动的角色，这太强机所难了。
我们需要把“思考”和“表达”拆开。
----------------------
走过的弯路：向量检索 (RAG) 的“智障时刻”
在设计双层架构之前，我其实先尝试了 RAG (检索增强生成) 方案。
我的设想很完美：做一个“智能缓存层”。
1. 把每一次玩家的提问和 AI 的回答存入向量数据库
2. 通过用户反馈和人工干预，标记出正确的回答
3. 当前 10 次打向LLM的提问积累了足够的数据后，后续玩家如果问了类似的问题，就直接从数据库捞出AI回答最多的答案，或者是人工标记的正确答案，不再消耗 AI Token，还能提高准确度。
但在海龟汤里，这个方案完败。
核心原因在于，向量检索看重的是“语义相似度”，而不是“逻辑精确度”。
在海龟汤中，玩家经常会进行极为细微的试探：
● 玩家 A 问：“他是自杀吗？”
● 玩家 B 问：“他是被杀吗？”
在向量数据库眼中，这两句话的 Embedding（语义向量）极度相似，甚至可能被判定为同一个意图。
如果有一次 AI 回答了“是自杀”，缓存记录了下来。下次有人问“他是被杀吗”，RAG 很可能因为高相似度，直接自信地甩出缓存里的“是”——瞬间导致游戏逻辑崩塌。
海龟汤需要的是字斟句酌的逻辑判定，而不是模棱两可的语义搜索。这次失败让我意识到：不能依赖概率，必须依赖结构化的逻辑。
----------------------
核心技术：双层 AI 架构与 Logic Profile
为了解决这个问题，我设计了一套 双层 AI 架构：
Layer 1: The Architect (架构师) —— 离线深思
这是系统的核心。每当一道新题库入库时（也可以是按需触发），后台会触发一个高算力模型，我们称之为 Architect。
它的任务不是陪玩家聊天，而是进行深度逻辑拆解，生成一份结构化的 Logic Profile (逻辑档案)。
这个过程不需要实时，可以花 30 秒甚至更久。Architect 会思考：
● 这个故事的核心诡计是什么？
● 到底有哪些物理证据？
● 更多我需要的元数据
最终，它会生成一份包含游戏所有元数据的 JSON 存入数据库
Layer 2: The Host (主持人) —— 实时响应
当玩家开始游戏时，面对他们的其实是 Host。
Host 不需要消耗大量算力去推理真相，它只需要读取 Architect 预先生成的 Logic Profile。因为最难的逻辑判断已经被“预缓存”了，Host 运行在响应速度极快的模型上，专注处理玩家的自然语言交互。
这就像游戏开发中的“预渲染”：把最复杂的计算留在离线阶段，把最流畅的体验留给实时阶段。
----------------------
✨️ 预缓存带来的产品质变
这种架构不仅仅是为了省钱/加速/提高准确度，它直接方便了我开发后续的核心功能：
1. 通灵召唤与“认知盲区”技术
在 出前一汤 中，玩家可以进行通灵召唤，抽卡召唤故事里的人物或物品来对话。
但这有一个巨大的逻辑陷阱：死者知道自己怎么死的吗？
如果是被背后偷袭，死者就不应该知道凶手是谁。如果实时让 AI 判断这一点，很容易露馅。
但在 Logic Profile 中，Architect 已经预先定义好了每个角色的
基于这份档案，Host 在扮演角色时就有了完美的“剧本”。玩家会发现，召唤的角色只会描述自己视角的事情，像是在上演罗生门。
这种基于视角的叙事碎片，正是推理游戏的精髓。
2. 现场搜证：有序的随机
我们还做了一个类似“刮刮乐”的现场搜证功能。玩家面对 6 个档案袋，需要消耗积分刮开线索。
这 6 个线索不是随机生成的，而是 Architect 精心设计的：
● 1 个核心物证（直接指向凶手）
● 3 个侧面线索（辅助推理）
● 2 个干扰项（专门用来误导玩家）
如果完全依赖实时 AI 生成，它往往编不出高质量的干扰项。只有通过预生成的 Logic Profile，我们才能保证每一局游戏的体验都是经过“设计”的。
----------------------
不仅仅是文字：沉浸式体验的打磨
除了后端的硬核逻辑，作为独立开发者，我也在前端体验上下足了功夫。
调查卷宗与工作台
推理游戏最大的乐趣在于整理线索。我不希望玩家还要拿纸笔记录，所以在游戏里内置了一个完整的“侦探工作台”：
● 案卷 Tab：自动收集解锁的文字/图片线索
● 物证 Tab：通过网格视图管理搜证结果，支持打上「关键」「存疑」「排除」的印章
● 可视化笔记：将关键问答像便利贴一样钉在案情白板上
动态立绘系统
利用 Architect 生成的角色描述（Prompt），我们对接了图像生成模型，为每个召唤角色生成专属立绘。
为了防止剧透（比如死者不能画得太血腥导致直接看出死法），Architect 的生图 Prompt 遵循一套严格的美学与防剧透原则
----------------------
结语：技术服务于沉浸感
出前一汤 的开发过程让我明白，AI 原生应用如果不做逻辑分层，很容易变成一个单纯的 Chatbot 壳子。
通过引入 Architect (离线深思) 和 Host (在线快响) 的双层架构，利用 Logic Profile 将非结构化的故事转化为结构化的游戏数据，我们实际上是在用 AI 模拟人类游戏设计师的工作流。
这让 AI 能够驾驭海龟汤这种这种极度依赖逻辑闭环和信息差的游戏。
当然，技术只是手段。当你深夜和朋友在房间里，看着屏幕上“死者”发来的那句充满了遗憾与未知的证词时，那一刻的沉浸感，才是我想带给每一位玩家的礼物。
----------------------
Read full topic
via LINUX DO - 最新话题 (author: 有希 长门)
Invalid media:
image
image
image
image
当我们谈论 AI 应用时，往往陷入 RAG (检索增强生成) 或 Prompt Engineering (提示词工程) 的单一维度。但在构建 出前一汤 —— 一个多人即时海龟汤推理游戏时，我发现单纯依靠实时推理是远远不够的。
这一次，我想聊聊我做AI主持海龟汤的心路历程。
----------------------
什么是海龟汤
在海龟汤中，展现给玩家的是汤面，真相被称作汤底，这个游戏至少 2 个人才能玩：有一个人是主持人，他在知晓汤底的情况下，对玩家的猜测作出判定，给出是/不是/是或不是/无关的回答。
一位船长下船后，去餐厅喝了一碗海龟汤。 喝完之后，他痛哭流涕，随后自杀了。 请问：为什么？你可以提问或给出猜测，然后基于得到的反馈，继续猜测，直到找到真相。
正确答案是：
船长多年前曾遭遇海难，和船员在荒岛漂流，即将饿死。 当时，一位同伴端来一碗肉汤，说是 “海龟汤” ，船长喝了之后活了下来，但同伴死了。
多年后，他在餐厅喝到了真正的海龟汤，发现味道和当年那碗完全不一样。 他瞬间明白了：当年同伴给他吃的根本不是海龟，而是那位死去的同伴自己的肉。 出于巨大的愧疚和绝望，他选择了自杀。
从半个小时5美刀到可持续的支出
原本做这个网站，就是为了和女朋友一起玩海龟汤。于是用了谷歌的Gemini免费api，基本能应对几个人玩的需求，后来这个网站被抖音的博主发现后宣传了一波，带来了几百人进入网站。
很显然，这时候免费api无法满足需求。首先我做的是接入到之前搭建好的Gemini key池，但是仍然经不住用户的大量提问。
为了不让第一批用户流失，我果断接入了openrouter取代key池，结果不到半小时立马花了5美元。
这对我这个用爱发电的个人开发者来说，简直是破产倒计时。
痛定思痛，我开始寻找更具性价比的方案。经历了一番漫长的模型“迁徙”——从最初还在实验阶段的 Gemini Thinking Mode，转向了速度极快的 Gemini 2.0 Flash，最后锁定了 DeepSeek V3.2。
最关键的一步是，我利用了 DeepSeek 官方支持的 Context Caching（上下文缓存） 技术。海龟汤的规则、汤面设定动辄几千 token，如果每次对话都重复传输，不仅慢，而且都是冤枉钱。通过缓存技术，只需要支付一次“记忆成本”，后续的对话都能复用这段缓存，直接命中了“降本增效”的靶心。
这一套组合拳下来，成本直接降低了 90% 以上，终于让这个网站能够可持续地运转下去了。
从“人工智障”到“全知全能”的困境
海龟汤（Lateral Thinking Puzzle）的魅力在于信息差。作为主持人，你必须全知全能（知道真相），但又要守口如瓶（只能回答“是/不是”）。
最初，我直接通过 Prompt 把汤面和汤底塞给 AI：
“你是一个主持人，汤面是… 汤底是… 请回答玩家的问题。”结果是：
1. 如果开启思考模式，主持人反应很慢，而且token消耗翻倍
2. 如果不开思考模式，AI回答的逻辑性很差，很多海龟汤的汤面充满了叙述性诡计。汤底一般都有着复杂的逻辑和人物关系，AI很难在500ms内构建出严谨的逻辑防线
在几十轮的测试后，我意识到：让一个 AI 既要理解复杂的谋杀诡计，又要构建严谨的逻辑防线，还要扮演生动的角色，这太强机所难了。
我们需要把“思考”和“表达”拆开。
----------------------
走过的弯路：向量检索 (RAG) 的“智障时刻”
在设计双层架构之前，我其实先尝试了 RAG (检索增强生成) 方案。
我的设想很完美：做一个“智能缓存层”。
1. 把每一次玩家的提问和 AI 的回答存入向量数据库
2. 通过用户反馈和人工干预，标记出正确的回答
3. 当前 10 次打向LLM的提问积累了足够的数据后，后续玩家如果问了类似的问题，就直接从数据库捞出AI回答最多的答案，或者是人工标记的正确答案，不再消耗 AI Token，还能提高准确度。
但在海龟汤里，这个方案完败。
核心原因在于，向量检索看重的是“语义相似度”，而不是“逻辑精确度”。
在海龟汤中，玩家经常会进行极为细微的试探：
● 玩家 A 问：“他是自杀吗？”
● 玩家 B 问：“他是被杀吗？”
在向量数据库眼中，这两句话的 Embedding（语义向量）极度相似，甚至可能被判定为同一个意图。
如果有一次 AI 回答了“是自杀”，缓存记录了下来。下次有人问“他是被杀吗”，RAG 很可能因为高相似度，直接自信地甩出缓存里的“是”——瞬间导致游戏逻辑崩塌。
海龟汤需要的是字斟句酌的逻辑判定，而不是模棱两可的语义搜索。这次失败让我意识到：不能依赖概率，必须依赖结构化的逻辑。
----------------------
核心技术：双层 AI 架构与 Logic Profile
为了解决这个问题，我设计了一套 双层 AI 架构：
Layer 1: The Architect (架构师) —— 离线深思
这是系统的核心。每当一道新题库入库时（也可以是按需触发），后台会触发一个高算力模型，我们称之为 Architect。
它的任务不是陪玩家聊天，而是进行深度逻辑拆解，生成一份结构化的 Logic Profile (逻辑档案)。
这个过程不需要实时，可以花 30 秒甚至更久。Architect 会思考：
● 这个故事的核心诡计是什么？
● 到底有哪些物理证据？
● 更多我需要的元数据
最终，它会生成一份包含游戏所有元数据的 JSON 存入数据库
Layer 2: The Host (主持人) —— 实时响应
当玩家开始游戏时，面对他们的其实是 Host。
Host 不需要消耗大量算力去推理真相，它只需要读取 Architect 预先生成的 Logic Profile。因为最难的逻辑判断已经被“预缓存”了，Host 运行在响应速度极快的模型上，专注处理玩家的自然语言交互。
这就像游戏开发中的“预渲染”：把最复杂的计算留在离线阶段，把最流畅的体验留给实时阶段。
----------------------
✨️ 预缓存带来的产品质变
这种架构不仅仅是为了省钱/加速/提高准确度，它直接方便了我开发后续的核心功能：
1. 通灵召唤与“认知盲区”技术
在 出前一汤 中，玩家可以进行通灵召唤，抽卡召唤故事里的人物或物品来对话。
但这有一个巨大的逻辑陷阱：死者知道自己怎么死的吗？
如果是被背后偷袭，死者就不应该知道凶手是谁。如果实时让 AI 判断这一点，很容易露馅。
但在 Logic Profile 中，Architect 已经预先定义好了每个角色的
认知盲区：基于这份档案，Host 在扮演角色时就有了完美的“剧本”。玩家会发现，召唤的角色只会描述自己视角的事情，像是在上演罗生门。
这种基于视角的叙事碎片，正是推理游戏的精髓。
2. 现场搜证：有序的随机
我们还做了一个类似“刮刮乐”的现场搜证功能。玩家面对 6 个档案袋，需要消耗积分刮开线索。
这 6 个线索不是随机生成的，而是 Architect 精心设计的：
● 1 个核心物证（直接指向凶手）
● 3 个侧面线索（辅助推理）
● 2 个干扰项（专门用来误导玩家）
如果完全依赖实时 AI 生成，它往往编不出高质量的干扰项。只有通过预生成的 Logic Profile，我们才能保证每一局游戏的体验都是经过“设计”的。
----------------------
不仅仅是文字：沉浸式体验的打磨
除了后端的硬核逻辑，作为独立开发者，我也在前端体验上下足了功夫。
调查卷宗与工作台
推理游戏最大的乐趣在于整理线索。我不希望玩家还要拿纸笔记录，所以在游戏里内置了一个完整的“侦探工作台”：
● 案卷 Tab：自动收集解锁的文字/图片线索
● 物证 Tab：通过网格视图管理搜证结果，支持打上「关键」「存疑」「排除」的印章
● 可视化笔记：将关键问答像便利贴一样钉在案情白板上
动态立绘系统
利用 Architect 生成的角色描述（Prompt），我们对接了图像生成模型，为每个召唤角色生成专属立绘。
为了防止剧透（比如死者不能画得太血腥导致直接看出死法），Architect 的生图 Prompt 遵循一套严格的美学与防剧透原则
----------------------
结语：技术服务于沉浸感
出前一汤 的开发过程让我明白，AI 原生应用如果不做逻辑分层，很容易变成一个单纯的 Chatbot 壳子。
通过引入 Architect (离线深思) 和 Host (在线快响) 的双层架构，利用 Logic Profile 将非结构化的故事转化为结构化的游戏数据，我们实际上是在用 AI 模拟人类游戏设计师的工作流。
这让 AI 能够驾驭海龟汤这种这种极度依赖逻辑闭环和信息差的游戏。
当然，技术只是手段。当你深夜和朋友在房间里，看着屏幕上“死者”发来的那句充满了遗憾与未知的证词时，那一刻的沉浸感，才是我想带给每一位玩家的礼物。
----------------------
3 posts - 3 participants
One More Thing
作为一个不需要下载、打开即玩的时候 PWA 应用，出前一汤 完美适配了移动端。
欢迎来试玩：出前一汤
同时也欢迎大家在评论区交流 AI 应用开发的心得！
Read full topic
via LINUX DO - 最新话题 (author: 有希 长门)
Invalid media:
image
image
image
image
有什么AI修图app推荐吗？比如把照片搞成徕卡风味的
要是能在app里对风格化的程度进行微调就更好了
免费或者付费额度不太高（10r/月）这样
2 posts - 2 participants
Read full topic
via LINUX DO - 最新话题 (author: ck yin)
要是能在app里对风格化的程度进行微调就更好了
免费或者付费额度不太高（10r/月）这样
2 posts - 2 participants
Read full topic
via LINUX DO - 最新话题 (author: ck yin)
Anthropic 又收紧了
这个
anthropic.com
Consumer Terms of Service
Anthropic is an AI safety and research company that's working to build reliable, interpretable, and steerable AI systems.
15 posts - 15 participants
Read full topic
via LINUX DO - 最新话题 (author: xuan)
Invalid media:
image
image
这个
anthropic.com
Consumer Terms of Service
Anthropic is an AI safety and research company that's working to build reliable, interpretable, and steerable AI systems.
15 posts - 15 participants
Read full topic
via LINUX DO - 最新话题 (author: xuan)
Invalid media:
image
image
大家有推荐的免费云服务器、EC2之类的吗？目前知道amazon新用户可以免费一年
好像甲骨文有个终身免费的？不知道其他云有没有
13 posts - 10 participants
Read full topic
via LINUX DO - 最新话题 (author: paps)
好像甲骨文有个终身免费的？不知道其他云有没有
13 posts - 10 participants
Read full topic
via LINUX DO - 最新话题 (author: paps)
有没有佬友有邀请码，求个邀请码
有个朋友看这个论坛挺有意思的，我还不到三级，实在天天刷了，帖子满足要求太慢了，求个本站邀请码
9 posts - 5 participants
Read full topic
via LINUX DO - 最新话题 (author: Jeff zhao)
有个朋友看这个论坛挺有意思的，我还不到三级，实在天天刷了，帖子满足要求太慢了，求个本站邀请码
9 posts - 5 participants
Read full topic
via LINUX DO - 最新话题 (author: Jeff zhao)
今天成为一员啦，潜水小半年
正式成为佬友，以后可以和大家一起吹水了~~
14 posts - 12 participants
Read full topic
via LINUX DO - 最新话题 (author: huyoo)
正式成为佬友，以后可以和大家一起吹水了~~
14 posts - 12 participants
Read full topic
via LINUX DO - 最新话题 (author: huyoo)
ai总结是坏了吗？
不知道大家会不会用这个功能，我对不了解的领域的帖子的时候都会让ai总结一下，今天在用的时候一直这样，是没额度了吗？
4 posts - 3 participants
Read full topic
via LINUX DO - 最新话题 (author: mengnimen)
Invalid media: image
不知道大家会不会用这个功能，我对不了解的领域的帖子的时候都会让ai总结一下，今天在用的时候一直这样，是没额度了吗？
4 posts - 3 participants
Read full topic
via LINUX DO - 最新话题 (author: mengnimen)
Invalid media: image
这Cursor用的也太快了
12号开通的pro 现在显示已经用了20$, 我感觉也没怎么用，， 额度是从这里看吗？
我现在只敢用auto了
3 posts - 3 participants
Read full topic
via LINUX DO - 最新话题 (author: 张大宇学不动)
Invalid media: image
12号开通的pro 现在显示已经用了20$, 我感觉也没怎么用，， 额度是从这里看吗？
我现在只敢用auto了
3 posts - 3 participants
Read full topic
via LINUX DO - 最新话题 (author: 张大宇学不动)
Invalid media: image