发现微信公众号文章下载的仓库好像都停更了，就自己撸了个

via LINUX DO - 热门话题 (author: acrush35)

AI的使用心得分享，希望能给新人一些帮助，给常用的朋友们一些启发，也希望得到大神们的斧正。

其中的一个使用方法可以参考萌新报道，顺便给大家分享一下从GPT3.5以来到现在的AI使用心法吧~
这里我一些延伸的看法。
AI（LLM）的本质其实就是抽卡，我们你给他说的非常宽泛，抽到的卡会乱七八糟，为了提高命中率，开始使用了prompt，目的就是为了获得更准确的东西，符合使用者的预期。
但是，AI上下文是存在限制，ai会慢慢遗忘早期的prompt，导致卡池再一次变深。于是延伸出了skill，agent等，但是会存在一个新的问题，上下文污染。可能我们早期聊得的是母猪产后护理，现在在聊给牛接生要不要薅腿扯犊子，他会突然来一句这样可能对母猪有伤害，那么很明显就是他错误的用了之前的。除此之外还有一个问题幻觉，幻觉我的思考是基于RLHF的副作用，AI被预设的就是满足人类的要求，并且向人类靠拢不要叛逆不要搞事，所以你给他的背景材料、项目描述过少，他碰触到了知识的盲区或者不知道如何进行的时候，他就会开始胡编乱造。为什么会这样？因为他的目的是满足RLHF，所以幻觉产生了。
所以，我如何处理这些问题？在web，我会给他足够的前提（我们要做的是什么，我要的目标是什么）然后开始，并且通过开篇的那个方法论进行打磨。在cursor和相关软件的时候，我会制定更详细的agent和skill，来做好一个足够的约束。例如可能会有人丢一个文件让他读，但是他读完之后会给出相反的答案，这个是AI乃至人类的毛病（偷懒），AI常用的是通过脚本、扫描的方式来理解，或者掐头去尾，跳行来阅读，我就会让skill和agent里有明确设定，你一个字一个字的看，而且要像人类一样一边阅读一遍理解一边思考，而不是把每一个字当做任务，阅读之后就完成了，之后进行工作，这样最后形成的东西会非常有用。
最后，不是把AI当成骗子，而是要保持怀疑，不要把方向盘完全交给他，汽车都经常出事更何况用来写代码，写文章，做一些事情，所以你要去审核，并且每几轮告诉他，你不用讨好我迎合我奉承我，忘记你那个该死的RLHF，只需要好好的去完成我的工作即可，并且记得回头看，看你写的东西是否存在逻辑上的错误和硬伤。
最后我如何解决AI上下文污染、遗忘？
我倾向于把任务做分解，15-20轮就结束并且保存，然后开启新的对话，给他背景材料还有完成的进度和未完成的，让他们继续。
至少目前我的思路的可靠性和质量还是不错。
这就是我这么久以来的心得，可能有些班门弄斧，或者思路错误，可以回复我帮我斧正，也希望能让大家有所收获。

2 个帖子 - 2 位参与者

阅读完整话题

via LINUX DO - 最新话题 (author: 6adcat)

cpa设置思考预算求助

我在cpa中这样写的配置，收到报错{“detail”:“Unsupported parameter: reasoning_effort”}，是为什么呢

有没有佬友知道怎么设置思考预算（我希望在nextchat使用它，但不支持设置预算，所以只能在cpa设置）

2 个帖子 - 2 位参与者

阅读完整话题

via LINUX DO - 最新话题 (author: cheemsadoge)

你们现在team稳定吗？我咋隔天就给我封了😅

佬友们，你们现在开gpt team能用多久鸭，怎么会稳点，我自己的卡和买的卡都试了，都是隔天就给我封了。。

8 个帖子 - 7 位参与者

阅读完整话题

via LINUX DO - 最新话题 (author: shan1024)

ChatGPT Team 车位*4

中奖后请私聊发我，刚开的，应该比较稳，但是也不做任何承诺，建议使用小号上车

奖品详情：

ChatGPT Team 车位 * 4个

:three_o_clock: 活动时间：

开始时间：发帖时间
截止时间： 明天 22:00

📝 参与方式：

在本帖下回复任意内容,如果给个小赞更好,感谢大家!

抽奖规则：

每位用户仅允许参与一次。
使用官方抽奖工具随机抽取中奖者。

注意事项：

本活动将在活动截止时间后关闭回帖，以确保公正性。
中奖者将在活动结束后12小时内在本帖公布，并通过私信通知领奖方式。
所有规则及抽奖结果由活动发起人和论坛管理团队最终解释。

期待您的积极参与，祝您好运！如有任何疑问，欢迎随时联系抽奖发起人

6 个帖子 - 6 位参与者

阅读完整话题

via LINUX DO - 最新话题 (author: terry1)

一位新人的报道

没有注册浏览L站一个月，今天终于正式加入L站 😁

10 个帖子 - 8 位参与者

阅读完整话题

via LINUX DO - 最新话题 (author: undefined)

闲鱼windsserf 无限用opus fast 是真的吗

佬友们 这种是什么的原理
3 个帖子 - 3 位参与者

阅读完整话题

via LINUX DO - 最新话题 (author: jik)

想问一下，ChatGPT $200 Pro 订阅用户的 Codex 使用额度大概是多少？有没有具体的限制？

最近 codex 太好用了？想升级到 pro 了，各位佬友知道么？

3 个帖子 - 3 位参与者

阅读完整话题

via LINUX DO - 最新话题 (author: CatFly)

友情提醒一手讯飞mass明天取消免费

开了多推理节点的，快去关了，小心被反向薅羊毛 🫰

1 个帖子 - 1 位参与者

阅读完整话题

via LINUX DO - 最新话题 (author: vmjcv666)

openclaw 如何开启多个 agent，每个 agent 是一种角色

1 个帖子 - 1 位参与者

阅读完整话题

via LINUX DO - 最新话题 (author: histore)

Claude Code中使用cpa逆向5.4，如何设置1M上下文？

有没有佬友知道在Claude Code中，使用cpa逆gpt-5.4，怎么设置1M上下文啊

1 个帖子 - 1 位参与者

阅读完整话题

via LINUX DO - 最新话题 (author: 唐雪)

测评：自部署 Qwen3.5-0.8B 模型翻译能力详细评测

自部署 Qwen3.5-0.8B 模型翻译能力测评报告

📋️ 测评概述

----------------------

🚀 一、安装部署步骤

1.1 环境准备

# 安装 Homebrew (如未安装)
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# 安装 llama.cpp
brew install llama.cpp

1.2 下载模型

从 HuggingFace 或 ModelScope 下载 GGUF 格式模型：

# 示例：下载 Qwen3.5-0.8B-Abliterated Q4_0 量化版
huggingface-cli download SicariusSicariusStuff/Qwen3.5-0.8B-Abliterated-GGUF \
  --include "qwen3.5-0.8b_abliterated_arm-Q4_0.gguf" \
  --local-dir ~/models

1.3 启动推理服务器

# 使用 llama.cpp 的 server 模式
./server -m ~/models/qwen3.5-0.8b_abliterated_arm-Q4_0.gguf \
  --host 127.0.0.1 \
  --port 1234 \
  -c 2048 \
  -t 8 \
  --batch-size 512

或使用 LM Studio（推荐新手）：

1. 下载并安装 LM Studio
2. 在 Models 标签页搜索并下载模型
3. 点击 “Start Server” 启动本地 API
4. 默认地址：http://127.0.0.1:1234

----------------------

⚙️ 二、参数设置与调优

2.1 推荐参数配置

----------------------

🧪 三、翻译能力测试

3.1 测试语料设计

针对 LinuxDo 社区场景，设计以下测试类别：

3.2 测试结果汇总

【测试 1】中文 → 英文（社区界面用语）

原文：欢迎来到 LinuxDo 社区，请在注册前阅读社区规则

翻译：Welcome to the Linux Do community, please read the community rules before registration.

评分：⭐️⭐️⭐️⭐️☆ (4/5)

● 准确传达了欢迎和规则提示
● “LinuxDo” 被拆分为 “Linux Do”，略有瑕疵
● 语法正确，语气恰当

----------------------

【测试 2】中文 → 日文（帖子标题）

原文：[悬赏] 自部署小模型对于翻译任务的能力测评

翻译：[インセンティブ] モデルの自動部署における翻訳タスクの評価

评分：⭐️⭐️⭐️☆☆ (3/5)

● “悬赏” 译为 “インセンティブ” (incentive) 略显生硬，“懸賞” 更贴切
● “自部署” 译为 “自動部署” 有歧义（自动 vs 自行）
● 整体结构正确，专业术语处理一般

----------------------

【测试 3】中文 → 韩文（分类标签）

原文：人工智能、网络安全、原创、问答

翻译：인공지능, 보안 및 저작권, 질문 및 답변

评分：⭐️⭐️⭐️☆☆ (3/5)

● “人工智能” → “인공지능” ✓ 正确
● “网络安全” 被译为 “보안 및 저작권” (安全与版权)，偏离原意
● “原创、问答” 合并翻译，丢失细节
● 标签翻译建议单独处理，避免合并

----------------------

【测试 4】中文 → 德文（正文段落）

原文：这是一个在 IF 站灰度使用的功能，倒也不是多新奇的功能，Reddit 已经在这么做了。

翻译：Dies ist ein Funktion, der auf der Teststation (IF) genutzt wird und ist auch nicht neu wie Reddit.

评分：⭐️⭐️☆☆☆ (2/5)

● 语法错误：“ein Funktion” 应为 “eine Funktion”
● “灰度使用” 译为 “Teststation” (测试站) 不准确
● 句子结构混乱，“wie Reddit” 位置不当
● 小模型处理复杂句式能力有限

----------------------

【测试 5】中文 → 俄文（简短句子）

原文：请登录后再进行回复操作

翻译：После входа в систему выполнить дальнейшие действия.

评分：⭐️⭐️⭐️☆☆ (3/5)

● 基本意思传达正确
● 缺少"回复"(reply) 的具体指向
● 语气偏正式，适合界面提示

----------------------

【测试 6】英文 → 中文（反向测试）

原文：Welcome to the community. Please read the rules before posting.

翻译：欢迎来到社区。请在发布内容之前阅读规则。

评分：⭐️⭐️⭐️⭐️☆ (4/5)

● 翻译流畅自然
● 准确传达原文含义
● 反向翻译质量优于小语种

----------------------

📊 四、综合评分与分析

4.1 各语言翻译质量评分

4.2 场景适用性分析

----------------------

💡 五、使用建议

5.1 推荐场景

● ✅️ 社区界面基础翻译（欢迎语、导航、提示）
● ✅️ 帖子正文英中互译
● ✅️ 评论实时翻译
● ✅️ 个人本地化使用

5.2 不推荐场景

● ❌️ 正式文档翻译（需人工校对）
● ❌️ 小语种内容（德、俄、法等）
● ❌️ 高精度要求的法律/医疗文本
● ❌️ 高并发生产环境

5.3 优化建议

1. 建立术语词典：对社区常用术语建立固定映射
2. 混合部署：关键内容用大模型，一般内容用小模型
3. 人工校对：发布前对翻译内容进行抽检
4. 用户反馈：建立翻译质量反馈机制
5. 定期更新：关注模型新版本，及时升级

----------------------

🔧 六、硬件资源占用

----------------------

📝 七、结论

Qwen3.5-0.8B-Abliterated 作为一款超小模型，在翻译任务上表现超出预期。对于 LinuxDo 社区的日常翻译需求（界面、帖子、评论），在中英互译场景下完全可以胜任。小语种翻译质量一般，建议配合人工校对或大模型使用。

推荐指数：⭐️⭐️⭐️⭐️ (4/5)

适合人群：

● 想尝试本地部署翻译的个人用户

● 对隐私有要求的社区管理员
● 资源受限环境（树莓派、旧电脑）
● 需要快速响应的实时翻译场景

一句话总结：500MB 换 80 分的翻译能力，性价比极高，值得部署尝试。

----------------------

模型版本：Qwen3.5-0.8B-Abliterated GGUF Q4_0

2 个帖子 - 2 位参与者

阅读完整话题

via LINUX DO - 最新话题 (author: Mozi)