我有一个实际的需求，我长期订阅claude和gpt，账号也比较稳定，每个里都沉淀了大量的工作习惯，用的是我自己搞得一套记忆系统。问题是，针对同一个项目，如何可以无缝衔接的切换两个订阅，用不同的模型来看看针对一个复杂问题的解法是否一致，同时能共享记忆，因为有时候一个想法是模糊的，单个模型可能无法达到心理预期，交叉输出可能会带来更好的想法和产出。主要我不用API，而是订阅。看看大佬们有没有好的思路。对了，我的工作环境是vscode加两家的插件和vs里的终端。@airb.ai @HandsoMeng @歸藏 看看大佬们是否有类似的兴趣探讨或者有好的解决方案。

小学六年级，英语高考卷得140分，我焦虑了。

我也知道嘲讽别人不好，但是一个号称做企业AI赋能的人求助用什么AI可以做好微信公众号排版，我是真的忍不住要嘲讽一下。把我拉黑是她做的正确选择。

最近发现我vibe的时候偶尔会陷入过度设计中。怎么形容呢，当我发现项目中需要增加某个功能时，我会和机器A描述一轮，然后让他帮我结构化输出，如果符合我的预期，我就让他写个如何实现的评估方案，我看一眼觉得没问题了，就让机器B来审核这个是否存在逻辑硬伤以及不合理的地方，如果能列出一些问题，则按照HML等级分类，然后又让机器A逐个判断这些问题是不是合理，如果合理，我让他还要说出不合理之处，如果是HM类的说不出不合理的地方，我会强制让他用第十人法则硬说一个理由，L类说不出来就算了。打磨后让机器A针对评估方案出实施方案，按照之前的方法继续打磨，这里就会出现，一个方案打磨了很多轮，直到机器提醒我存在过度设计的可能。我就在想，什么时候能比较准确的判断该停下来了，我的能力可能就提升上去了。后续还会继续输出实施步骤，每个步骤可能还要拆成多个commit，目前commit是我拆解的最小单元。然后每个最小单元我仍然重复那套流程。导致现在每个功能迭代的实际完工时间会拉长到2天甚至3天。我还会记录每次机器审核的结论，让机器A概括后留下来存档。本质可能我还是不太信任机器，因为他写的代码我也确实看不懂。不知道这种方式是不是合理，我该如何提高点效率呢？

github.com ；一个给 LLM 编程智能体用的会话记忆沉淀工具。大家都在发，我也发一个。自己造完用了一段时间后，发现很不错。分享给大家。让你成为更好的你。最近还在打磨一个让AI给建议的skill，第十人法则真好用，计划融入进去，避免它偷懒。感叹用好AI和自己的能力真是息息相关啊。

这个年代还有没有像MP3那样，而且还带广播功能的随身音乐播放器啊。

用烧了多少token来说明解决了某个问题，总感觉很别扭。就好比形容我用了n多草稿纸解决了一道难题，没啥可值得炫耀的。这种描述和我印象中的高手形象不符。

今天和AI聊了一天。得出一个结论，我属于进攻型做事风格，能主动发现问题，主动承担任务，而公司采取的评价员工的策略属于防御型。在结合现有领导的工作态度和办事风格后，最后的应对策略是采取苟住的方式引导组织开窍，如果无法开窍，两年到三年后沉淀出自己的收获，然后换组织。

我决定通过公开信息蒸馏一下 阑夕 的表达方式，单纯因为他写的东西能够让我无压力的把一篇长文读完。我先试试用他的风格改写我输出的内容，我自己读一下会是什么感觉。

其实AI画流程图也不太行。