看着昨天cursor 写的这200多行代码头都麻了，想着手工重构一下，最后还是放弃了，毕竟能work ，accept it 拥抱vibe coding 🙈

我一直信这个。笔记软件只用来临时记录，过段时间就删了。

人肉写这种功能，那确实就是体力活，需求和思路描述清楚 cursor 就是一把过。

一直鼓励做AI 应用不要使用复杂的框架，然而我也亲手搓了个agents框架，真是防不胜防😂再把mcp 支持一下就开源了。

那些经历过失败的创始人写的书才值得一读。

羡慕 “无知”，眼里全是 “美好”.

程序员开的餐厅吧

LLM 应用的开发范式相较于传统应用得有所改变了。

比如重试，传统应用编程遇到错误可以用不同策略简单的重试，对于LLM这样的重试也有用，但有限。

最近遇到一个case，总是会有概率失败（质量低下），尝试了通过不同 prompt、不同温度甚至不同模型做重试，都不能根治问题。

今天多加入一个 reflection agent 给 generation agent 提供反馈再重试，效果就立竿见影。

以后知识密集应用，复杂任务应用中，就是各种 agent (负责生成的，思考的，反馈的，决策的，tool call ...) 同时在一个 “图“ 上协同工作，用时间换效果，换高度自动化。

deepseek 后，deep research, deep search, deepclaude ... deep analysis ...

记住 “以后做 AI 应用场景，无脑加 deep” 🙈

都在做 AI coding ，就不能好好做 AI ops 吗？相比 coding 运维可烦人多了。