API, Cli 天然是Agent 的搭档，调用确定。GUI 方便人，不方便Agent，要看懂还得图像识别，成本和效果立减高下。 面向agent 开发应用会成为一种趋势。

中午的时候，Copilot的两个账号突然都提示限流无法使用。

工作被打断了，第一时间想的是赶紧找能续上token的途径，于是又折腾了Codex用azure的api，虽然最后GitHub Copilot也恢复了。

突然发现，已经无法离开AI手写代码了。

Vast.ai 的serverless文档不是很完善，搞了大半天才弄明白怎么处理异步任务。

没办法，云服务商的GPU太贵了，只能到处找平替。

客服回复很快，好评。

不想自己动手的，Fiverr 15到20美元就能搞定，淘宝挣得是信息差。

B站刚开源了个AI视频Agent.

中长视频素材全靠AI出，对大部分内容创作者来说成本也扛不住。

靠AI代码生成编程式的视频加已有素材的方式，是个很棒的思路。

B站这个整合做的不错👍

让Coding Agent 当了一次运维工程师。

工具: GitHub Copilot
主力模型: GPT-5.4 / Claude Sonnet 4.6

上次用Coding Agent 来做完各种Clip模型的性能测试后，我对它用来操控服务器的信心大增。

这次任务主要是完成把Elastic 服务器上的向量迁移到Qdrant 服务器中。

由于是直接对线上环境进行操作，我预先做好了备份，并且起了把访问地址切换了到了临时服务器。

这样就不怕AI把服务器搞炸了，大不了重来。

接着就是写好具体的prompt，让AI去执行了。

需要注意的是，给AI的账号密码信息，要注意用临时的，因为这些信息都会被提交到会话中。

有意思的地方是，在运行了几分钟后，我发现有个prompt中有个索引名写错了，本来想点击终止，然后重新运行的，但AI神奇地读取到了我在修改的prompt文件，虽然没写完，它居然自己发现了问题并修正了脚本配置。

过程也并非一帆风顺，执行了2次后，它还是没有能把数据完整迁移过去，原因其实蛮复杂，跟阿里云的serverless Elastic 有关，很多参数让你不那么容易把数据迁走。

直到第四次语气开始有些强硬：“务必要确保数据完整”之后，它这次运行了特别久，终于顺利完成了任务。

搞不定的时候，逼一把AI 说不定能行!

分享一个很有野心和想象力的项目。还是一个在读大学生的作品，不由赞叹。

MiroFish试图通过AI来预测未来。它的做法是通过模拟一个高保真的平行数字世界，创建拥有不同独立人格的智能体，根据变量来推演可能的结局。

实测Qdrant 在使用int8 量化后，4核16G内存单机能轻松应对千万级的向量搜索，召回效果也影响不大。

对比elastic简直好太多了，之前在elastic上测试开启量化后，召回效果会差很多。

日进一咖。

苹果开发者的开年福利。