@layxy 现在还能切换回旧的模式吧，感觉按次划算多了，不过是不是新的用户不能切换回旧的

让 ai 写尽量不要想到哪里写到哪里

> 但凡 llm 有了自己的机械手，准保一脚把我踹开，自己单干了。

首先造工具让 ai 能自己动手，这样一个 prompt 下去它才能直接跑个几十分钟，来回折腾搞定问题。
最近造了几个支持和配合 mcp 的工具 https://github.com/wenerme/wode/tree/develop/packages/wener-mcp-cli 工作轻松了不少。



过程用 ai 写了 70 个工具练手 https://abc.wener.cc/
先能跑了过后，再逐步带点自己的思考和理念让它重构设计，这个站点的 i18n 也参考了好几个方法，有些自己的想法，试了几遍后得到一个相对理想的结果。

现在核心时间都是在写 prompt ，让它能操作浏览器，让它能查 deepwiki ，让它自己去测试基础功能单元会让整体体验好很多。

在尝试练习怎么维护 prompt
之前是 TODO.xx.md ， 一个主题一个上下文，现在是尝试在一个 md ，每天一个 title ，小主题一个 二级 title 。

现在的问题是写 prompt 也容易出现 ai 经常遇到的 lost in the middle ，在一个 md 里相对好一点。最近两天都写了 1500 行 prompt 了，但是的确产出的代码要多得多。

@yjhatfdu2 好的，codex 用的少，我试试加

哎，真的喜欢 TW ，一开始就付费了，后来还付费了 Plus ，虽然几乎没用过 tailwindui 里的代码。

绝对值得购买，最近几天试着把 Claude Opus 4.5 模型 quota 用完，做了这个工具网站 https://abc.wener.cc/use 99.9% 代码都是 AI 的
Opus 或者 gemini 配合 CC 都很好用
这里有代理出来使用的逻辑 https://github.com/wenerme/wener/blob/master/notes/ai/agent/antigravity.md

用了 Opus 4.5 后，其他模型都是垃圾

仔细来说大概是这样的感觉


- 类似 Cursor, Antigravity 其实更接近 Agent 而非 IDE
- IDE 功能由 VSC 提供
- Cursor 和 Antigravity 在这基础上提供了 Agent 功能
- 工具范式转移
- IDE 输出 = 思考 × 编码速度
- Agent 输出 = 决策 × AI 执行力

> 代码写的越少，效率越高

| 特性 | 传统 IDE (VS Code / IntelliJ) | AI Agent (Cursor / Windsurf) |
| -------- | ----------------------------- | -------------------------------------- |
| 交互模式 | 被动 (Passive) | 主动 (Proactive) |
| 核心动作 | 编辑 (Edit)、保存、调试 | 规划 (Plan)、生成、执行 |
| 上下文 | 此时此刻打开的文件 | 整个代码库 (Project Awareness) |
| 人类角色 | 驾驶员 (Driver) | 指挥官 (Commander) / 审核员 (Reviewer) |
| 输出物 | 字符 (Characters) | Diff (变更集) |

- I (Integrated) -> Intelligent (智能)
- 死工具 -> 活 Agent / 有认知的工具
- D (Development) -> Delegation (委派)
- 操作员 -> 指挥官
- E (Environment) -> Entity (实体)
- 被动 -> 主动

@jdz 差不多 99%+ 是 AI 写的
在打算写一个 HN 的 Clone ，这个会用到 DB 之类的，也顺便把相关的也都熟悉了

最近使用 antigravity 还不够深度，但是尝试了下，Vibe Coding 了一个工具网站

http://abc.wener.cc/

前期都是 Gemini3 Pro ，后面尝试 Opus
用下来感觉还是很上头，现在还是前端为主，但是在做 Contract First 的后端了

@stinkytofux 感觉整体功能没太大变化，只是有些更统一了，apk 的优化觉得是加分项

antigravity 占用 CPU 超高

@imik 不是，旧项目，cursor agent 能 link 到 repo ，然后 yolo 模式一次性操作完。但是结果很多时候不理想，打算最近再试试，反正以前是不理想。


@auhah 看到 composer 1 free ，且 opus 4.5 最近两周收费和 sonet 4.5 一样

@imik cursor agent 的网页版不需要，直接一口气操作完，但是试过几次都不理想。还没用过 claude 的网页版

@bobkingdom 是很多导出的，但是不敢随便用，有些拿 key 的方式怕被封号

@korvin 谢谢，我试试，看到有 fork

@TabGre llamacpp 支持 mps


@mooyo 我本地二手显卡，qwen3 vl 32b 30tk/s, gpt-oss 20b 100tk/s


@secretys vllm 对显卡有要求，我 v100 跑不了

@slowgen 模型加载用 llama-swap 配合下来感觉比 ollama 舒服，主要是可控制的参数太多了，就觉得爽

@c0xt30a

```yaml
services:
ollama:
# 0.11.6 0.12.3
image: docker.m.daocloud.io/ollama/ollama:0.13.0
container_name: ollama
networks:
- service
ports:
- 11434:11434
volumes:
- /data/home/.ollama/:/root/.ollama/
restart: unless-stopped
deploy:
resources:
reservations:
devices:
- driver: nvidia
count: all
capabilities: [ gpu ]
environment:
# qwen3 vl 最大 256K
#OLLAMA_CONTEXT_LENGTH: 16384 # 16k
#OLLAMA_CONTEXT_LENGTH: 32768 # 32k
# qwen3-vl:32b 256K 206.6 GiB
# qwen3-vl:32b 64K 42.7 GiB
OLLAMA_CONTEXT_LENGTH: 64000

OLLAMA_DEBUG: 1

#OLLAMA_KV_CACHE_TYPE: q4_0
OLLAMA_FLASH_ATTENTION: 1
#OLLAMA_NEW_ENGINE: true
OLLAMA_NUM_PARALLEL: 2


llama:
image: ghcr.io/mostlygeek/llama-swap:v172-cuda-b7062
container_name: llama
command:
- -watch-config
- -config
- /llama/llama-swap.yaml
volumes:
- ./models:/models
- ./models:/root/.cache/llama.cpp
# the user is app, home is /app, uid=10001
- ./models:/app/.cache/llama.cpp
- ./llama:/llama
ports:
- 11435:8080
environment:
HF_ENDPOINT: https://modelscope.cn
sysctls:
net.ipv6.conf.all.disable_ipv6: 1
deploy:
resources:
reservations:
devices:
- driver: nvidia
count: all
capabilities: [ gpu ]
extra_hosts:
- "host.docker.internal:host-gateway"

```

一般告诉 agent 直接把一个文件翻译为中文写入到哪里就可以了

@Lockroach

手写和 AI 一起维护的一些 log

```
tree logs
logs
├── 2025-08-w35.md
├── ...
├── 2025-11-w45.md
├── 2025-Q4
│ ├── 2025-Q4-ref.md
│ ├── architecture.md
│ ├── metrics.md
│ ├── README.md
│ ├── .....
│ └── work-tracking.md
├── glossary.md
├── ideas.md
└── template.md
```