chenluo0429

没救了，等重置或者再开一个号吧。
你都直接用 astra 了，几个小时蹬完都算慢的了。换 luna 还是 ds 估计你都受不了

@tank2806038 google play 的政策是首次订阅付款一个月，如果中途升级，只需要补剩余时间的差价就可以了。
按照一个月算 4 周，到期后取消订阅会有 2 天左右宽限期可以继续蹬，实际上是 5 周用量。算上之前 openai 发的三张重置卡，正常 pro 5x 是 100 美元用 8 周用量。用半个月 plus 再升级，大约是 60 美元用 6 周用量。如果 20x 可以购买，大约就是 200 用 8 周和 110 用 6 周的区别。
之前我经常这么买 20x ，先攒前半个月的需求文档，然后后半个月不眠不休多线程做具体实现，力求耗尽全部用量

日常消费大概 1 美元等于 2-3 人名币吧。日常生活其实差异不大的，只有电子产品，软件这种全球定价的对国内不太友好

相当于每一轮启动前都对上一轮进行了一次特殊的压缩。
1. 缓存部分失效，每一轮都会触发一次缓存重建。这里有两类，如果像 ds 这种缓存很便宜的，但是缓存时间长，就要为上一轮对话重建缓存，增加成本。如果是 claude 这种短缓存的话，上上一轮的缓存大概率失效了，这里要重建全部缓存。
2. 关键事实丢失。tool result 不是都是冗余的，某些 tool result 包含关键信息，是不可丢失的。这里也会有两种情况，一种是模型不取回旧结果，用有损信息决策。另一种是模型取回，消耗更多的轮次和 token 成本。

当前的路线做不到传统意义上的 AGI 。
总有人觉得我们花了二十年可以将汽车最高时速从 20 提高到了 100 ，翻了 5 倍。按照这个趋势，过个一百年，起码可以提高到 2000 吧？实际上和成本无关，路线是有其上限的，做不到就是做不到。
如果是现在被重新定义过许多次的所谓 AGI ，可以说目前至少已经部分实现了

可以修改配置文件，web 可视化修改支持是不完全的。
具体是修改 ~/.dsh/settings.yaml 中的 llm-pi-ai 配置。

llm 又不是真随机，毕竟是大量人类数据训练出来的，有时候还是趋同的。
就好像五位数的，27648 比 12345 看起来更“随机”一点。
想要给出一个更有随机感的数字，1-9 肯定不行，合数乘法表都背过吧，多少有点熟悉感。那么能给出来的，就是 10-30 之间的素数，即 13, 17, 19, 23, 29 。其中 13 也比较常见，29 太偏了，最后可选的就是 17, 19, 23 。至于为什么很多先给 17 ，那我就说不出来了。
还有几个有趣的发现
1. 很多都是优先给 17 ，gemeni 优先给的是 19
2. 连续对话让多给几个，17, 19, 23 确实是出现概率最高的
3. 连续给的随机数基本不会重复
4. 刻意的反向选择，连续要求给随机数，会出现首先给 17 ，然后给一个个位数，第三次给 20+（大部分是 23 ）的场景

买半个月的 pro 。
我目前是 20$的 plus ，后面半个月开 pro 5x 需要再补 45$，现在手上还有 3 张重置卡。
本来打算开 20x 的，可惜被下掉了