@default996 回报不要想了，写代码这事会慢慢贬值，幸好现阶段可以减负担

其实就是职业倦怠期。我也是 10 年离开第一份工作，最后两年天天回家就打游戏，其实并不是沉迷，而是发泄。离开开发工作后，心态恢复了，但努力了几年，依旧迷茫，想明白自己还是适合做开发，但是回不去了。所以先明确自己适合什么，不要停下工作，否则就只能创业了。

借宝地一下。技术圈子里就说找人好了，更多的是来打工的，加上合伙两字，大概率别人觉得想低成本白嫖。技术圈里一没商科背景知识不懂利益框架，二没坚守承诺的商誉训练，三都是出来找活路不是为了理想跳出舒适区。

刚才搜了下 cc 最近几个月的更新，还是 pi 更容易上瘾。这几个月火爆的新技术，在 pi 上都有实现，比如动态生成代码调研 tools ，比比如类似 jev 的决策树，只要是新 Agent 思路，就会出现尝鲜扩展，验证后实用的很快就会内置到核心。cc 是个开箱即用的傻瓜型工具，而 pi 是个可以 diy 到比 cc 还重型的工具。

@isbase pi 不好吗？我就是从 claude code 转 pi 的，觉得很爽啊，token 使用量是 cc ，zcode 等的 1/3 ，当然需要 diy 一些扩展，比如记忆体，subagent ，rtk 等等，一样是自动完成测试并验收提交，包括自动完成仓库里的 issue 。已经几个月没用 cc 了，不知道它有什么新东西了，它在问答环节只给人 1 分钟修改，还挺不习惯它超时就自动使用推荐方案走了，这样确实可以实现提交需求和验收标准就自动完工，但是前提是全部接受推荐方案。还是习惯先收到一份完整的方案，然后审核并修改后再走自动化工作流

置于熟悉软件架构的捷径就方便多了，网页版的 claude,gpt,google ai 都不错，ds 作为补充也很必要

人的经验足够弥补 claude 模型和 glm,ds 的差距，而且正确的经验还能大幅超过模型的差距。所以努力熟悉软件架构，远比依赖 claude 的优势重要

claude 提供的知识多一些，不过知识多也可能需要分析更多角度，需要更多时间，用经验可以弥补知识量差距，甚至自身经验的补充，可以大幅度提高，也就是说用国产模型做重复的或非探索类的编程，用经验足够弥补差距，并且大幅超越模型本身提供的差距。另外，现在 agent 都是计划，代码，验证，提交，一旦开写自己循环全部完成并测试全绿才收工，可以看作都是 1 轮了。

目前还是靠各种 skill 加上手动准备资料喂给 Agent ，感觉现在开发自动喂资料的程序几个月就会淘汰或需要重构。

不过内存最好到 128GB 。64GB 读盘挺多，一定放 SSD 上面，速度 50 tok/s 左右. 200k 上下文，--vision cpu 。

docker run -d --name strata-qwen-coder \
--gpus all \
-p 0.0.0.0:8100:8080 \
--shm-size=8gb \
--ulimit memlock=-1 \
--stop-timeout 120 \
-v /home/tab/llm_models/unsloth/Qwen3___8-Flash-Next-GGUF:/models:ro \
-v strata-data:/data \
-e STRATA_SOURCE=modelscope \
strata:0.1.57-cuda89 \
sh -c '
trap "strata launch --stop --preset docker-nokey 2>/dev/null; exit 0" TERM INT
strata launch --no-tui --yes --access lan --no-api-key \
--data-dir /data/Strata-data --model UD-IQ4_XS-v31 --family unsloth \
--parallel 1 --tune quick --retune \
--model-path /models/UD-IQ4_XS \
--context 204800 --vision cpu --port 8080 \
--save-preset docker-nokey || exit $?
bad=0
while :; do
sleep 10
if strata launch --status --output json 2>/dev/null | grep -q "\"state\": *\"ready\""; then bad=0; else
bad=$((bad+1)); fi
[ "$bad" -ge 3 ] && { echo "[X] server is gone"; exit 1; }
done'

11 月 6 号的版本可能是个分水岭，Strata 0.2.11: Unsloth's new 1- to 4-bit Qwen3.8-Flash-Next files ，UD-IQ4_XS-v31 93.7 GB 4 ， 终于 24GB 64GB 内存可以跑 Q4 级别的 Qwen3.8-Flash-Next 了。效果开始超过 Qwen3.8 27B 了。

涌现也会进化。解决一个问题需要 5 个知识，掌握了 4 个就不能涌现。所以回到古代，小学生就能涌现，现代就需要大学生，未来得靠 AI 。

@Sezxy 怕 AI 乱写，总归要把框架和测试都完全搞懂

@lmmlwen 有公司给的资源，不用翻墙就用的，谁还会去尝试各种模型，我和邻居就是如此，他在家直连公司，随便使用 Claude 全部模型，而我还要翻墙，断网，卡顿，还不如国外的查方案，国产的搞生产。

吐槽就是吐槽，有啥不敢说实话，用 ChatGPT 和 Claude 就是如此，知识不够用国外 AI 来补效果是最好的，等成了某方面专家了，处理这方面问题就无所谓哪里的模型了，但是遇到新领域，还是值得的。

这个排名是根据舆论宣传度来的。

常理说应该是看到 AI Coding ，发现自己的弱小，毕竟 AI 写的代码都是抄人类的。也看到代码的快速贬值，就像大家需要掌握更多开发语言才能保质一样，这个过程一直就有，只不过被 AI 加速了

现在有 AI Coding, 它会和你一直同行，不用奢望有人会和你一直同行。