没有 agent 相关经验，能测出个啥来呢……

AI 时代特别可怕的一点就是，一大票人认为：AI 会做 = 自己懂了
这点特别可怕。

这个目录结构也是典中典了。
难懂程度和课本有一拼，有“反自学设计”。

“假如让 ai 来参与设计语言，应该会很厉害吧”
是，毕竟 AI 的上下文更长，更容易找到语法解析、语义效率、语义展示这三者之间的甜点。

但是没必要。目前的“编程语法”是自然语言。

用 4bit 量化可以，但效率慢到哭。
RTX PRO 5000 ，540p 竖屏，15 秒 I2V ，要 700 秒。
换成普通 m5 的话（不是满血 MAX ），大概时间要 5x~10x 。

性能其实是视频模型很重要的一个参数，毕竟和 LLM 不同，图、视频是要 seed 抽卡的。

@dko 生存空间几近压缩，只能说目前固定收入（类似维护费、年费）还能活。
好在我司一直是走小公司路线，所以成本比较低。

目前我们的解题思路是借着 AI 的生产力解放，基本上是让甲方无边界定制。
只要有需求，且给定制费，就无条件给做。

相当于从产品思路转换成了定制服务的思路，从而增高自己的壁垒。防止行业内竞争对手的价格内卷循环。

@dko 就是这个逻辑。本质上是顶着专业人员的名头，实际履行的是半个销售，半个客服。

@dko 我司是传统 saas 行业，所以理论上讲，很多业务是和甲方基层有利益冲突的。所以和甲方基层“打成一片”就是我们这边实施的必修课。

在我的经验看来，你不能跟总监/部门经理搭上话，实施基本上是不合格的。

在国内驻场实施不就是个“出气筒+陪酒员+传声筒”么？

什么是“三件套”……

可以当作了解或者学习的练手。
但是试图做头部还是算了……

这其中有几个因素是决定性的。
1 、你不知道未来的模型走势，很有可能你做了几个月，结果第二天模型版本更新直接掀了你的桌子。
2 、你不知道模型和运行环境的细节，导致很多优化都是臆测或者穷举。这就导致你的生产力极度受限。
3 、你不懂模型核心，这就导致你的 harness 很大程度上是空中楼阁。

一个适配自家模型的团队，和一个完全第三方的个人，你认为谁出精品的概率更大……
再不济，你真的是骨骼精奇，做出了世界第一 Agent ，你的成果对于官方而言可能就是几分钟的工作量而已……
再退一万步，你的 Agent 独步天下，不用你的 Agent 就没法 coding 。官方把你的 Agent 封禁了，或者负优化，你又如何？

阿里的 deepseek 限流非常严重，TPM 1.2M token

1：没有顺序。Agent 的本质就是 ReAcT 这篇论文。
2：目前流行的 Agent 都是“反框架”的。
4：没有顺序，他们分别只是不同的能力。你说你是先学走路、先学吃饭还是先学说话？都要学，但哪个先学都可以。
5：OpenCode 就不错
6：没有突出的，或者说大家都一样。Agent 这个东西他就没有客观评价体系。主观的输入 + 主观的引擎 = 主观的结果。

能想到的需要自开发 Agent 的场景，要么就是要限制权限（模型调用，对话内容，工作区限制等），要么就是要搜集数据（比如把员工的 Agent 操作流程和行为抽象成 skill ）

电力公司为何要跟模型公司谈判……
强者要主动跟弱者谈判吗？

另，目前 LLM 根本就不是如何计费的问题，目前的问题是，很多模型产品，压根消费者就没权利知道消费详情。
模型公司说你烧了多少钱，就是多少钱。

一般的 OPC 不是真的“一人”，只是人力极少。
出圈的基本都是 3~5 人这个规模。

核心就是一个人销售（公共关系、客户关系）、一个人运营（公司管理、成本控制）、一个人开发（业务实现，方案支持）。

这种东西不讨喜的，因为无法证伪。

很简单，谁定义谁负责。
他用 AI 出方案，你用 AI 实施。

靠开源 agent 找工作：很难，agent 只有大厂有兴趣，本质上就是借 agent 这个入口做数据飞轮。
而大厂其实对你做了什么完全不感冒。除非你是行业头部 top3 ，比如你是 hermes agent 、openCode 的核心作者。即便如此，他们看中你的也不是你的 Coding 技能，而是你作为头部的业务资源。

code agent 是不是太卷了：不是卷，是门槛太低。随便一个阿毛阿狗都可以三分钟复刻一个 Agent ，而且 ReAcT 像模像样。你怎么证明你和他们不一样？
本质上就是 agent 这个东西，几乎不能独立自证自己架构的价值。可能你今天的表现很棒，但是第二天结论就翻覆了。

你花几个月的时间打磨适配给世界第一厨师的炒锅，第二天厨师手断了，或者老年痴呆了，又或者厨师改做法不用炒了，你的炒锅和其他几十块钱的有什么区别？

提需求的人怎么会管技术选型呢？你吃馒头你要管他用什么锅蒸吗？

工程学当然是谁定方案谁负责。